XiaoMi-AI文件搜索系统
World File Search SystemLarge
澳大利亚经济不确定性冲击的工业影响
hal是一个多学科的开放访问档案，用于存款和传播科学研究文件，无论它们是否已发表。这些文件可能来自法国或国外的教学和研究机构，也可能来自公共或私人研究中心。
关于大语言模型（LLM）的工作文件
2国家标准技术研究所，人工智能风险管理框架（AI RMF 1.0），2023年6月，https：//doi.org/10.6028/nist.ai.100-1。 3 United States, Executive Office of the President [Joseph Biden], Executive Order on the Safe, Secure, and Trustworthy Development and Use of Artificial Intelligence , October 30, 2023, https://www.whitehouse.gov/briefing-room/presidential-actions/2023/10/30/executive-order-on-the-safe-安全和信任的发展和人工智能使用。 4加州隐私保护局，风险评估和自动决策技术法规（2024年3月），https://cppa.ca.gov/meetings/materials/20240308_item4_item4_draft_risk.pdf;科罗拉多州SB 24-205，人工智能的消费者保护（2024），https：//leg.colorado.gov/bills/sb24-205。2国家标准技术研究所，人工智能风险管理框架（AI RMF 1.0），2023年6月，https：//doi.org/10.6028/nist.ai.100-1。3 United States, Executive Office of the President [Joseph Biden], Executive Order on the Safe, Secure, and Trustworthy Development and Use of Artificial Intelligence , October 30, 2023, https://www.whitehouse.gov/briefing-room/presidential-actions/2023/10/30/executive-order-on-the-safe-安全和信任的发展和人工智能使用。4加州隐私保护局，风险评估和自动决策技术法规（2024年3月），https://cppa.ca.gov/meetings/materials/20240308_item4_item4_draft_risk.pdf;科罗拉多州SB 24-205，人工智能的消费者保护（2024），https：//leg.colorado.gov/bills/sb24-205。
AAVRH10矢量纠正MPS IIIA小鼠的疾病病理学，并在大型动物大脑中达到SGSH的广泛分布
IIIA型粘多糖化病（MPS IIIA）患者缺乏溶酶体酶磺酰酶（SGSH），这对于硫酸乙酰肝素（HS）的降解而言是可重点的。尚未依赖的HS的积累会导致严重的进行性神经变性，目前尚无治疗。在MPS IIIA的小鼠模型中评估了载体腺相关病毒（AAV）RH.10-CAG-SGSH（LYS-SAF302）纠正疾病病理的能力。lys-SAF302以三种不同剂量（8.6e+08、4.1e+10和9.0e+10+10个载体基因组[VG]/动物）注射到尾状pe虫/纹状体/纹状体和thalamus的三种不同剂量（8.6e+08、4.1e+10和9.0e+10和9.0e+10载体基因组[VG]/动物）中施用。lys-SAF302能够依赖于纠正剂量或显着降低HS储存，GM2和GM3神经节蛋白的继发性积累，泛素反应性轴突球体，溶酶体膨胀，溶酶体膨胀以及毒液膨胀在12周和25周后的神经毒素流量。要研究大动物大脑中的SGSH分布，将LYS-SAF302注入了狗的皮层白质（1.0e+12或2.0e+12 Vg/Animal）和cynomolgus猴子（7.2e+11 Vg/an-imal）。在78％（注射后4周）中检测到78％的SGSH酶活性至少高于内源水平的20％（狗）的增加至少高于内源性水平。综上所述，这些数据验证了脑室内AAV的给药，作为实现MPS IIIA中疾病疾病的广泛酶分布和纠正的有前途的方法。
大区域，自我修复块共聚物膜用于能量转换
强烈的电鱼连续将代谢能量转化为离子选择性膜的电势差。1,2具有此能力的可植入人造电器器官的制造将需要宏观，稳定，自我修复，流体和能量转化的膜。这里提出的工作引入了一种自组装策略，以准备满足所有这些标准的人造膜。该策略使用水性两相系统的界面来模板并稳定具有可扩展区域的分子薄（〜35 nm）平面块聚合物双层双层分子的形成，这些双层均可能超过10平方米，而没有缺陷。这些膜具有自我修复的能力及其屏障功能，以与离子（〜1mcm2）相匹配磷脂膜的能力。这些膜的流动性可以通过分子载体来直接功能化，该分子载体将钾离子沿浓度梯度沿钠离子降低了浓度梯度。与技术膜的电荷选择性相反，这种生物启发的离子 - 选择性使得在膜上建立电势差，以将等效浓度的NaCl和KCl分离溶液。我们通过与互连的流体储层构造台式原型人造器官来证明适用性，其电压增加了60 mV，每增加一个离子选择性膜串联。
通过大语言模型指导预测学习
强化学习算法通常在没有密集，形状良好的奖励功能的情况下挣扎。本质上动机的利用方法通过奖励访问新颖状态或过渡的代理来解决这一限制，但是这些方法在大多数发现的新颖性与下游任务无关的大环境中提供了有限的好处。我们描述了一种使用文本语料库中背景知识来塑造探索的方法。此方法称为Ellm（e xploring at llm s）奖励代理，以实现由促使代理当前状态描述的语言模型所建议的目标。通过利用大规模的语言模型进行预处理，Ellm指导代理人朝着人类善意而有用的行为来实现，而无需在循环中进行人类。我们在手工游戏环境和管家机器人模拟器中评估ELLM，表明经过训练期间，经过ELLM训练的代理在训练过程中具有更好的覆盖范围，并且通常在一系列下游任务上匹配或提高性能。
通过大语言模型探索零拍的跨语性生物医学概念归一化
摘要。在过去的几年中，歧视性和生成性的大语言模型（LLM）已成为自然语言处理的主要方法。，尽管取得了重大进步，但在比较跨语性生物医学概念归一化中判别和生成性LLM的性能仍然存在差距。在本文中，我们对几个LLM进行了比较研究，涉及跨语言生物医学概念通过致密检索的具有挑战性的任务。我们利用涵盖10种语言的XL-BEL数据集来评估模型在不进一步适应的情况下在各种语言环境中概括的能力。实验发现表明，E5是一种判别模型，表现出卓越的性能，而生物分类出现为表现最佳的生成LLM。复制实验的代码可在以下网址提供：https：//github.com/hrouhizadeh/zsh_cl_bcn。
scsemiprofiler：通过半生成模型和主动学习
单细胞测序是剖析复杂疾病的细胞复杂性的关键工具。其过于良好的成本会阻碍其在广泛的生物医学研究中的应用。传统的细胞反卷积方法可以从更负担得起的散装测序数据中推断出细胞类型比例，但它们在提供单细胞级分析所需的详细分辨率方面却缺乏。为了克服这一挑战，我们介绍了“ SCSemiprofiler”，这是一个创新的计算框架，将深层生成模型与主动学习策略结合。这种方法通过将批量测序数据与来自一些严格选择的代表的靶向单细胞测序融合，从而在大型队列中熟练地侵入单细胞轮廓。跨越异质数据集的广泛阀门验证了我们的半封装方法的精度，与真实的单细胞分析数据紧密一致并赋予精致的细胞分析。最初是为广泛的疾病队列开发的，“ scsemiprofiler”适用于广泛的应用。它为单细胞分析提供了可扩展的，具有成本效益的解决方案，促进了各种生物领域的深入细胞研究。
更大的，多样化的太阳能项目较低的丰田碳...
新的太阳能电池阵列每年都在线上线，有助于为丰田汽车北美（TMNA）发电。在西弗吉尼亚州，一群40只绵羊在丰田发动机厂旁边的面板下吃草，为当地农民提供了放牧的土地，而面板在阳光下充电。一个项目定于年底在肯塔基州在肯塔基州上网，在收回的山顶拆除矿场上。TMNA迄今为止最大的项目，在密西西比州，名为Wildflower，于2024年夏天在线上。
大型生物力学空间结构DARPA-SN-25-51 ...
鉴于代谢工程的最新进展，用于快速生长，具有新颖性能的极端粒子，可调材料的生物学自组装特性以及生物系统生物系统的新兴机械设计原理，DARPA有兴趣探索微电油中未经预言的“未预言”生物结构的可行性。快速，控制的，方向的生长以创建非常大的（500米长）的有用空间结构将破坏当前的最新和位置生物学，作为空间组装基础架构的免费组成部分。一些可以在生物学上制造和组装的结构示例，但传统上可能是不可行的，包括用于太空电梯的tethers，用于轨道碎屑修复的网格网络，无线电科学的千里规模干涉仪，无线电科学的干涉仪，用于托管零件的新型自我组装机翼的新自动化翅膀进行促进的循环量造成材料的材料和贴材料和斑点的损坏。
质量足够吗？在神经音频合成模型的大规模评估中整合能耗
抽象的深度学习模型现在是现代音频综合的核心组成部分，近年来它们的使用已大大增加，从而导致了高度准确的多个任务系统。但是，这种对质量的追求以巨大的计算成本产生了巨大的能源消耗和温室气体的排放。这个问题的核心是科学界用来比较各种贡献的标准化评估指标。在本文中，我们建议依靠基于Pareto最优性的多目标度量，该指标同样考虑模型的准确性和能耗。通过将我们的度量应用于生成音频模型的当前最新技术，我们表明它可以逐渐改变结果的重要性。我们希望提高人们对高质量模型的能源效率的需求，以便将计算成本放在深度学习研究重点的中心。