XiaoMi-AI文件搜索系统
World File Search SystemUnderstanding
JRDB-Social：一个多方面的机器人数据集，用于理解社会群体内人类互动的上下文和动态
了解人类的社会行为对于综合愿景和机器人技术至关重要。微观的观察（例如，分裂行动）不足，需要采取一种全面的方法来考虑个人行为，组内动态和社会群体层次，以彻底理解。要解决数据集限制，本文引入了JRDB-Social，JRDB的扩展[2]。旨在填补跨室内和室外社会环境的人类理解的空白，JRDB-Social提供了三个层次的注释：个体属性，组内侵入和社会群体环境。该数据集旨在增强我们对机器人应用的人类社会动态的理解。利用最近的尖端多模式大型语言模型，我们评估了我们的基准，以表达其破译社会人类行为的能力。
理解 - 奏效 - 纯粹的实践者can-in-...
妇女健康护士从业人员（WHNP）对妇女（包括所有性别认同）的护理，重点是生殖 - 埃格海学，产科，以性别为中心的非gynecologic and gynecologic and Supspecialty Care，以及对男性的生殖和性医疗保健。
了解猎人点海军造船厂气候影响评估
海军正在努力完成其对HPN疗法的第五次审查。本次审查包括对气候变化对海平面上升的预计影响的评估以及2035年和2065年日历年的地下水水平的变化。这项评估的结果将有助于海军与环境最佳实践，监管要求和长期可持续性目标保持一致。
了解线粒体 DNA 的动态
图 1. 突变线粒体 DNA (mtDNA) 的遗传特征和致病表达模型。人们认为，mtDNA 中的突变会随着衰老而积累。仍有许多未解之谜，比如这些突变是如何遗传和增加的，从而导致线粒体功能下降，甚至随着时间的推移导致细胞和个体功能下降（详情见正文）。
通过扩展主动推理进行目标导向规划和目标理解：通过模拟和物理机器人实验进行评估
摘要：我们表明，通过扩展主动推理框架，可以在目的论框架中制定目标导向的行动规划和生成。所提出的模型建立在变分递归神经网络模型上，具有三个基本特征。这些特征是：（1）可以为静态感官状态（例如要达到的目标图像）和动态过程（例如围绕物体移动）指定目标；（2）该模型不仅可以生成目标导向的行动计划，还可以通过感官观察来理解目标；（3）该模型根据从过去的感官观察推断出的当前状态的最佳估计，为给定目标生成未来的行动计划。通过在模拟移动代理以及执行对象操作的真实人形机器人上进行实验来评估所提出的模型。
引用Peng M，Liu R，Zhang J，Kong W，Zheng J，Hu X，Wan L，Hu S，Tian S，Wang Y，Liu G，Qiu K，Qiu K，Zeng T和Chen L（2025）
与欧洲人群相比，亚洲人表现出对代谢疾病，尤其是糖尿病的敏感性增加（1）。虽然这种差异归因于遗传差异，但在东亚和欧洲的祖先之间仅确定了有限数量的特定遗传变异。对433,540个东亚个体的具有里程碑意义的荟萃分析为几种先前未报告的糖尿病相关的变体提供了有力的证据，其中醛脱氢酶2（ALDH2）RS671 rs671出现了特别不值得的（2）。这种变体发生在约30％ - 东亚人的50％，但不到欧洲血统的5％（3）。荟萃分析表明，ALDH2 RS671 G等位基因会增加糖尿病的风险，表明A等位基因具有潜在的保护作用（2）。虽然荟萃分析为这种遗传关联提供了令人信服的证据，但包括研究纳入研究的异质糖尿病诊断标准，对研究中混杂因素的调整有限，这表明需要使用标准化的临床测量进行其他验证。在特定种群中的研究，例如患有冠状动脉疾病或肥胖症的人群，已经报告了与变体相关的糖尿病风险增加的矛盾发现（4-6），进一步强调了系统调查在良好的特征群体中的重要性。aldh2是一种对酒精衍生的乙醛解毒至关重要的线粒体酶，在杂合载体中的活性降低了60％至80％，该突变的纯合子载体的降低约为90％（7）。这就提出了有关aldh2携带者通常会由于乙醛快速积累而导致的酒精敏感性症状，包括面部浮动，头痛和心动过速，导致饮酒量降低（3）。虽然一些孟德尔随机研究已经确定了Aldh2 rs671与酒精消耗之间的关联以及酒精摄入与糖尿病发展之间的因果关系，但直接联系这些因素的证据仍然有限（8-10）。最近的临床和实验证据表明，除了其对酒精消耗的影响之外，ALDH2 rs671多态性通过其在脂质过氧化物过氧化的醛中的酶促毒素中的作用而显着影响各种人类疾病，并参与了非甘油含量的过程（3）。
ma-lmm：长期视频理解的内存大型多模型
随着大型语言模型（LLM）的成功，将视觉模型融入了LLM，以建立视觉语言基础模型最近引起了人们的兴趣。但是，现有的基于LLM的大型多模式模型（例如，视频播放，视频聊天）只能摄入有限数量的框架以进行简短的视频理解。在这项研究中，我们主要专注于设计一个有效有效的模型，以进行长期视频理解。我们建议以在线方式处理视频并将过去的视频信息存储在存储库中，而不是像大多数现有作品一样尝试同时进行更多框架。这使我们的模型可以参考历史视频内容以进行长期分析，而不会超过LLM的上下文长度约束或GPU内存限制。我们的内存库可以以现成的方式被缝制到当前的多模式LLMS中。我们在各种视频理解任务上进行了广泛的实验，例如长期介绍，视频问题答案和视频字幕，我们的模型可以在多个数据集中实现最新的性能。
了解Covid-19期间零售供应链
发现 - 关于Covid-19的RSC文献出现了四个主题。第一个主题强调了使Covid-19大流行对RSC的影响加剧的因素。第二个主题着重于大流行期间RSC中发生的破坏类型。第三个主题展示了用于减少Covid-19对RSC的影响的恢复策略。第四个主题确定了RSC Covid-19-19爆发的建议缓解策略。
