XiaoMi-AI文件搜索系统
World File Search SystemSubpar
美国监督机构希望密切追踪对乌克兰的武器和援助
知情人士称，Facebook 母公司 Meta Platforms Inc. 在最近结束的一轮绩效评估中给予了数千名员工低于标准的评级，这表明可能还会有更多裁员。知情人士称，该公司还削减了奖金指标，这是首席执行官马克·扎克伯格 (Mark Zuckerberg) 宣布 2023 年将是“效率之年”后高管采取的几项措施之一。 知情人士称，Meta 领导层预计评级将导致未来几周更多员工离职。知情人士称，如果离职人数不够，公司将考虑再进行一轮裁员。最近，约有 11,000 名员工（约占公司员工总数的 13%）被解雇。Meta 发言人表示，Meta 的绩效评估流程与公司与员工的沟通一致。“我们一直秉承以目标为基础的高绩效文化，我们的评估流程旨在激励员工进行长期思考和高质量工作，同时帮助员工获得可付诸行动的反馈，”他说。熟悉该流程的人士表示，最近完成的绩效评估被视为扎克伯格的回归，在疫情爆发之前，他以向员工提供直接反馈而闻名。请转到页面A4
离子通道调节肠道免疫 无尿细胞的DNA多仪检测MRD并预测膀胱癌患者的存活 1型糖尿病儿童糖尿病性酮症酸中毒后的认知功能 通过美国食品和药物管理局美国医学毒理学学院COVID-19毒物药物毒理学项目 数字共享@贝克尔 - 华盛顿大学 NRAS突变物黑色素瘤中对免疫检查点抑制剂治疗的客观反应：系统评价和荟萃分析 神经网络预测用体外膜氧合治疗的小儿患者的射线照相脑损伤 针对AML和ALL -Digital Commons@Becker 以CXCR4为目标 tert，CNS恶性肿瘤的启动子
循环肿瘤DNA（CTDNA）敏感性仍然是膀胱癌患者分子残留疾病（MRD）检测的敏感性。为了解决这个问题，我们专注于最靠近该疾病，尿液和分析的尿液肿瘤DNA的生物流体。我们通过深层测序（UCAPP-SEQ）将超低通的整个基因组测序（ULP-WGS）与尿癌个性化的亲填充（ULP-WGS）整合在一起，以实现敏感的MRD检测并预测总体存活。变体等位基因频率，推断的肿瘤突变负担和无尿细胞DNA（CFDNA）的拷贝数衍生肿瘤分数水平的明显预测的病理完全反应状态，远胜于血浆CTDNA的能力。将这些尿液CFDNA衍生的因子具有带有一口输出的交叉验证的随机森林模型，对于预测有关金标准手术病理学的残留疾病的敏感性为87％。Kaplan - Meier分析该模型的患者具有MRD，这是通过COX回归分析证实的。对肌肉侵入性，新辅助化疗和持有验证亚组进行的其他生存分析证实了这些发现。总而言之，我们促进了来自74例局部膀胱癌患者的尿液样本，并使用尿液CFDNA多词敏感地检测MRD并准确预测生存率。
基于概率波动的会员推理攻击
摘要 - 富含广泛和流动的培训数据，生成模型在多个领域表现出了非凡的创造力。尽管如此，如何避免滥用对隐私敏感和版权的数据仍然是一个开放的问题。会员推理攻击（MIAS）通过推断可疑数据记录是机器学习模型的培训数据的一部分，从而提供了潜在的补救措施。尽管针对常规分类模型的MIA已引起了很大的关注，但最近的研究已开始研究MIA在生成模型中的应用。我们的研究表明，针对生成模型量身定制的当前MIA严重依赖于目标模型中存在的过度拟合。但是，可以通过应用各种正则化技术来缓解过度拟合，从而导致现有MIA在实际情况下的表现不佳。与过度拟合相比，记忆在使深度学习模型实现最佳性能中起着至关重要的作用，从而使其变得更加普遍。在生成模型中，记忆表现为围绕成员记录的记录的概率分布的上升趋势。因此，我们提出了一种评估成员推理攻击（PFAMI）的概率波动，这是一种新型的MIA框架，旨在通过分析围绕特定记录的概率波动来识别记忆模式来推断成员资格。我们的代码和数据集可在以下链接1中找到。我们对各种生成模型和多个数据集进行了广泛的实验，这表明PFAMI与表现最好的基线相比，PFAMI将攻击成功率（ASR）提高了约27.9％。
![arxiv：2311.10678V2 [CS.RO] 2024年3月21日](/simg/d\dec77ae97faebdc144858814cd2153c7b85b5b55.webp)
arxiv：2311.10678V2 [CS.RO] 2024年3月21日
摘要 - 面对概括为新颖环境的挑战时，塔迪的机器人策略表现出低于标准的性能。人类纠正反馈是实现这种概括的一种至关重要的指导形式。但是，适应并从在线人类矫正中学习是一项非凡的努力：不仅机器人需要记住人类随着时间的推移的反馈，才能在新环境中检索正确的信息并降低干预率，而且还需要能够响应有关高级人类偏好对低级级别的高度调整的反馈，以响应对低级人士的高度调整。在这项工作中，我们介绍了基于大型语言模型（LLM）的在线校正（DROC）的蒸馏和检索，该系统可以响应语言反馈的任意形式，从校正中提取的可提取知识，以及基于文本和视觉相似性，从而在新颖设置中提高绩效。DROC能够响应一系列在线语言校正，这些校正解决了高级任务计划和低级技能原则中的失败。我们证明DROC有效地将相关信息从知识库中的在线更正顺序提取，并通过新任务或对象实例检索这些知识。DROC优于通过LLMS [1]直接生成机器人代码的其他技术，仅使用第一轮中所需的校正总数的一半，并且两次迭代后几乎不需要校正。我们在我们的项目网站上显示进一步的结果和视频：https：//sites.google.com/stanford.edu/droc。
循证驱动的检索增强响应生成用于在线错误信息
在线错误信息的扩散对公众造成了重大威胁。虽然许多在线用户积极参与反对错误信息的战斗，但由于缺乏礼貌和支持事实，许多这样的回应都可以使人具有特色。作为解决方案，提出了文本生成方法，以自动产生反误导响应。尽管如此，存在的方法通常是端对端训练的，没有利用外部知识，从而产生了低等的文本质量和过度重复的重音。在本文中，我们提出了在线误导（RARG）的检索响应产生，该响应产生从科学来源收集支持证据，并根据证据产生反弥散性响应。尤其是我们的RARG由两个阶段组成：（1）收集证据，我们在其中设计了一个检索管道来检索和重读证据文件，该数据库使用数据库包含100万个学术文章； （2）响应产生，其中我们调整大型语言模型（LLM），以通过从人类反馈（RLHF）学习来生成基于证据的重音。我们提出了一种奖励功能，以最大程度地利用检索到的证据，同时保持生成的文本的质量，从而产生礼貌和事实的回应，这些反应明显驳斥了错误的信息。为了证明我们方法的有效性，我们研究了Covid-19的案例，并对内部和跨域数据集进行了广泛的实验，在该数据集中，RARG始终通过产生高质量的反透明信息响应来表现基准。
使用可解释的机器学习来预测接受ICU的患者的血液感染和抗菌素耐药性：基于EHR数据的早期警报预测因子指导抗菌剂
医院感染和抗菌素耐药性（AMR）在全球范围内作为强大的医疗挑战。以实验室测试为指导，要解决这些问题，各种感染控制方案和个性化治疗策略，旨在检测血流感染（BSI）并评估AMR的潜力。在这项研究中，我们基于多目标符号回归（MOSR）引入了一种机器学习（ML）方法，这是一种进化方法，以一种以多目标的方式创建ML模型的形式，以克服标准单目标方法的限制。此方法利用入院后容易获得的临床数据，目的是预测BSI和AMR的存在。我们通过使用自然不平衡的现实世界数据和数据通过过度采样技术来进行比较，进一步评估了其性能。我们的发现表明，传统的ML模型在所有培训方案中均表现出低于标准的表现。相比之下，专门配置的MOSR也可以通过优化F1分数来最大程度地减少假否定因素，胜过其他ML算法，并始终如一地提供可靠的结果，而不论训练集平衡都以F1分数为单位。22和28比其他任何其他选择高。28。这项研究意味着在增强抗臭虫管理（AMS）策略方面的前进道路。值得注意的是，MOSR方法可以很容易地大规模实施，提供了一种新的ML工具，以找到受到有限数据可用性影响的这些关键医疗保健问题的解决方案。
循环经济的系统思维方法
循环经济 (CE) 概念在许多发达国家的主流政策中迅速获得支持，但在科学界，它仍然是一个有争议且尚未得到充分发展的概念，这主要是由于其分散性和缺乏统一的框架。这种分散性归因于该概念的多元根源、不同利益集团对其的不同利用以及其随着时间的推移而演变。尽管 CE 与可持续性之间存在着强烈的隐性联系，但很少涉及其明确的联系。当前的 CE 观点往往主要集中在可持续性的经济方面，很少关注环境方面，而在很大程度上忽视了社会方面。对 CE 的普遍简化解释往往会导致低于标准甚至不可持续的结果，从而对其实施构成重大挑战，并质疑其作为可持续发展模式的合法性。通过研究 CE 的不同起源、其在综合社会经济对话中的作用、其可持续性影响以及其现有简化方法所带来的挑战，本系统文献综述强调了系统探索 CE 概念的必要性。鉴于 CE 植根于系统生态学，采用多元化、跨学科的视角对于克服与 CE 实施相关的挑战和限制至关重要。作者提出，CE 的实施必须以对组织的整体系统评估为指导，在重视经济问题的同时，同样重视环境和社会问题。这种系统评估可以确保 CE 满足其可持续性目标，并仍然是实现可持续发展的合法途径。
可再生能源政策与实践：纳米比亚概览 - IPPR
尽管光伏系统是纳米比亚生产商首选的能源形式，但太阳能的普及速度却很慢。最大的制约因素是基础设施：纳米比亚地域辽阔、人口密度低，这给太阳能项目所需的基础设施建设带来了挑战，尤其是输电线路和现代电网系统。这意味着独立电力生产商向电网输送能源的能力有限，因为将光伏电站连接到人口和工业中心的成本很高。大多数在消费者场所开发的光伏系统（嵌入式发电）都是用于农村地区和工业的自用。各种项目都在开发和生产离网系统，也称为“微电网”。纳米比亚与德国政府合作开展的“可再生离网社区能源发展之路”（PROCEED）就是这样一个微电网项目，旨在增加农村地区的自用努力。该项目位于 Tsumkwe 和 Gam 选区，这两个选区都有现成的但质量欠佳的微电网项目，旨在诊断农村地区通过微电网获得电力所面临的问题。主要发现是电费持续高昂，以及微电网的国家所有权模式不明确。一个主要项目建议包括在纳米比亚高等和职业院校开发太阳能系统技术和电力存储领域的正式教学计划，尤其是电池储能系统 (BESS)。
将最新的U-NET模型概括为子...
摘要。对肿瘤分割模型的一个关键挑战是适应各种临床环境的能力，尤其是在应用于质量差的神经数据时。围绕这种适应性的不确定性源于缺乏代表性数据集，使最佳模型在整个撒哈拉以南非洲（SSA）中发现的MRI数据中发现的不符合外表的模型没有展示的模型。我们复制了一个框架，该框架确保了2022个小子中的第二位置，以调查数据集组成对Mod-el绩效的影响，并通过使用以下方式培训模型来追求四种不同的方法：仅Brats-Africa Data（Train_ssa，N = 60），N = 60），2）Brats-Adult Glioma DATATS（2）BRATS-ADULT GLIOMA DATATS（TRAIT_ DATAT）（Train_gli，N = 1251） n = 1311）和4）通过进一步培训使用BRATS-AFRICA数据（Train_FTSSA）的Train_GLI模型。值得注意的是，仅在较小的低质量数据集（Train_SSA）上进行培训就产生了低于标准的结果，并且仅在较大的高质量数据集（Train_Gli）上训练，在低质量验证集中努力努力划定Odematous Tissue。最有希望的AP-PRACH（TRAIN_FTSSA）涉及预先培训高质量神经图像的模型，然后在较小的低质量数据集中进行微调。这种方法超过了其他方法，在Miccai Brats非洲全球挑战外部测试阶段排名第二。这些发现强调了较大的样品大小的重要性，并在改善分割性能中广泛接触了数据。此外，我们证明了通过在本地使用更广泛的数据范围对这些模型进行微调来改善此类模型的潜力。
道德和可持续人工智能的多维方法......
d.tjondronegoro@griffith.edu.au 摘要 人工智能 (AI) 已成为一种变革性技术，有可能彻底改变从医疗保健到金融、教育等各个领域。然而，成功实施人工智能系统仍然是一项复杂的挑战，需要一个全面且方法合理的框架。本文通过介绍值得信赖、优化、适应性和社会技术和谐 (TOAST) 框架来应对这一挑战。它借鉴了各个学科的见解，将技术战略与道德价值观、社会责任和创新愿望相结合。TOAST 框架是一种旨在指导人工智能系统实施的新方法，重点关注可靠性、问责制、技术进步、适应性和社会技术和谐。通过将 TOAST 框架应用于医疗保健案例研究，本文对其在解决高风险环境中的运营、道德和监管挑战方面的实用性和理论合理性进行了可靠的评估，展示了适应性强的 AI 系统如何提高机构效率、降低偏见和数据隐私等风险，并为其他需要符合道德规范和高效 AI 集成的行业提供可复制的模型。关键词：AI 实施策略、医疗保健中的 AI、负责任的 AI、社会技术融合、道德 AI 实践。1. 简介人工智能 (AI) 极大地改变了行业并推动了数字时代的创新。技术进步和全球投资的增加加速了 AI 在商业运营中的应用。AI 的采用率在 50-60% 之间（Maslej 等人，2023 年），与 2017 年相比有显着增长，当时只有 20% 的企业将 AI 纳入其工作流程（Ransbotham，2017 年）。组织利用 AI 来获得竞争优势、创造新的市场机会并改进产品质量和流程。尽管人工智能在各行各业的应用日益广泛，但许多组织在有效整合人工智能系统时仍面临挑战。在没有周密计划和利益相关者协调的情况下实施人工智能可能会导致仓促决策、资源浪费和结果不佳（Li 等人，2023 年）。