XiaoMi-AI文件搜索系统
World File Search SystemParadigm
符号计算机器学习的数据集和范例的课程：关于CaddelRío，T。＆England的案例研究
00591-0 DOI 10.1007/s11786-024-00591-0 ISSN 1661-8270 ESSN 1661-8289 Publisher: Springer This article is licensed under a Creative Commons Attribution 4.0 International License, which permits use, sharing, adaptation, distribution and reproduction in any medium or format, as long as you give appropriate credit to the original author(s) and the来源，提供指向Creative Commons许可证的链接，并指示是否进行了更改。本文中的图像或其他第三方材料包含在文章的创意共享许可中，除非在信用额度中另有说明。如果本文的创意共享许可中未包含材料，并且您的预期用途不受法定法规的允许或超过允许的用途，则您需要直接从版权所有者那里获得许可。要查看此许可证的副本，请访问http://creativecommons.org/licenses/4.0/。
Genai驱动的多代理范式用于智能城市流动性：整合大型语言模型（LLMS）和检索型发电（RAG）的机会和挑战与智能运输系统
⋆该手稿由UT-Battelle，LLC共同撰写，根据与美国能源部（DOE）合同DE-AC05-00OR22725合同。美国政府保留和出版商，通过接受该文章的出版物，承认美国政府保留了非判定，有偿，不可撤销的，全球范围内的许可，以出版或复制本手稿的已发表形式，或允许其他人这样做，以实现美国政府的目的。DOE将根据DOE公共访问计划（http：//entergy.gov / downloads / doe-public-access-plan），为联邦赞助研究的这些结果提供公众访问。∗对应作者。电子邮件地址：xuh4@ornl.gov（haowen xu），yuanj@ornl.gov（jinghui yuan），zhoua@ornl.gov（anye zhou），xug1@ornl.gov
增加了IL-1途径抑制的采用和类固醇的范式转移：RES
Arcalyst®是Regeneron Pharmaceuticals，Inc。的注册商标。5。Luis SA，Cremer PC，Raisinghani A等。rilonacept在类固醇的复发性心包炎中利用：现实世界中的证据表明采用增加了。JACC 2024; 4月，83（13_supplement）408。6。reid A，Klein A，Lin D等。共振注册表：儿科和成人心包炎患者的回顾性和前瞻性纵向，观察注册中的理由和设计。EUR HEART J 2021; 42：问题补充1。7。Clair J，PC Cremer，Sa Luis等。基线人口统计学和疾病特征在儿科和成人患者（共鸣）中纳入自然心包炎自然史的患者。j am coll Cardiol 2023; 81（8_supplement）：626。
和解方法范式：采用大型语言模型作为新手定性研究助理人才管理研究div
定性数据收集和分析方法，例如采用访谈和焦点小组的方法，为客户态度，情感和行为提供了丰富的见解。但是，手动定性数据需要大量的时间和精力来确定相关主题和主题见解。这项研究提出了一种新的方法来解决这一挑战，通过利用基于Aug的Generative Auged Generation（RAG）大型语言模型（LLMS）来分析访谈成绩单。这项工作的新颖性在于制定研究探究作为新手研究助理的LLM增强的研究。本研究探讨了LLM的心理模型，以作为人才管理领域研究人员的新手定性研究助理。扩展了一种基于抹布的LLM方法，以启用半结构化访谈数据的主题建模，展示了这些模型在信息检索和搜索中的传统用途之外的多功能性。我们的发现表明，与手动生成的主题相比，LLM-EAGMAIN-augment的破布方法可以成功提取感兴趣的主题，并具有明显的覆盖范围。这确立了使用LLM作为新手定性研究助理的生存能力。此外，该研究建议研究人员利用这种模型在传统定性研究中使用的质量标准，以确保其方法的严格性和可信度。最后，本文为寻求调和LLM与既定的定性研究范式调和使用LLM的行业从业人员提出了关键建议，为在人才管理研究中分析定性数据集的分析时，为有效整合了这些功能强大的新手工具提供了路线图。
针对 ErbB/HER 受体酪氨酸激酶家族的抗体-药物偶联物的不断发展的范式
摘要：目前针对人类表皮生长因子受体 (HER) 家族的疗法，包括单克隆抗体 (mAb) 和酪氨酸激酶抑制剂 (TKI)，受到耐药性和全身毒性的限制。抗体-药物偶联物 (ADC) 是发展最快的抗癌疗法之一，目前 FDA 已批准 13 种。重要的是，ADC 代表了一种有前途的治疗选择，它有可能克服传统的 HER 靶向治疗耐药性，它能将强效细胞毒素特异性地递送到 HER 过表达的癌细胞，并发挥 mAb 和有效载荷介导的抗肿瘤功效。HER2 靶向 ADC 的巨大成功体现了 HER 靶向 ADC 的临床实用性，包括曲妥珠单抗 emtansine 和曲妥珠单抗 deruxtecan。尽管如此，改进现有 HER2 靶向 ADC 的策略以及针对其他 HER 家族成员（尤其是 EGFR 和 HER3）的 ADC 的开发仍然备受关注。迄今为止，尚未报道过 HER4 靶向 ADC。在本综述中，我们详细介绍了临床阶段的 EGFR、HER2 和 HER3 靶向单特异性 ADC 以及针对该受体家族的新型临床和临床前双特异性 ADC (bsADC)。最后，我们讨论了 HER 靶向 ADC 开发的新趋势，包括新型 ADC 有效载荷和 HER 配体靶向 ADC。
标准：一种用于评估自动驾驶轨迹预测模型的新基准测试范式
摘要 - 基准测试是评估自主驾驶轨迹预测模型的常见方法。现有的基准测试依赖于数据集，这些数据集偏向于更常见的方案，例如巡航和基于距离的指标，这些指标是通过在所有方案中平均计算得出的。在这样的团之后，就他们如何处理不同的场景以及其产出的可接受和多样化而言，对模型的性质提供了一些深刻的见解。存在许多旨在衡量轨迹的可接受性和多样性的互补指标，但是它们遭受偏见（例如轨迹的长度）。在本文中，我们提出了一种用于评估轨迹预测方法（Crite-ria）的新基准测试范式。特别是我们建议1）一种根据道路的结构，模型的性能和数据正确的数据来提取不同级别的驾驶场景的方法，用于预测模型的细粒度排名； 2）一组新的无偏见指标，用于通过考虑由现实世界驾驶限制的动机，通过考虑道路和运动学的结构来纳入给定场景的特征和可接受性。 3）使用拟议的基准测试，我们使用大规模argoverse数据集对一组代表性的预测模型进行了广泛的实验。我们表明，所提出的基准可以对模型产生更准确的排名，并作为表征其行为的手段。我们进一步进行了消融研究，以强调用于计算拟议指标1的不同元素的贡献。
一种新颖的三维多层脑电图范式
当代脑电图系统采用二维单层范式，即单个电极下多层神经元群的信号被汇总和记录，导致信号嘈杂，无法洞悉神经过程，使脑间通信、实用脑机接口以及从医学到计算等领域的一系列应用无法实现。在这里，我们介绍了一种新颖的三维多层脑电图 (3D Multilayer EEG) 范式 - 与当代单层或二维 (2D Single-layer EEG) 范式不同 - 它利用自然启发的概念框架，在该框架中，利用对生物信号源的精心选择的特征的近似值来表征和操纵底层生物系统。通过同时捕获来自多层神经元的不同信号流，这种新颖的多层 EEG 范式可以实现有效的计算机介导的脑对脑通信系统，更清楚地了解正常功能和疾病中的神经过程，以及将脑机接口系统的信息传输速率提高几个数量级 - 使这些系统变得实用 - 并实现从医学到社交互动、包括工作场所优化、经济学、通用计算和人机交互在内的各种新应用。最近的工作展示了通过髓鞘轴突传播的信号的直接成像，以及头皮 EEG 记录可以检测皮层下电生理活动的直接证据，证实了我们框架所依据的原理的正确性。我们通过制定同时多层 EEG 信号捕获的零假设和备择假设，并依靠一组精心设计的实验测量的分析结果来证伪零假设并验证备择假设，证明了我们新颖的 3D 多层 EEG 范式的有效性。
DetToolChain：释放 MLLM 检测能力的全新提示范式
摘要。我们提出了一种新颖的提示范式 DetToolChain，以释放多模态大型语言模型 (MLLM)（例如 GPT-4V 和 Gemini）的零样本物体检测能力。我们的方法包括一个受高精度检测先验启发的检测提示工具包和一个用于实现这些提示的新思路链。具体来说，工具包中的提示旨在引导 MLLM 关注区域信息（例如放大）、根据测量标准读取坐标（例如叠加尺子和圆规）以及从上下文信息中进行推断（例如叠加场景图）。基于这些工具，新的检测思路链可以自动将任务分解为简单的子任务，诊断预测并规划渐进式框细化。我们的框架的有效性在一系列检测任务中得到了证明，尤其是在困难情况下。与现有的最先进方法相比，使用我们的 DetToolChain 的 GPT-4V 可将最先进对象检测器的 AP 50 在 MS COCO Novel 类集（用于开放词汇检测）上提高 21.5%，在 RefCOCO val 集（用于零样本指称表达理解）上提高 24.23%，在 D-cube 描述对象检测 FULL 设置上提高 14.5% AP。代码将在接受后发布。