XiaoMi-AI文件搜索系统
World File Search SystemPreferences
我的预先护理计划 我的意愿和偏好
兴趣？什么对你来说很重要？你的饮食偏好、卫生习惯（洗澡/淋浴/剃须/理发/化妆）、睡眠（起床/睡觉的首选时间、开灯/关灯、开窗/关窗）是什么？有什么事情让你担心或害怕发生？你是否担心实际问题（谁来照顾你的孩子、宠物等）？
捕获有关算法系统的利益相关者的价值和偏好
价值类别生产率[3]机器效率效率[9]可靠性[9，21]机器自主权[14]实用程序[6]隐私[1-3，6，8，9，9，14，21]可保护性（Schwartz安全性）安全性[3，14]安全性[9 9]责任心[18，21]可解释性[14]可解释性[14]清晰度透明度[1. 1，2] 6. 1，211，2，2，211] 21] Self-determination (Schwartz Self-direction) Self-knowledge [3] Security of supply [5] Stakeholders welfare (Schwartz Benevolence) Affordability [5] Well-being [21] Privacy [6] Diversity, non-discrimination and fairness [1, 2, 4, 6, 9, 14, 21] Equity (Schwartz Benevolence-Universalism) Inclusiveness [5] Respect for law and public interest [2]全球福利（施瓦茨普遍主义）环境可持续性[5，9，21]信任[21]表1。与智能电网上下文相关的25个最终值及其各自的类别。从文献分析中提取了每个值。
关于新欧元钞票主题的公众偏好的报告
为所有欧洲人提供了参与该过程的机会，使用相同的问卷（在本报告中称为“欧洲央行在线调查”）的在线公开调查与坎塔尔公共调查一起启动了。在2023年7月10日至8月31日之间收到了大约376,000个对这项调查的有效回复。应该指出的是，欧洲央行在线调查的结果不能代表欧元区人口。例如，在响应欧洲央行在线调查的人中，对某些国家和年轻，受过良好教育的男性受访者有很大的偏见。尽管已加权结果以纠正某些偏见，但欧洲央行在线调查的发现不能可靠地推断出来代表欧元区人民的观点。欧洲央行在线调查仍然提供了有用的额外观点，并进一步了解了公众偏好。这也是与欧洲公民互动的好机会，并大大提高了人们对重新设计过程的认识。
适应人类偏好对人机协作信任的影响
我们展示了在人机协作任务中适应人类偏好对信任的影响。团队执行一项任务，其中机器人充当人类的动作推荐者。假设人类和机器人的行为基于他们试图优化的某种奖励函数。我们使用一种新的人类信任行为模型，该模型使机器人能够在与人类互动的过程中使用贝叶斯逆强化学习实时学习并适应人类的偏好。我们提出了三种机器人与人类互动的策略：非学习者策略，其中机器人假设人类的奖励函数与机器人的相同；非自适应学习者策略，学习人类的奖励函数以进行性能评估，但仍优化自己的奖励函数；自适应学习者策略，学习人类的奖励函数以进行性能评估，并优化这个学过的奖励函数。结果表明，适应人类的奖励函数会使机器人获得最高的信任。
顶级人工智能研究人员的移民偏好：新调查证据
本论文由牛津大学人类未来研究所人工智能治理中心和宾夕法尼亚大学佩里世界之家联合发表，并得到乔治城大学安全与新兴技术中心的机构支持。该项目得到了人工智能伦理与治理基金的支持，Michael Horowitz 在该项目上的工作部分得到了美国政府拨款 FA9550-18-1-0194 的支持。作者要感谢 Catherine Aiken、Zachary Arnold、Tessa Baker、James Dunham、Melissa Flagg、Charlie Giattino、Roxanne Heston、Igor Mikelic-Torreira、Dewey Murdick 和 Helen Toner 对人工智能专家调查和分析的反馈。我们还感谢 Noemi Dreksler、Emmie Hine、Lauren Kahn、Will Marks、Kwan Ye Ng 和 Sacha Zimmerman 的研究协助和编辑支持。
探索人工智能在教育中的作用、学生的偏好和看法
人工智能技术的发展为教育的传授和接受开辟了新的机会。因此，深入了解学生对学习过程中使用人工智能的看法、期望和担忧成为一个关键方面。本研究探讨了印度尼西亚大学生对人工智能在教育中使用的看法。对明古鲁大学师范学院 200 名学生进行了一项定量描述性调查。所用工具是改编自 Buabbas 等人 (2023) 的学生对人工智能的看法量表。数据分析使用了描述性分析和卡方检验。研究结果表明，大多数学生对人工智能在学习中的使用持积极态度，认为它是一种可以丰富他们的学习体验和增加教育资源获取机会的工具。然而，也有人担心人工智能会取代教师的角色，学习互动中人为因素的丧失以及数据隐私问题。研究结论是，尽管人工智能具有改变教育的巨大潜力，但需要采取谨慎、以人为本的方法，让教师发挥积极作用，并保障学生的隐私和数据安全。建议开展进一步研究，以提供有关人工智能在教育领域出现的影响和好处的更全面信息。
用于通信的脑机接口：闭锁综合征患者的偏好、汽车
摘要 目标：为严重运动障碍患者开发脑机接口 (cBCI) 理想情况下依赖于最终用户和其他利益相关者（如护理人员和研究人员）之间的密切合作。意识到这些群体之间可能存在的意见分歧对于开发可用的 cBCI 和访问技术 (AT) 至关重要。在本研究中，我们比较了潜在 cBCI 用户、他们的护理人员和 cBCI 研究人员对以下方面的意见：(1) 用户希望用 cBCI 控制哪些应用程序；(2) 用户喜欢使用哪些心理策略来控制 cBCI；(3) 用户希望在临床轨迹的哪个阶段了解 AT 和 cBCI。方法：我们收集了 28 名闭锁综合征患者、29 名护理人员和 28 名 cBCI 研究人员的数据。问卷配有动画视频来解释不同的 cBCI 概念，并评估了这些概念的实用性。结果：三组人对最理想的 cBCI 应用的看法一致，但对心理策略和了解 cBCI 的时间存在分歧。动画视频被认为是向最终用户和其他利益相关者解释 cBCI 和心理策略的清晰且有用的工具。结论：利益相关者之间对于用户喜欢使用哪种心理策略以及他们希望何时了解 cBCI 存在明显分歧。为了推进 cBCI 的开发和临床实施，有必要将研究议程与最终用户和护理人员的需求相结合。
促销策略偏好和购买西方电器客户的决策
本研究评估了菲律宾马尼拉大都会的西方电器客户的促销策略偏好和购买决策。通过经过验证的自制调查问卷，数据是从100个有意选择的西方电器客户那里收集的。使用数据管理统计工具应用了百分比，算术平均值，标准偏差，Pearson相关分析，T-检验和回归分析。结果表明，促销策略和客户购买决策变量之间存在统计学上显着的相关性。特别是，主题公司实施的促销策略与受访者的所有偏好变量（例如销售促销，广告，个人销售，直接营销和公共关系）具有显着高的正相关性。促销策略与客户购买决策变量之间也存在统计学上的显着相关性。因此，促销策略实施的有效性提高或降低会导致马尼拉大都会电器客户的购买决策的增加或减少。
学生对编程生成人工智能反馈的看法和偏好
人工智能 (AI)，特别是大型语言模型 (LLM) 的快速发展为各种教育应用开辟了机会。本文探讨了利用最流行的 LLM 之一 ChatGPT 在入门计算机科学 (CS1) 课程中自动对 Java 编程作业进行反馈的可行性。具体来说，本研究重点关注三个问题：1) 学生在多大程度上将 LLM 生成的反馈视为形成性的？2) 学生如何看待包含其代码的反馈提示与不包含其代码的反馈提示的比较可供性？3) 学生建议进行哪些改进以改进 LLM 生成的反馈？为了解决这些问题，我们使用 ChatGPT API 为 CS1 课程中的四个实验室作业生成了自动反馈。调查结果显示，学生认为反馈与 Shute 制定的形成性反馈指南非常一致。此外，学生明显偏爱将学生代码作为 LLM 提示的一部分而生成的反馈，我们的专题研究表明，这种偏爱主要归因于反馈的特异性、清晰度和纠正性。此外，本研究发现，学生通常期望获得具有足够代码示例的具体纠正性反馈，但对反馈的语气有不同的看法。本研究表明，ChatGPT 可以生成学生认为具有形成性的 Java 编程作业反馈。它还提供了有关使 ChatGPT 生成的反馈对学生有用的具体改进的见解。