XiaoMi-AI文件搜索系统
World File Search SystemRoberta
决策的生成模型ICLR'24研讨会建议
Roberta Reareanu是Meta的研究科学家，也是UCL的名誉讲师。她从纽约大学获得了计算机科学博士学位，在那里她从事深度强化学习的概括。目前，她通过培训反馈和与外部工具，环境和人类的互动来培训他们，从而增强基础模型，从而增强基础模型。罗伯塔（Roberta）先前已经在ICML 2021上的无监督RL（URL）的研讨会，开放式的代理人学习（芦荟）（芦荟）在ICLR 2022和Neurips 2023以及2023年NEURIPS 2023的社会负责语言模型研究工作室。
AI心理计量学：通过心理计量学库存评估大语言模型的心理概况
近年来，大型语言模型（LLM）一直在处理不断增加的人类生成的数据。语言的神经模型，例如手套（Pennington等，2014），Bert（Devlin等，2019），GPT-2（Radford等，2018），Xlnet（Yang等，2019），Roberta（Roberta（Y. Liu等，2019），2019年），Bart（Lewis et al。在社会相关性的几种应用中的变革作用。各种作者将这些模型称为“基础模型”（Bommasani等，2021; Ribeiro等，2020），强调了它们为将来可以对许多不同的应用程序域和任务进行精心调整和适应的通用计算系统提供了通用的基础。此类应用程序的示例包括
标准 PowerPoint 演示文稿
Davide Massarotti、Halima G. Ahmad、Domenico Montemurro、Roberta Satariano、Anna Levochkina、Pasquale Mastrovito、Carlo Cosenza、Viviana Stasino、Giuseppe Serpico、Ciro Bruscino、Pasquale Ercolano、Zafar Iqbal、Alessandro Miano Giovanni Ausanio、Loredana Parlato、Giampiero Pepe 和 Francesco Tafuri
亲子互动质量的自动评估...
摘要：亲子互动的质量对儿童认知发展至关重要。二元亲子互动编码系统 (DPICS) 通常用于评估父母和孩子的行为。然而，亲子互动治疗师手动注释 DPICS 代码是一项耗时的任务。为了协助治疗师完成编码任务，研究人员已经开始探索在自然语言处理中使用人工智能来自动对 DPICS 代码进行分类。在本研究中，我们使用了 DPICS 手册、五个家庭和一个开源 PCIT 数据集中的数据集。为了训练 DPICS 代码分类器，我们使用了预先训练的微调模型 Roberta 作为我们的学习算法。我们的研究表明，与基于句子的 DPICS 代码分类任务中的其他方法相比，对预训练的 RoBERTa 模型进行微调可获得最高的结果。对于 DPICS 手动数据集，总体准确率为 72.3%（宏精度 72.2%，宏召回率 70.5%，宏 F 分数 69.6%）。同时，对于 PCIT 数据集，总体准确率为
高血胆固醇在接受免疫检查点抑制剂治疗的晚期癌症患者中的预后作用
高血胆固醇在接受免疫检查点抑制剂 / Perrone治疗的晚期癌症患者中的预后作用；罗伯塔的米里里（Minari）；梅丽莎·贝尔塞内利（Bersanelli）；波尔迪，保罗； Tiseo，Marcello； Favari，Elda； Sabato，Roberto； Buti，Sebastiano。- 在：免疫疗法杂志。- ISSN 1524-9557。-43：6（2020），pp。196-203。[10.1097/cji.0000000000000321]
聊天机器人与人工智能的互动：使用 T5 和语言转换器集成进行文本分类的人类数据增强
摘要 在本研究中，我们提出了聊天机器人与人工智能交互 (CI-AI) 框架，作为一种训练基于转换器的聊天机器人类架构的方法，用于任务分类，重点是人与机器的自然交互，而不是界面、代码或正式命令。智能系统通过人工释义来增强人类来源的数据，以便为自然语言处理 (NLP) 的进一步经典、注意力和基于语言转换的学习方法生成大量训练数据。要求人类释义命令和问题以进行任务识别，从而进一步执行算法作为技能。命令和问题分为训练集和验证集。共记录了 483 个回复。其次，训练集由 T5 模型释义，以便用进一步的数据进行扩充。在对训练数据进行两个时期的微调后，对七种最先进的基于 Transformer 的文本分类算法（BERT、DistilBERT、RoBERTa、DistilRoBERTa、XLM、XLM-RoBERTa 和 XLNet）进行了基准测试。我们发现，当训练数据通过 T5 模型增强时，所有模型都得到了改进，分类准确率平均提高了 4.01%。最好的结果是在 T5 增强数据上训练的 RoBERTa 模型，其分类准确率达到了 98.96%。最后，我们发现，通过输出标签预测的逻辑回归，五个表现最佳的 Transformer 模型的集合在人类反应数据集上的准确率达到了 99.59%。高性能模型允许智能系统通过类似聊天机器人的界面在社交互动层面解释人类命令（例如“机器人，我们可以聊天吗？”），并允许非技术用户更好地访问人工智能。
人工智能与劳动力市场：影响和……
作者：Roberta Caragnano ∗ 作者研究了人工智能对劳动力市场的影响和问题，其特点是工作场所和工作表现日益混合。分析了《欧洲人工智能法案》中感兴趣的问题。审查了有关避免歧视（尤其是针对女性）的监控系统问题以及与算法相关的问题。作者还分析了有关再分配和财政政策以及人工智能将在劳动力市场中产生的就业类型的问题。最后，反思了人口下降与新技术之间的关系以及参与性劳资关系的必要性，其中集体谈判发挥了核心作用。关键词：人工智能；劳动力市场；歧视；劳资关系；集体谈判 导言
新企业的起源与演变 - Amar Bhide
研究助理 Kevin Hinton 帮助组织和进行了本书所引用的大部分企业家访谈。Laura Pochop 帮助完成了访谈和数据分析。Inc. 杂志的 Charlene Niles 和麦肯锡公司的 Joanne Guiniven 提供了他们数据库中的信息。Julie Yao 负责了这个项目的最后几个月，使它轻而易举地完成了。我的 MBA 班的学生写了两百多篇论文，我借鉴了这些论文，并帮助测试和完善了我对企业家的想法。牛津大学出版社的 Ken MacLeod 反应迅速，与他共事很愉快。Rebecca Kohn 以轻松而周到的方式编辑了手稿。Roberta Brown 打字了大部分手稿，让我的职业生涯井然有序。