XiaoMi-AI文件搜索系统
World File Search SystemNLP
摘要 研究：AI 社会认知评估与建模。评估 LLM 中的心智理论及其在心理学中的应用 NLP：LLM IFT、表征学习（对比和三重态损失）、语义聚类、总结 DL：Transformers、MoE、EncDec、RNNs、DPO、LoRA 工具：Python、Pytorch、Deepspeed、AWS Sagemaker、hydra、SQL 管理：建立 ML 团队、职能、策略和 OKR、招募和指导科学家和实习生以及建立数据和注释伙伴关系。
摘要 研究：AI 社会认知评估与建模。评估 LLM 中的心智理论及其在心理学中的应用 NLP：LLM IFT、表征学习（对比和三重态损失）、语义聚类、总结 DL：Transformers、MoE、EncDec、RNNs、DPO、LoRA 工具：Python、Pytorch、Deepspeed、AWS Sagemaker、hydra、SQL 管理：建立 ML 团队、职能、策略和 OKR、招聘和指导科学家和实习生以及建立数据和注释合作伙伴关系。
与 Pinky and the Brain 合作的 NLP 法学硕士
IBM Watson Assistant Google DialogFlow Microsoft Bot Framework 和 Power Virtual Agents FaceBook Wit.AI
高级NLP
博士BR Ambedkar国家理工学院于1987年成立为区域工程学院，并在2002年10月17日在新德里人力资源发展部的敬业中，被印度政府授予国家技术研究院（视为大学）。现在，印度政府政府在人力资源发展部已宣布该研究所为2007年议会法案中的“国家重要性”。该国有大量知名的工业房屋访问该机构，并选择最后一年的学生作为工程师/管理学员。作为美国国立技术研究院（NIT）之一，该研究所有责任在工程，技术和科学领域提供高质量的教育，以为该国培养有能力的技术和科学人力。该研究所在工程，技术和科学的几个学科中提供了BTECH，MTECH，MSC，MSC，MSC，MBA和PHD计划。有关更多信息：http：//www.nitj.ac.in
![文章标题：抗击 COVID-19：人工智能技术与挑战 作者：Nikhil Patel[1]、Sandeep Trivedi[2]、Jyotir Moy Chatterjee[3] 所属机构：毕业于杜比克大学，联系电子邮件 ID：Patelnikhilr88@gmail.com[1]，IEEE 会员，毕业于 Technocrats Institute of Technology，联系电子邮件 ID：sandeep.trived.ieee@gmail.com[2]，尼泊尔加德满都佛陀教育基金会[3] Orcid id：0000-0001-6221-3843[1]、0000-0002-1709-247X[2]、0000-0003-2527-916X[3] 联系电子邮件：sandeep.trived.ieee@gmail.com 许可信息：本作品已以开放获取形式发表根据 Creative Commons 署名许可 http://creativecommons.org/licenses/by/4.0/，允许在任何媒体中不受限制地使用、分发和复制，前提是正确引用原始作品。条件、使用条款和出版政策可在 https://www.scienceopen.com/ 找到。预印本声明：本文为预印本，尚未经过同行评审，正在考虑并提交给 ScienceOpen Preprints 进行公开同行评审。DOI：10.14293/S2199-1006.1.SOR-.PPVK63O.v2 预印本首次在线发布：2022 年 7 月 25 日 关键词：COVID-19、SVM、神经网络、NLP、数学建模、高斯模型、疫情防控](/simg/8/8dd469c55249d1165cc0c55c494f5b27bda7b11b.png)
文章标题：抗击 COVID-19：人工智能技术与挑战 作者：Nikhil Patel[1]、Sandeep Trivedi[2]、Jyotir Moy Chatterjee[3] 所属机构：毕业于杜比克大学，联系电子邮件 ID：Patelnikhilr88@gmail.com[1]，IEEE 会员，毕业于 Technocrats Institute of Technology，联系电子邮件 ID：sandeep.trived.ieee@gmail.com[2]，尼泊尔加德满都佛陀教育基金会[3] Orcid id：0000-0001-6221-3843[1]、0000-0002-1709-247X[2]、0000-0003-2527-916X[3] 联系电子邮件：sandeep.trived.ieee@gmail.com 许可信息：本作品已以开放获取形式发表根据 Creative Commons 署名许可 http://creativecommons.org/licenses/by/4.0/，允许在任何媒体中不受限制地使用、分发和复制，前提是正确引用原始作品。条件、使用条款和出版政策可在 https://www.scienceopen.com/ 找到。预印本声明：本文为预印本，尚未经过同行评审，正在考虑并提交给 ScienceOpen Preprints 进行公开同行评审。DOI：10.14293/S2199-1006.1.SOR-.PPVK63O.v2 预印本首次在线发布：2022 年 7 月 25 日 关键词：COVID-19、SVM、神经网络、NLP、数学建模、高斯模型、疫情防控
文章标题：抗击 COVID-19：人工智能技术与挑战 作者：Nikhil Patel[1]、Sandeep Trivedi[2]、Jyotir Moy Chatterjee[3] 所属机构：毕业于杜比克大学，联系电子邮件 ID：Patelnikhilr88@gmail.com[1]，IEEE 会员，毕业于 Technocrats Institute of Technology，联系电子邮件 ID：sandeep.trived.ieee@gmail.com[2]，尼泊尔加德满都佛陀教育基金会[3] Orcid id：0000-0001-6221-3843[1]、0000-0002-1709-247X[2]、0000-0003-2527-916X[3] 联系电子邮件：sandeep.trived.ieee@gmail.com 许可信息：本作品已以开放获取形式发表根据 Creative Commons 署名许可 http://creativecommons.org/licenses/by/4.0/，允许在任何媒体中不受限制地使用、分发和复制，前提是正确引用原始作品。条件、使用条款和出版政策可在 https://www.scienceopen.com/ 找到。预印本声明：本文为预印本，尚未经过同行评审，正在考虑并提交给 ScienceOpen Preprints 进行公开同行评审。DOI：10.14293/S2199-1006.1.SOR-.PPVK63O.v2 预印本首次在线发布：2022 年 7 月 25 日 关键词：COVID-19、SVM、神经网络、NLP、数学建模、高斯模型、疫情防控
（2024）DeanThropomorphisting NLP：语言模型可以意识到吗？ Plos One，19（12）。 E0307521 ISSN 1932-6203
这项工作旨在作为先前主张的讨论中的声音，即基于变压器模型体系结构的验证大型语言模型（LLM）可能是一种陈述。已经对LAMDA模型提出了此类主张，也是关于LLM驱动的聊天机器人（例如Chatgpt）的当前浪潮的。如果确认，由于广泛使用类似模型，该主张将在自然语言处理（NLP）社区中产生严重的影响。但是，在这里，我们认为这样的大语言模型无法意识到，尤其是LAMDA比其他类似的模型没有任何进步。我们通过通过综合信息理论分析变压器架构来证明这一点。我们将感性的主张视为在NLP报告中使用拟人化语言的更广泛倾向的一部分。不管主张的真实性如何，我们认为这是一个合适的时机，可以盘点语言建模的进步并考虑任务的道德含义。为了使这项工作对NLP社区以外的读者有所帮助，我们还提出了语言建模的必要背景。
UNLP：FY2024 RENSERKING GURT GRATE摘要 TLR-RES-DE-2024-001，核设施运营技术的零信任体系结构 b'' 主题报告EPRI ANT LR 2024-03，“核设施分离”。 2024/10/02 Palisades重新启动LA DOCS-状态更新 DOE空间核电和推进（SNPP）活动 Terrapower主题报告的提交，“ Natrium Advanced反应堆的主要设计标准” 晶间应力腐蚀破裂 马萨诸塞州技术学院 secy-23-0021：拟议规则：高级反应堆的风险信息，包括技术的法规框架（RIN 3150-AK31） 主题报告 - 在线监视技术对... NEI 03-08，修订版4，“材料管理指南” 关于添加剂制造标准景观的观点 白皮书 - 融合能源系统监管框架的初步选择 熔融材料兼容性的技术评估... 开发融合能源系统的监管框架 - 融合公共会议幻灯片-03302021 PNNL-33730，“文献综述：反应堆压力容器中部分穿透焊缝的NDE”。 2021/05/21高级反应堆GEIS文档-UO2 Haleu Transportation套餐评估和建议
匹兹堡大学通过基于扫描分解的基于扫描模拟的反馈 - 馈线控制执行摘要摘要大大降低了激光粉池床融合添加剂制造的融化池和微观结构的变化：管理当地几次对激光粉末床融合（L-PBF）添加剂生产性能的影响是最高核心的一项优先级。因此，该程序的目的是开发一种基于仿真的反馈馈电控制方法，以维持整个L-PBF部分的熔体池和微观结构的一致性。特定的研究目标包括：（1）基于通过不同过程参数产生的测量熔体池维度开发经过实验验证的计算流体动力学（CFD）模型； （2）开发有效的混合CFD和FEM（有限元方法）模型，以模拟多轨，多层方案； （3）开发基于迭代模拟的反馈 - 馈线控制模型。该项目中的重点材料是基于镍的合金inconel 718，它广泛用于高温核应用中，例如核反应堆核心和热交换器。拟议的研究旨在解决核能社区中L-PBF进程的资格和更广泛采用的关键障碍。核芯和热交换器等核应用通常包含不同尺寸的几何特征，这会导致熔体池和微观结构在整个零件过程中差异很大。拟议研究中的关键创新是开发了混合CFD-FEM模拟模型，该模型为此基于反馈 - 反馈控制方法。通过使用准确的扫描分辨过程模拟，通过调整过程参数（激光功率和扫描速度）来最佳控制熔体池尺寸，预计熔体池和微观结构将在整个复杂部分中更加一致。通过减少新的L-PBF产品开发中昂贵的实验数量，可以以较低的成本进行熔体池和微观结构一致性的巨大改进，以更有效地执行资格。大多数L-PBF热过程模拟模型使用CFD或FEM；但是，前者是准确的，但在计算上非常昂贵，而后者是有效的，但不足以捕获熔体池的尺寸和温度，而随着局部几何形状的变化。在拟议的CIFEM（CFD施加的FEM）过程仿真模型中，瞬态热场是根据高保真CFD模拟计算的，并通过深度学习来推断。这些温度值是根据局部热环境所包含熔体池的局部FEM区域施加的，而其他地方的热传导则由FEM求解。开发的基于CIFEM的工艺模拟预计将是基于CFD的模拟效率的30-50倍，同时保持熔体池和温度场的预测准确性。使用CIFEM模型最佳地控制局部过程参数，预计熔体池尺寸的变化将减少50-70％，从而导致更一致的微观结构。因此，该项目将解决社区中的基本优先事项之一，并有助于促进更广泛的L-PBF程序在安全至关重要的核应用中。首席调查员：Albert C. TO，Albertto@pitt.edu
采用两阶段随机 MINLP 模型设计和运行多能源微电网
w1 冬季 ✓ 50 0.86 w2 冬季 ✓ 100 0.86 w3 冬季 ✓ 50 0.86 w4 冬季 ✓ 100 0.86 w5 春季 ✓ 50 0.86 w6 春季 ✓ 100 0.86 w7 春季 ✓ 50 0.86 w8 春季 ✓ 100 0.86 w9 夏季 ✓ 50 0.86 w10 夏季 ✓ 100 0.86 w11 夏季 ✓ 50 0.86 w12 夏季 ✓ 100 0.86 w13 秋季 ✓ 50 0.86 w14 秋季 ✓ 100 0.86 w15 秋季 ✓ 50 0.86 w16 秋季 ✓ 100 0.86 w17 冬季 ✓ 50 1.72 w18 春季✓ 100 1.72 w19 夏季 ✓ 50 1.72 w20 秋季 ✓ 100 1.72 w21 冬季 ✓ 50 1.72 w22 春季 ✓ 100 1.72 w23 夏季 ✓ 50 1.72 w24 秋季 ✓ 100 1.72 w25 冬季 ✓ 100 1.72 w26 春季 ✓ 50 1.72 w27 夏季 ✓ 100 1.72 w28 秋季 ✓ 50 1.72 w29 冬季 ✓ 100 1.72 w30 春季 ✓ 50 1.72 w31 夏季 ✓ 100 1.72 w32 秋季 ✓ 50 1.72
红队生成式 AI/NLP、BB84 量子密码协议和 NIST 批准的抗量子密码算法
这项研究历时五年，深入探讨了这种融合对网络安全的影响，特别关注人工智能/自然语言处理 (NLP) 模型和量子加密协议，特别是 BB84 方法和特定的 NIST 批准算法。该研究利用 Python 和 C++ 作为主要计算工具，采用“红队”方法，模拟潜在的网络攻击来评估量子安全措施的稳健性。为期 12 个月的初步研究奠定了基础，本研究旨在在此基础上进行扩展，旨在将理论见解转化为可操作的现实世界网络安全解决方案。该研究位于牛津大学技术区，受益于最先进的基础设施和丰富的协作环境。该研究的总体目标是确保随着数字世界向量子增强操作过渡，它仍然能够抵御人工智能驱动的网络威胁。该研究旨在通过迭代测试、反馈集成和持续改进来促进更安全、量子就绪的数字未来。研究结果旨在广泛传播，确保知识惠及学术界和全球
NLP和大型语言模型在胃肠病学和肝病学中的新兴应用：系统评价
为了确保对所纳入研究的全面评估，我们使用了三种工具，每种工具都针对我们的评论中的特定研究设计量身定制。在干预措施（Robins-i）工具的非随机研究中偏见的风险已用于评估NLP在管理，处方指导和临床查询反应等应用中的NLP（13）。用于将NLP模型与医生进行比较或用于诊断和检测的参考标准的诊断研究，使用了诊断准确性研究2（Quadas-2）工具的质量评估（14）。最后，将偏差评估工具（Probast）工具的预测模型风险用于其余研究，该研究涉及NLP模型预测，而无需直接比较参考标准（15）。这种多功能方法使我们能够适当地解决审查研究中提出的多种方法和应用。
浸信会Aubertin NLP工程师在雷诺 div>
•我们开发了一种模型，该模型从初始度量，所需样式和钥匙中生成吉他量表和MIDI文件。使用吉他唱片的开源数据集，我们微调了Mistral-7b模型，用于连贯的音乐连续性。这项工作是在Mistral AI Paris Hackathon和Mistral Online Hackathon展出的。链接到我们的解决方案LLM，微调，Qlora，量化