XiaoMi-AI文件搜索系统
World File Search SystemTomatic
MAIA 项目：多语言 AI 代理助理
在线对话支持——聊天——是增长最快的客户服务渠道，是千禧一代获得客户服务的首选方式。如今，通过该渠道支持国际客户主要是通过使用讲不同语言的人工代理——一种稀缺且昂贵的资源。语言技术（机器翻译和对话系统）在过去几年中取得了巨大进步，使其成为多语言客户服务的有吸引力的工具。然而，当前的系统仍然过于脆弱和不切实际：首先，它们需要太多数据和计算能力，在标记数据稀缺的领域或语言中失败；其次，它们不捕获上下文信息（例如，当前的机器翻译系统以逐句为基础工作，忽略对话上下文）；第三，全自动系统缺乏人类同理心，在意外情况下会失败，导致客户满意度低
G蛋白偶联的雌激素受体GPER阿尔茨海默氏病的新目标
对常染色体显性阿尔茨海默氏病（AD）的遗传研究表明，β-淀粉样蛋白是疾病发病机理的核心。但是，鉴于淀粉样蛋白靶向的疗法通常未能减慢症状体内疾病患者的进展。这个结果表明从早期淀粉样蛋白依赖的阶段过渡到淀粉样蛋白非依赖性的阶段，在此期间发生了促肌动物的阶段并出现症状。小胶质细胞，大脑的居民髓样细胞，包裹淀粉样蛋白，并表达大多数与零星后期AD风险相关的基因。它们的激活在空间和时间上与病理tau的积累相关。tau病理学的小胶质细胞促进可能涉及载脂蛋白E，这是AD的最重要遗传危险因素。一旦形成，病理性的tau就会在连接的神经元之间扩散，最终积聚在灾难性核损伤的体细胞室中。对导致神经退行性的淀粉样过程过程的这种新兴理解为开发疗法提供了干扰这种病理级联的治疗剂，即使在淀粉样蛋白沉积后，也可以预防或延迟痴呆。
M2D2：用于癫痫脑活动时间定位的最大均值差异解码器
摘要 — 近年来，人们对利用基于脑电图 (EEG) 信号的深度学习模型监测癫痫患者的兴趣日益浓厚。然而，这些方法在应用于收集训练数据的环境之外时，往往表现出较差的泛化能力。此外，手动标记 EEG 信号是一个耗时的过程，需要专家分析，这使得将特定于患者的模型微调到新环境成为一项昂贵的任务。在这项工作中，我们提出了最大均值差异解码器 (M2D2)，用于自动时间定位和标记长时间 EEG 记录中的癫痫发作，以协助医疗专家。我们表明，当对不同于训练数据的临床环境中收集的 EEG 数据进行评估时，M2D2 实现了 76.0% 和 70.4% 的时间定位 F1 分数。结果表明，M2D2 的泛化性能明显高于其他最先进的基于深度学习的方法。
知识导航器：科学文献中探索性搜索的LLM指导浏览框架
科学文献的指数增长需要有效的知识探索工具。我们提出了知识导航，该系统旨在通过组织和构造从广泛的局部查询中检索到的文档来增强探索性搜索能力，从而成为可通航的，两级的命名和描述性科学主题和子主题的可通道的两级层次结构。这个结构化的组织涉及域中研究主题的总体观点，同时还可以通过允许用户完善其焦点并检索其他相关文档，从而在特定子主题中迭代搜索和更深入的知识发现。知识导航器将LLM功能与基于群集的方法相结合，以获得有效的浏览方法。我们通过对两个新颖的基准（C lus trec-covid and s ci-toc）进行了体质和手动评估来揭示方法的有效性。我们的代码，提示和基准是公开可用的。
引用Humphries F，Shmuel-Galia L，Jiang Z，Wilson R，Landis P，Ng SL，Parsi KM，Maehr R，Cruz J，Morales-Ramos A，Ramanjulu JM，Bertin JM，Bertin J，Pesir J，Pesir
截至2021年1月，最近出现的严重急性 - 病毒综合症2导致全球超过200万人死亡和超过1亿次感染（1）。sars-cov-2是冠状病毒家族的成员。呼吸道感染可能导致疾病的疾病，即covid-19。COVID-19的更严重的病例导致由于急性呼吸窘迫综合征和对肺泡腔的损害而导致死亡（2）。目前，对于Covid-19患者，几乎没有治疗选择。抗病毒RNA依赖性聚合酶抑制剂REMDESIVIR降低了COVID-19的住院时间和死亡（3）。此外，类固醇dexame-thasone也已被批准用于严重的Covid-19（4）。到目前为止，已经开发了许多有效的疫苗（5，6）。尽管有这些进展，但仍需要额外的抗病毒治疗剂来治疗未来的流行感染。目前正在进行的全球努力正在进行中，以识别和开发新的抗病毒和抗炎疗法，以减少相关的医院和死亡。
了解疾病和疫苗机制对最佳疫苗分配重要性的影响*
图 1：我们扩展的 SEIR 模型的隔室图。最初，人们要么是易感者（U i），要么是已接种疫苗者（V i），其中 i ∈{1,2} 表示人口群体。这两个类别都有可能暴露于病毒（E ji），然后被感染（I jki），其中 j ∈{U,V} 表示他们最初是未接种疫苗还是接种过疫苗，k ∈{S,A} 表示他们是否有症状或无症状疾病。从这里开始，有症状的人或无症状的人可以从疾病中恢复（R jki），或者有症状的人也可能因疾病死亡（D ji）。对于每个组，ω i 表示出现症状感染的概率，σ i 表示因疾病死亡的概率。我们将每种机制的疫苗有效性定义为 1 − α m ，其中 m ∈{ 1 , 2 , 3 , 4 } 。我们考虑以下机制：1）降低易感性，2）降低出现症状感染的概率，3）降低因病死亡的概率，4）降低传染性。在传染力 λ i 中，1 − δ A 表示无症状感染导致的传染性降低，LP j 表示第 j 组中存活的人数。
游戏中的程序内容生成：一项关于新兴 LLM 集成的调查
程序化内容生成 (PCG) 被定义为使用算法自动创建游戏内容。PCG 在游戏行业和学术界都有着悠久的历史。它可以增加玩家参与度并减轻游戏设计师的工作。虽然 PCG 中深度学习方法的最新进展使研究人员和从业者能够创建更复杂的内容，但大型语言模型 (LLM) 的出现才真正打乱了 PCG 发展的轨迹。本调查探讨了用于 PCG 的各种算法之间的差异，包括基于搜索的方法、基于机器学习的方法、其他常用方法（例如噪声函数）以及新兴的 LLM。我们还对组合方法进行了详细讨论。此外，我们根据它们生成的内容类型和各自论文的发表日期对这些方法进行了比较。最后，我们找出了现有学术工作的差距并提出了未来研究的可能方向。
气象站手册 - NovaLynx 公司
美国农业部 (USDA)、森林服务局 (IFS)、美国内政部 (DSOn)、土地管理局 (BLM)。和美国内政部国家公园管理局 (NPS) 在自然资源管理方面有着共同的目标。同样，他们也经常面临着对天气和及时性数据的相同需求。这些数据对于许多运营和计划决策至关重要。大多数所需数据必须来自机构自己的气象站。这些站点的总数相当大。截至 1988 年，FS 运营着大约 1, 000 个手动和 265 个自动站；BL ~ f，超过 165 个自动站。NPS 维护着一个由手动和自动站组成的骨干网络。美国内政部印第安人事务局 (Bureau of Indian Affairs, BLA) 以及各州和私人机构或组织也需要......其他数据并运营气象站。
从3D行人网络到车轮网络：使用智能手机点云的对比度深学习
本文提出了一种基于深度学习的可容纳性评估方法，构成了街头规模的智能手机点云和城市规模的3D行人网络（3DPN）。3DPN已被研究和映射以进行轮廓和智能城市应用。然而，由于省略的行人路径，未发现的楼梯和过度简化的高架人行道，文献中3DPN的城市水平尺度对于评估轮椅的可及性（即车轮）不完整；如果映射量表处于为轮椅使用者设计的微观级别，则可以更好地表示这些功能。在本文中，我们使用智能手机点云加强了城市规模的3DPN，这是一种有希望的数据源，用于补充细微的细节和由于厘米级别的准确性，鲜艳的色彩，高密度和人群源性质而导致的细颗粒细节和温度变化。三步方法重建行人路径，楼梯和坡度细节，并丰富城市规模的3DPN进行轮廓评估。PEDESTRIAN路径的实验结果表现出准确的3DPN中心线位置（miou = 88。81％），楼梯检测（miou = 86。39％）和轮子性评估（MAE = 0。09）。本文贡献了一种适合，准确和人群采购的轮子评估方法，该方法将无处不在的智能手机和3DPN架起高密度和丘陵的城市区域的3DPN。
使用序列 MRI 纵向分割自动评估脑转移瘤立体定向放射治疗结果
摘要 — 评估脑转移瘤放射治疗结果的标准临床方法是通过监测纵向 MRI 上的肿瘤大小变化。该评估需要在治疗前和治疗后的几次随访扫描中获取的许多体积图像上勾勒出肿瘤轮廓，而这项工作通常由肿瘤科医生手动完成，给临床工作流程带来了很大负担。在本文中，我们介绍了一种使用标准序列 MRI 自动评估脑转移瘤立体定向放射治疗 (SRT) 结果的新型系统。该系统的核心是一个基于深度学习的分割框架，可在序列 MRI 上高精度地纵向描绘肿瘤。然后自动分析肿瘤大小的纵向变化，以评估局部反应并检测 SRT 后可能出现的不良放射影响 (ARE)。该系统使用从 96 名患者（130 个肿瘤）获得的数据进行训练和优化，并在 20 名患者（22 个肿瘤；95 次 MRI 扫描）的独立测试集上进行评估。自动治疗结果评估与肿瘤专家的手动评估之间的比较表明，在检测局部控制/失败方面，准确度、灵敏度和特异性分别为 91%、89% 和 92%，在检测 ARE 方面，准确度、灵敏度和特异性分别为 91%、100% 和 89%。