XiaoMi-AI文件搜索系统
World File Search SystemYang
ng，Wee Yang和Taojun Xie，“大流行经济转变：亚洲主要城市的生活和购买力成本的比较研究”，Resear
摘要：本研究旨在评估大流行引起的破坏对四个亚洲城市的生活和购买力成本的影响。利用ACI的生活和购买力指数，我们分析了四个城市的大流行后排名转变，以及对价格和支出权重的详细检查，以识别与大流行有关的冲击。流行后的价格分析表明，基本商品的通货膨胀趋势，主要是由全球供应链中断驱动的。支出权重的变化突出了消费者的重点转移，食物支出的增加以及对运输的重视下降，可能会受到商品价格上涨以及不断发展的流动性偏好的影响。新加坡由于工资的大量增长而改善了购买力排名，从而减轻了价格冲击。我们发现以工资为中心的政策在维持购买力中起着至关重要的作用。这些发现为政策制定者提供了关键的见解，从而导致经济复苏和城市生活成本。
AI-HOPE：一种人工智能驱动的对话代理，用于增强精准医学研究中的临床和基因组数据整合 Ei-Wen Yang，博士1，Enrique Velazquez-Villarreal，医学博士，哲学博士，公共卫生硕士。2,3，*
1 Polyagent，加利福尼亚州旧金山 2 希望之城贝克曼研究所综合转化科学系，加利福尼亚州杜瓦特 3 希望之城综合癌症中心，加利福尼亚州杜瓦特 *通讯作者 摘要 简介：临床癌症研究日益复杂，需要开发能够整合临床和基因组数据并加速发现工作的自动化工具。高优化和精准医疗人工智能代理 (AI-HOPE) 是一个由大型语言模型 (LLM) 驱动的创新对话式 AI 平台，旨在使领域专家能够通过自然语言输入执行综合数据分析，无需编程专业知识。AI-HOPE 提供强大的分析功能，能够在临床和转化研究中产生可操作的见解。方法：AI-HOPE 以自然语言解释用户指令并将其转换为可执行代码以分析本地存储的数据。它有助于进行临床患病率和生存分析的子集比较，生成统计输出，例如比值比、Kaplan-Meier 生存曲线和风险比。通过使用 Cancer Genome Atlas (TCGA) 的两项病例对照研究证明了其功能：(1) 分析早期和晚期结直肠癌 (CRC) 患者的 TP53 突变富集情况，以及 (2) 比较接受 FOLFOX 治疗且有或无 RAS 突变的患者的无进展生存期。结果：在第一项研究中，AI-HOPE 发现与早期 (I/II) 病例相比，晚期 (III/IV) CRC 中 TP53 突变显著富集。在第二项研究中，AI-HOPE 揭示了 KRAS 突变与 FOLFOX 治疗患者较差的无进展生存期之间存在显著关联。这些发现与既定文献相一致，证明了 AI-HOPE 能够在没有用户事先假设的情况下独立发现有意义的见解。结论：AI-HOPE 代表了精准医学研究的变革性进步，为整合临床和基因组数据提供了一个可扩展、用户友好的框架。它的多功能性不仅限于癌症研究，还支持跨不同生物医学领域的应用。未来的增强功能（例如实时数据集成和多组学功能）将进一步巩固其作为推进转化研究和改善患者结果的关键资源的作用。AI-HOPE 弥合了数据复杂性和研究需求之间的差距，加速了精准医学研究的发现。
原始研究稻草生物炭生产和降碳降低潜力的潜力
为了理解过去十年中长江经济带的农作物稻草资源数量的时间和空间变化，以及稻草生物char的估计碳排放量的估计减少潜力，采用了稻草系数方法，用于科学估计该地区的农作物资源，从2011年到2020年。该研究分析了稻草资源密度和人均资源数量的时空分布特征。此外，它估计了从稻草制备生物炭的碳排放降低潜力。结果表明，长江经济带中的稻草总量从2011年到2020年增加了0.22×10 8T。在2020年，该地区的作物稻草资源的理论总量约为3.04×10 8 t。温室气体缓解的总体净潜力是降低了约2.18×10 8 t的CO 2E。很明显，将作物稻草转化为生物炭具有巨大的潜力，并作为实现碳排放量减少的有效手段。
CV-YANG ZHENG
（UG）2024年春季06/2024 Yunzhou That（MS）02/2023 Meihui（UG→Lip这是2022年弗恩兰（Fernland）的阿尔托大学（Aalto University）的学术射线（UG→博士学位。 MS和UCLA）2022夏季Chenhaon（UG→MS和UC Berley）Sumer 2022 - 12/20222222222222222222222222222222222222222222222222222年20220222222221：2021- 2021 div>
推荐引用 推荐引用 罗云芳;杨涛；李庆安；刘强；以及崔希玲，“利用生成人工智能揭露 ESG 夸大之词”（2024 年）。 ICEB 2024 会议论文集（中国珠海）。 7. https://aisel.aisnet.org/iceb2024/7
引言近年来，金融业遇到了一种普遍存在的挑战，即漂绿行为。漂绿行为是一种夸大或歪曲公司对环境影响的做法，以给人留下公司比实际更注重环保的印象 (Huang & Chen, 2015)。当环境、社会和治理 (ESG) 报告等正式公共信息加剧信息不对称并增加市场混乱的风险时，就会发生这种情况 (Liu et al., 2024)。夸大其词是漂绿行为的一种常见形式，事实证明，它通过扭曲可持续发展目标的实现和评估来阻碍可持续发展目标的实现 (Cojoianu et al., 2020)。这通常表现为使用过于积极的语言来描述公司的环境、社会或治理绩效，而没有提供足够的支持数据或证据。因此，检测和解决 ESG 报告中的夸大其词至关重要。人工智能 (AI) 正在塑造世界，尤其是像 ChatGPT 这样的生成式人工智能 (GenAI) 的快速发展。金融领域的一些研究已经开始利用人工智能来解决 ESG 报告中的问题。例如，一些研究比较了传统和人工智能驱动的 ESG 评级 (Hughes 等人，2021)。一些研究调查了人工智能对漂绿和可持续发展报告的影响 (Moodaley & Telukdarie, 2023)。Yang 等人 (2021) 发现 ESG 披露降低了公司债券信用利差，降低了风险并增强了投资者信心，而 Biju 等人 (2023) 使用 MAXQDA 软件将 ESG 的情绪得分与漂绿的看法联系起来。这些研究表明了在分析 ESG 报告中应用人工智能的可能性和潜力。因此，本研究受到启发，充分利用人工智能，尤其是 GenAI，来评估 ESG 报告中的夸大行为 (Jain 等人，2023)。尽管先前的研究已经研究了审查和评估 ESG 报告的各种技术，但识别夸大断言的难度仍然没有得到充分研究，尤其是在使用最先进的人工智能技术时。此外，即使公司可能在其 ESG 报告中使用“极端”、“完整”或“最高”等形容词，但这并不总是意味着他们夸大了他们的成就；事实上，一些公司可能在这方面表现出色。因此，仅依靠 ESG 报告中的术语无法彻底确定公司是否夸大了他们的主张。GenAI 的优势在于能够通过分析上下文细节来辨别是否有合理的理由怀疑夸大。本研究旨在通过利用 GenAI 来检测 ESG 报告中的夸大描述，从而弥补这一差距，从而更准确、更稳健地评估企业可持续发展绩效。我们采用三种不同的即时工程策略，即零样本、少量样本和思路链 (COT) 来分析一组 ESG 报告。此外，我们还将该方法与传统文本分析技术和人类智能进行交叉验证。这
HOPE-AI：一种人工智能驱动的对话代理，用于增强精准医学研究中的临床和基因组数据整合 Ei-Wen Yang 博士 1、Enrique Velazquez-Villarreal 医学博士、哲学博士、公共卫生硕士 2,3，*
1 Polyagent，加利福尼亚州旧金山 2 希望之城贝克曼研究所综合转化科学系，加利福尼亚州杜瓦特 3 希望之城综合癌症中心，加利福尼亚州杜瓦特 *通讯作者 摘要 简介：临床癌症研究日益复杂，需要开发能够整合临床和基因组数据同时加速发现工作的自动化工具。精准医疗 AI 代理高优化平台 (HOPE-AI) 是一个由大型语言模型 (LLM) 驱动的创新对话式 AI 平台，旨在使领域专家能够通过自然语言输入执行综合数据分析，从而无需编程专业知识。HOPE-AI 提供强大的分析功能，能够在临床和转化研究中产生可操作的见解。方法：HOPE-AI 以自然语言解释用户指令并将其转换为可执行代码以分析本地存储的数据。它有助于进行临床患病率和生存分析的子集比较，生成比值比、Kaplan-Meier 生存曲线和风险比等统计输出。通过使用癌症基因组图谱 (TCGA) 的两项病例对照研究证明了其能力：(1) 分析早期和晚期结直肠癌 (CRC) 患者中 TP53 突变的富集情况，以及 (2) 比较接受 FOLFOX 治疗且有或无 RAS 突变的患者的无进展生存期。结果：在第一项研究中，HOPE-AI 发现与早期 (I/II) 病例相比，晚期 (III/IV) CRC 中 TP53 突变显著富集。在第二项研究中，HOPE-AI 揭示了 KRAS 突变与 FOLFOX 治疗患者较差的无进展生存期之间存在显著关联。这些发现与现有文献一致，证明了 HOPE-AI 能够在没有用户事先假设的情况下独立发现有意义的见解。结论：HOPE-AI 代表了精准医学研究的变革性进步，为整合临床和基因组数据提供了一个可扩展、用户友好的框架。它的多功能性不仅限于癌症研究，还支持跨不同生物医学领域的应用。未来的增强功能（例如实时数据集成和多组学功能）将进一步巩固其作为推进转化研究和改善患者治疗效果的关键资源的作用。HOPE-AI 弥合了数据复杂性与研究需求之间的差距，加速了精准医学研究的发现。
引用li r，Zeng Y，Chen Y，Ye Z，Chen C，Yang J，Fu J，Zhou T，Zhou T，Jiang D，Qin S，Ye H，Ye H，Ye H，Ye h，Ye Z和Zhang Z和Zhang X（2024）Comb
弥漫性大B细胞淋巴瘤（DLBCL）是非霍奇金淋巴瘤最常见的亚型（Chiappella et al。，2017）。超过60％的患者通过利妥昔单抗的标准治疗方案以及环磷酰胺，阿霉素，长春新碱和泼尼松（R-Chop）（Spinner and Advani，2022）结合使用。引入R-Chop后，随后的临床试验旨在通过诸如添加药物和剂量加强等方法来增强其效率（Morrison，2021）。Lenalidomide是一种具有免疫调节和抗血管生成特性的沙利度胺类似物，包括修饰细胞因子的产生，激活T细胞和促进天然杀伤细胞功能（Segler和Tsimberidou，2012年）。一些国内和国际研究表明，在DLBCL治疗中添加Lenalidomide可以提高反应率和无进展生存率（PFS），尽管血液学不良事件增加（Castellino等，2018; Desai等，2021; Liu et et al。，2023）。ECOG-ACRIN E1412随机II期研究发现，将未来的Lenalidomide添加到R-Chop方案中改善了新诊断的DLBCL患者的预后（Nowakowski等，2021）。尽管每位DLBCL患者的平均成本不如其他癌症高，但DLBCL治疗的总成本仍然对患者和医疗保健系统施加显着的财务负担（Harkins等，2019）。近年来，临床研究集中在确定DLBCL的初始治疗计划，从而提高其效率，安全性和成本效益。尽管以前的试验证明了R2-Chop在治疗DLBCL方面的效率，但没有有关该方案的药物经济学的相关文献，并且本研究的设计旨在填补这一差距。我们的目标是研究将Lenalidomide与R-Chop（R2-Chop）进行DLBCL处理的成本效益。
Xuelin Cao、Bo Yang、Chongwen Huang、Chau Yuen、Marco Di Renzo 等人。可重构智能表面辅助无线网络的人工智能辅助 MAC：挑战与机遇。 IEEE 通信杂志，2021 年，10.1109/mcom.001.2001146。hal-03357949
HAL 是一个多学科开放存取档案馆，用于存放和传播科学研究文献，无论这些文献是否已出版。这些文献可能来自法国或国外的教学和研究机构，也可能来自公共或私人研究中心。
Shengxing Yang。关于人工智能在商业世界中的颠覆的系统文献综述：从能力的演变角度。第 27 届 AIM 会议，2022 年 6 月，法国 Carry Le Rouet。hal-03694170
人工智能的进步为商业世界带来了机遇和挑战，其潜在的颠覆性影响引起了管理学者的研究兴趣。这项探索性研究采用系统的文献综述方法来探索人工智能与能力之间的联系，以帮助企业和个人更好地应对人工智能带来的颠覆。在审查了过去十年（2011-2021 年）Business Source Complete数据库中的相关出版物后，我们选择了65篇文章，内容涉及人工智能的辩论和问题以及与能力相关的观点。此外，我们综合了两个框架（企业层面的 RBV 框架；个人层面的关键和 STEM 能力）和一个概述，以全面了解人工智能与能力之间的关系。我们在文献中发现的经验证据相对较少，人工智能的实施仍处于初步阶段，我们汇总的框架 ZHUH ³FRQWH[WXDO VHQVLWLYH´ :H VXJJHVW WKDW IXWXUH UHVHDUFK FRXOG EH FRQGXFWHG LQ D VSHFLILF 行业并产生更丰富的见解。
AI 驱动的对话代理增强了精准医学研究的临床和基因组数据集成 Ei-Wen Yang，博士 1，Enrique Velazquez-Villarreal，医学博士，哲学博士，公共卫生硕士 2,3 , *
1 Polyagent，加利福尼亚州旧金山 2 希望之城贝克曼研究所综合转化科学系，加利福尼亚州杜瓦特 3 希望之城综合癌症中心，加利福尼亚州杜瓦特 *通讯作者 摘要 简介：临床癌症研究日益复杂，需要开发能够整合临床和基因组数据并加速发现工作的自动化工具。精准医疗 AI 代理 (PM-AI) 是一个由大型语言模型 (LLM) 提供支持的创新对话式 AI 平台，旨在使领域专家能够通过自然语言输入执行综合数据分析，从而无需编程专业知识。PM-AI 提供强大的分析功能，能够在临床和转化研究中产生可操作的见解。方法：PM-AI 以自然语言解释用户指令并将其转换为可执行代码以分析本地存储的数据。它有助于进行临床患病率和生存分析的子集比较，生成统计输出，例如比值比、Kaplan-Meier 生存曲线和风险比。通过使用 Cancer Genome Atlas (TCGA) 的两项病例对照研究证明了其功能：(1) 分析早期和晚期结直肠癌 (CRC) 患者的 TP53 突变富集情况，以及 (2) 比较接受 FOLFOX 治疗且有或无 RAS 突变的患者的无进展生存期。结果：在第一项研究中，PM-AI 发现与早期 (I/II) 病例相比，晚期 (III/IV) CRC 中 TP53 突变显著富集。在第二项研究中，PM-AI 揭示了 KRAS 突变与接受 FOLFOX 治疗的患者较差的无进展生存期之间存在显著关联。这些发现与既定文献相一致，证明了 PM-AI 能够在没有用户事先假设的情况下独立发现有意义的见解。结论：PM-AI 代表了精准医学研究的变革性进步，为整合临床和基因组数据提供了一个可扩展、用户友好的框架。它的多功能性不仅限于癌症研究，还支持跨不同生物医学领域的应用。未来的增强功能（例如实时数据集成和多组学功能）将进一步巩固其作为推进转化研究和改善患者结果的关键资源的作用。PM-AI 弥合了数据复杂性和研究需求之间的差距，加速了精准医学研究的发现。