在本文中,我们进行了一项研究,以利用 LLM 作为需要复杂数据分析的决策制定的解决方案。我们将决策问答定义为针对决策问题 Q、业务规则 R 和数据库 D 回答最佳决策 d best 的任务。由于没有可以检验决策问答的基准,我们提出了决策问答基准 DQA。它有两个场景,定位和建造,由两个视频游戏(Europa Universalis IV 和 Victoria 3)构建,它们的目标与决策问答几乎相同。为了有效地解决决策问答问题,我们还提出了一种新的 RAG 技术,称为迭代计划然后检索增强生成(PlanRAG)。我们基于 PlanRAG 的 LM 生成决策制定计划作为第一步,检索器生成数据分析查询作为第二步。所提出的方法在定位场景中比最先进的迭代 RAG 方法高出 15.8%,在建筑场景中比最先进的迭代 RAG 方法高出 7.4%。我们在 https://github.com/myeon9h/PlanRAG 上发布了我们的代码和基准。
精确医学是一种考虑和预防疾病的新兴方法,考虑到基因,环境和生活方式的个体变化。目的是更精确地预测治疗和预防策略,这将适用于一群特定疾病的人。在肿瘤学中,精密医学意味着每个人收集的数据的大幅增加,其特征是多种数据源。例如,除临床分析和病理图像外,接受晚期癌症接受治疗的患者通常还需要完全分子分析。因此,多模型数据整合方法(图像,临床,分子数据)对于允许单个预测模型的定义至关重要。本论文开发了整合和分析复杂且高维数据的计算方法,以创建对癌症进展,亚型分类和患者存活的个性化预测。关键贡献包括用于整合多模型数据的新策略,这些策略改善了基于人工智能的预测的解释性,从而确保它们在临床上相关且对从业者来说是可以理解的。通过应对数据复杂性和解释性的双重挑战,这项工作奠定了在临床决策中应用高级分析的基础知识,从而支持肿瘤学中更精确有效的治疗路径。
Alpes Lasers SA,2072 St-Blaise 间接 26* Biazzi SA,1816 Chailly-Montreux 间接 11 Fischer Connectors,1162 Saint-Prex 间接 13 Irdam SA,1401 Yverdon-les-Bains 间接 13 Lemco Précision SA,1895 Vionnaz 间接 25* Lemtronic SA,1895 Vionnaz 间接 28* LNS Sarl,2534 Orvin 间接 12 Meggitt SA,1701 Fribourg 间接 26* Montena Technology SA,1728 Rossens 间接 13 Negotrade SA,1807 Blonay 间接 18 PRECI-DIP SA,2800 Delémont 间接 26* Rollomatic SA,2525 Le Landeron 间接 12 RUAG Space, 1260 Nyon 间接 19 Schott Suisse SA,1401 Yverdon-les-Bains 间接 26* Sense Fly,1033 Cheseaux-sur-Lausanne 间接 19 Starrag Vuadens SA,1628 Vuadens 间接 12 Swissto12,1020 Renens 间接 61* Systems Assembling SA,2017 Boudry 间接 13
Alpes Lasers SA,2072 St-Blaise 间接 26* Biazzi SA,1816 Chailly-Montreux 间接 11 Fischer Connectors,1162 Saint-Prex 间接 13 Irdam SA,1401 Yverdon-les-Bains 间接 13 Lemco Précision SA,1895 Vionnaz 间接 25* Lemtronic SA,1895 Vionnaz 间接 28* LNS Sarl,2534 Orvin 间接 12 Meggitt SA,1701 Fribourg 间接 26* Montena Technology SA,1728 Rossens 间接 13 Negotrade SA,1807 Blonay 间接 18 PRECI-DIP SA,2800 Delémont 间接 26* Rollomatic SA,2525 Le Landeron 间接 12 RUAG Space, 1260 Nyon 间接 19 Schott Suisse SA,1401 Yverdon-les-Bains 间接 26* Sense Fly,1033 Cheseaux-sur-Lausanne 间接 19 Starrag Vuadens SA,1628 Vuadens 间接 12 Swissto12,1020 Renens 间接 61* Systems Assembling SA,2017 Boudry 间接 13
未来战斗机、决策支持、翻译工具、机器人、电子竞技等,在 5 月 22 日至 25 日于巴黎凡尔赛门展览中心举办的 VivaTech 贸易展览会期间,可以在武装部队部展台上发现许多人工智能 (AI) 项目。
本文提出了一种新的方法,用于从密集的点云数据中自动为曼哈顿环境中的建筑物创建语义数字模型。与以前仅依赖于数据驱动方法的方法不同,我们的方法将人工智能与域工程知识集成在一起,以在复杂的布局中克服室内点云处理和几何形式表示中的chal lenges。基于功能的DE Cision树分类器提取了主要建筑元素,该元素用于3D空间解析的基于知识的算法中。在此基础上,优化过程生成参数化的平面图,用于最终创建体积数字模型。该方法在慕尼黑技术大学和斯坦福大学的数据集上进行了验证,用于模型放置的平均准确性约为0.08 m,用于估计元素参数的0.06 m,这突出了其产生建筑物语义数字模型的有效性。这种方法强调了AI集成在数字孪生工作流程中的潜力,以提供更多的自动交配解决方案。