XiaoMi-AI文件搜索系统
World File Search SystemRQ3
南方某大学教育学院战略规划实施工具案例研究
RQ3 ................................................................................................................84 RQ4 ................................................................................................................85 RQ5 ........................................................................................................................85 RQ6 ........................................................................................................................86 主题 1 ......................................................................................................................87 主题 2 ......................................................................................................................90 主题 3 ......................................................................................................................91 主题 4 ......................................................................................................................92 含义 ......................................................................................................................93
软件工程的大型语言模型
大型语言模型（LLM）严重影响了许多域，包括软件工程（SE）。许多最近的出版物探索了适用于各种SE任务的LLMS。尽管如此，对LLMS在SE上的应用，效果和可能的局限性的全面理解仍处于早期阶段。为了弥合这一差距，我们对LLM4SE进行了系统的文献综述（SLR），特别着眼于了解如何利用LLM来利用LLM来优化过程和结果。我们从2017年1月至2024年1月选择并分析了395篇研究论文，以回答四个关键的研究问题（RQS）。在RQ1中，我们对已在SE任务中使用的不同LLM进行了分类，从而表征其独特的功能和用途。在RQ2中，我们分析了数据收集，预处理和应用中使用的方法，突出了良好策划数据集用于成功LLM进行SE实现的作用。RQ3研究了用于优化和评估SE中LLMS性能的策略。 最后，RQ4研究了LLM迄今为止成功的特定SE任务，以说明其对现场的实际贡献。 从这些RQ的答案中，我们讨论了当前的最新和趋势，确定现有研究中的差距，并为未来的研究标记有希望的领域。 我们的文物可在https://github.com/xinyi-hou/llm4se_slr上公开获得。RQ3研究了用于优化和评估SE中LLMS性能的策略。最后，RQ4研究了LLM迄今为止成功的特定SE任务，以说明其对现场的实际贡献。从这些RQ的答案中，我们讨论了当前的最新和趋势，确定现有研究中的差距，并为未来的研究标记有希望的领域。我们的文物可在https://github.com/xinyi-hou/llm4se_slr上公开获得。
评估供应链的弹性以减轻供应链风险
通过半结构化访谈以及与RQ1和RQ2进行的交叉质疑分析，第三个研究问题RQ3，有关降低风险降低策略的评估。根据所有研究问题的结果，建议使用五种减轻风险的策略。这些旨在提高沃尔沃CE的弹性能力，具有最大的进步潜力，以减轻最脆弱的供应链风险。建议的减轻风险策略是供应链的理解，SCRM文化，供应商关系，备份供应商和场景计划。通过使用这些策略，沃尔沃CE可以显着提高其韧性，从而创造一个更好的组织来减轻供应链风险，以确保在易变的市场中确保未来的供应。
1 通信管理中的人工智能
通信管理中的人工智能：一项关于采用和知识、影响、挑战和风险的跨国研究摘要目的——人工智能 (AI) 可能会极大地改变通信行业，但学术界缺乏对从业者对此观点的调查。本文解决了这一研究空白。它提供了文献概述并报告了一项关于通信中人工智能的实证研究，首次介绍了该领域的专业人士如何评估该技术。设计/方法/方法——一项针对 2,689 名欧洲通信从业者的定量跨国研究调查了四个研究问题：RQ1——专业人士对人工智能了解多少，他们在日常生活中使用人工智能技术的程度如何？RQ2——专业人士如何评价人工智能对通信管理的影响？RQ3——专业人士认为在通信管理中实施人工智能面临哪些挑战？RQ4 – 他们察觉到哪些风险？调查结果 – 传播专业人士对人工智能的了解有限，并预计该技术对整个行业的影响大于其组织或他们自己的工作方式。缺乏个人能力、组织在能力水平不同和责任不明确方面苦苦挣扎被确定为主要挑战和风险。启示 – 结果强调传播经理需要教育自己和他们的团队有关该技术的知识，并将人工智能的实施确定为领导力问题。原创性/价值 – 本文提供了第一项关于传播管理中人工智能的跨国定量研究。它对该学科的热门话题提出了有价值的实证见解，对学者和从业者都具有高度相关性。关键词 – 人工智能、AI、技术、传播管理、战略传播、公共关系、市场营销、企业传播。论文类型 – 研究论文。
单管公路隧道中的掩体：知识强度的研究
摘要 本研究调查了在现有单管公路隧道中，为被迫自救的道路使用者提供避难所作为降低风险的措施，在这些隧道中，烟雾吞没是一种可能的紧急情况。一旦人们被烟雾吞没，毒性和直接危险的不确定性就迫在眉睫，必须在短时间内为道路使用者提供解决方案。避难所就是这样一种解决方案。为了避免任何带有价值色彩的术语，我们创建了首字母缩略词 SWETO，代表没有出口通往开放逃生路线的避难所。该术语表示房间仅通过隧道空间与外界相连。挪威公共道路管理局 (NPRA) 需要仔细研究在隧道中整合 SWETO 的可能性，因为疏散系统的当前状况至关重要。现有公路隧道对紧急出口没有绝对的要求。法规将交通量作为隧道分类和紧急出口需求的重要指标。以往的事件表明，交通量较低的隧道中可能发生严重事故。特定隧道的自救策略最终将基于风险分析和相关的疏散系统尺寸方案选择。在现有的挪威公路隧道疏散系统中整合紧急出口是一项成本和可建造性方面的重大任务。SWETO 是一种解决这些问题的替代方案，但目前禁止道路所有者在指令 2004/54/EC 所涵盖的隧道中建立 SWETO。然而，尽管目前有隧道安全法规，NPRA 仍明确表示将 SWETO 纳入一些单管双向公路隧道的疏散系统。假设是，如果设计和管理得当，避难所可以为安全做出积极贡献。像欧盟指令中那样的一般禁令是不合理的。需要讨论安全避难所仅仅是一个设计问题和社会技术挑战，以确保预期性能的假设。除了已经在奥斯陆峡湾隧道投入运营的 SWETO 之外，NPRA 还启动了两项试点研究，其中包括对“没有出口通往开放逃生路线的避难所”禁令的例外情况。这些项目是阿格德县市的 Flekkerøy 隧道和特伦德拉格县市的 Frøya 隧道。阿格德县市和特伦德拉格县市有义务在隧道建成后参与后续研发项目。试点项目的经验可能会影响任何改变这一问题的规定的举措。本文报告的研究旨在更新和补充研发项目“公路隧道安全管理”（NPRA，2020a) 并具体化试点项目研发计划的内容。提出了四个研究问题作为论证或拒绝在长单管双向隧道中采用 SWETO 的重要问题： RQ1：在 2004/54/EC 指令之前的工作以及随后的指令实施和监督中，欧洲官方对 SWETO 的态度有何特点？ RQ2：我们目前对挪威隧道系统、重大事件以及反映 SWETO 在改善单管公路隧道使用者安全方面的优势和挑战的先前和正在进行的研究了解多少？ RQ3：最近的科学研究在支持、反驳和/或扩展我们对 SWETO 在改善单管公路隧道使用者安全方面的优势和挑战的知识方面有何贡献？ RQ4：目前的知识在多大程度上支持我们理解 SWETO 在改善单管公路隧道使用者安全方面带来的好处和挑战，以及下一步应采取哪些合理措施来加强我们的知识？虽然 RQ1 与理解历史过程有关，但 RQ2-4 旨在探索需要哪些知识来评估 SWETO 是否是挪威背景下的合适安全措施，以及随后现有知识的强度。以下功能要求 (FR) 和相关主题被确定为收集和分析知识强度的框架：以下功能需求（FR）和相关主题被确定为收集和分析知识强度的框架：以下功能需求（FR）和相关主题被确定为收集和分析知识强度的框架：