XiaoMi-AI文件搜索系统
World File Search SystemYashar
kukuna o ka la辐射肿瘤学2025会议议程
2025年1月21日，星期二，上午6:30注册在现场开放6：45-7：05 AM欢迎/在展览馆凯瑟恩·Yashar（Catheryn Yashar）/安德鲁·夏（Andrew Yashar）/安德鲁·夏（Andrew Chang）7:10 - 8：10 am Milestone H＆N癌症临床试验：过去，现在，现在，现在，Paul Harari 8：15- 9 :15 AM MENINGIMO：9：19 10:20 AM Cervical Cancer: Immunotherapy, Induction Chemo, and Image Junzo Chino Guided Brachytherapy 10:20 - 10:40 AM Break in Exhibit Hall 10:45 - 11:45 AM Musculoskeletal Disorders Leaving Lytic Lesions: Myeloma and Solitary Plasmacytoma Chirayu Patel 11:50 AM - 12:50 PM Why the Buzz about Upright Patient Positioning for Proton Radiation?保罗·哈拉里（Paul Harari）12:50 pm会议日星期三于2025年1月22日（星期三）6:45 - 7:00 AM在展览厅举行的大陆早餐7:05-8：05 AM子宫癌：分子引导治疗的新时代Junzo Chino 8:10-9：10-9：10-9：10 The Impact of Indigo on Clinical Practice Minesh Mehta 10:15 - 10:35 AM Break in Exhibit Hall 10:40 - 11:40 AM Young at Heart: Radiation Therapy for Mediastinal Lymphoma Chirayu Patel 11:45 AM - 12:45 PM Leadership, Mentorship and Sponsorship in Oncology Paul Harari 12:45 PM Conference Day Completed Thursday, January 23, 2025 6:45 – 7:00 AM展览馆7：05-8：05 AM脑转移酶的大陆早餐：全身治疗与放射疗法Minesh Mehta 8：10-9：10 AM预防和管理Gyn放射疗法的毒性Junzo Chino 9:15-10:10应该考虑哪些脑肿瘤患者？Minesh Mehta 10:10 – 10:15 AM Resident Presentation TBD 10:15 - 10:35 AM Break in Exhibit Hall 10:40 - 11:40 AM The Role of Low Dose Radiation Therapy in treating Benign Tarita Thomas 11:45 AM - 12:45 PM Vulvar Cancer: Sentinel Nodes, Gemcitabine, and IMRT Junzo Chino 12:45 Conference Day Completed Friday, January 24, 2025 6:45 – 7:00 AM Continental Breakfast in Exhibit Hall 7:05 - 8:05 AM From Palliating to Surviving: Peri-Transplant and Peri-CAR T Radiotherapy Chirayu Patel for Relapsed/Refractory B cell Lymphomas 8:10 – 9:10 AM The Outer Orbit: Irradiating the Extranodals Chirayu Patel 9:15AM - 10:15辐射肿瘤学2025和潜在的APM RON DIGIAIMO，TAMARA SYVERSON，CATE小组讨论Yashar，塔里塔·托马斯（Tarita Thomas），塔里塔·托马斯（Tarita Thomas），塔利塔·庞（Tarita Thomas）10:15-10：35上午10:40 AM 10:40 AM -12：40 PM的计费和潜在的AP COMPALTION 20225 QUENTION APM RONSIGEN（PMS COMPARTION 202）， Yashar/Andrew Chang
我应该听从人工智能的建议吗？衡量人类与人工智能决策的适当依赖程度
[1] Gagan Bansal、Tongshuang Wu、Joyce Zhou、Raymond Fok、Besmira Nushi、Ece Kamar、Marco Tulio Ribeiro 和 Daniel Weld。2021 年。整体是否超过部分？人工智能解释对互补团队绩效的影响。在 2021 年 CHI 计算机系统人为因素会议论文集。1-16。[2] Zana Buçinca、Maja Barbara Malaya 和 Krzysztof Z Gajos。2021 年。信任还是思考：认知强制函数可以减少人工智能辅助决策对人工智能的过度依赖。ACM 人机交互论文集 5，CSCW1 (2021)，1-21。[3] Adrian Bussone、Simone Stumpf 和 Dympna O'Sullivan。 2015.对临床决策支持系统中信任和依赖的解释的作用。 2015年医疗信息学国际会议。 160–169。 [4] Arjun Chandrasekaran、Viraj Prabhu、Deshraj Yadav、Prithvijit Chattopadhyay 和 Devi Parikh。 2018.解释是否能让 VQA 模型对人类来说更具可预测性？在 EMNLP 中。 [5] Muhammad EH Chowdhury、Tawsifur Rahman、Amith Khandakar、Rashid Mazhar、Muhammad Abdul Kadir、Zaid Bin Mahbub、Khandakar Reajul Islam、Muhammad Salman Khan、Atif Iqbal、Nasser Al Emadi 等。 2020.人工智能可以帮助筛查病毒和COVID-19肺炎吗？ IEEE Access 8 (2020)，132665–132676。[6] Berkeley J Dietvorst、Joseph P Simmons 和 Cade Massey。2015 年。算法厌恶：人们在看到算法错误后会错误地避开它们。《实验心理学杂志：综合》144，1 (2015)，114。[7] Mary T Dzindolet、Scott A Peterson、Regina A Pomranky、Linda G Pierce 和 Hall P Beck。2003 年。信任在自动化依赖中的作用。《国际人机研究杂志》58，6 (2003)，697–718。[8] Ana Valeria Gonzalez、Gagan Bansal、Angela Fan、Robin Jia、Yashar Mehdad 和 Srinivasan Iyer。2020 年。人类对开放域问答的口头与视觉解释的评估。 arXiv preprint arXiv:2012.15075 (2020)。[9] Patrick Hemmer、Max Schemmer、Michael Vössing 和 Niklas Kühl。2021 年。混合智能系统中的人机互补性：结构化文献综述。PACIS 2021 论文集 (2021)。[10] Robert R Hoffman、Shane T Mueller、Gary Klein 和 Jordan Litman。2018 年。可解释人工智能的指标：挑战与前景。arXiv preprint arXiv:1812.04608 (2018)。
请致电论文
•意大利巴里理工大学Yashar Deldjoo（deldjooy@acm.org）•Shuai Zhang，美国亚马逊网络服务AI（shuaizs@amazon.com）•伯恩德·路德维格，德国德国雷格斯堡大学（bernd.ludwig@ur.line.de） lina.yao@csiro.au）•新加坡南南技术大学的Aixin Sun（axsun@ntu.edu.sg）生成的推荐系统（Gen-recsys），由大语言模型（LLMS）和其他最新的生成性体系结构（例如，effifusion型模型）（例如，扩散模型），介绍了个性化的新方法。与返回物品标识符静态列表的传统管道不同，Gen-Recsys可以发明库存外的建议（例如，提出了新想象中的衣服），产生针对用户反馈的丰富文本解释（例如，多转化的多转化理性（例如，解决特定的critiques）的多转化理性），并从事构成对话的折叠对话。这些扩展的功能为增强用户体验提供了新的机会。除了这些机会之外，Gen-Recsys还提出了新的挑战和风险。在不受管制的Web数据中训练的模型可能会继承和扩大与性别，语言，宗教和其他敏感属性有关的偏见。这些系统可能会无意间提出不存在的项目（所谓的“项目幻觉”），产生私人或有偏见的信息，并通过说服力的文本改变用户的看法。经典的离线评估主要衡量固定库存上的预测精度，不适合量化生成产量的更广泛含义。本期有关推荐系统（TOR）的ACM交易特刊（TORS）邀请了原始研究，审查文章，方法论论文以及研究生成推荐系统（Gen-Recsys）的技术和社会维度的透视文章。提交可能关注算法发展，道德准则，用户研究或全面评估策略。我们鼓励手稿阐明现实世界的应用程序，新颖的数据集和跨学科合作。主题：我们欢迎对（但不限于）与Gen-Recsys相关的以下领域提交：●生成架构：gans，vaes，vaes，扩散模型，LLMS或多模式基础模型的集成到建议管道中；用于混合，特定于上下文的建议的检索授权生成（RAG）。●个性化内容和解释生成：生产以用户为中心的说明，文本评论，叙述或合成项目（例如，服装建议，合成媒体）的新方法。●数据稀疏和冷启动解决方案：诸如合成数据生成，传输学习或跨领域的方法，以减轻稀疏或新用户方案。●对话和交互式推荐人：多转对话，实时更新和基于LLM的代理，以完善查询并预测未来的交互。●可伸缩性和效率：减少推理潜伏期和资源需求（例如蒸馏，修剪）的方法，同时保留个性化。