XiaoMi-AI文件搜索系统
World File Search Systemgpt
用生成ai
本教程解决了将大型语言模型（例如ChatGpt）纳入数据分析类别的挑战。它详细介绍了几种由人工智能（AI）启用的新的课堂内和室外教学技术。这里有三个示例：讲师可以通过让学生与不同的定制GPT进行互动以学习分析的不同部分，然后互相教彼此从GPT中学到的知识来并行化指导。教师可以将问题集变成AI辅导会议：定制的GPT指导学生解决问题，学生将聊天室上传到聊天室进行作业提交。教师可以为课程的每个部分分配不同的实验室，并让每个部分创建AI助手，以帮助其他部分通过其实验室工作。本教程提倡自然语言编程（NLP）范式，其中学生用语言（例如英语）表达所需的数据转换，然后使用AI来生成相应的计算机代码。学生可以用NLP更有效地将数据与Excel更有效。
表示不规则采样的时间序列，具有分类和转移学习的生成语言模型
摘要。人类活动识别在包括医疗保健和智能家居在内的各个领域都起着至关重要的作用。随着配备环境传感器的智能房屋的越来越多，人们对利用人工智能技术的兴趣越来越兴趣，以理解和认识到这些环境中的人类活动。但是，环境传感器收集的数据的规则和嘈杂性质提出了独特的挑战。为了应对这些挑战，我们建议使用接受传感器激活序列训练的预训练的嵌入式嵌入，通常是基于类似于GPT的架构的算法，以证明在智能家庭中日常生活的分类表现。此外，我们利用从一个环境中获得的知识来增强另一个环境的活动识别，研究转移学习的概念。结果表明，GPT变压器解码器的方法在多个数据集的精度和平衡精度方面优于其他算法。这些发现还突出了转移学习的潜力，从干净且大的数据集中，GPT跨解码器预先训练的嵌入在各种情况下显示出令人鼓舞的结果。
研究论文信息从具有生成预训练的变压器模型的临床文本中提取
目的：由于其非结构化的性质，处理和分析临床文本具有挑战性。本研究比较了GPT（生成预训练的变压器）-3.5和GPT-4的性能，用于从临床文本中提取信息。材料和方法：将三种类型的临床文本包含患者特征，病史和临床测试结果从开放式期刊中的病例报告中提取的临床测试结果被用作输入。随后，使用贪婪方法作为解码策略将包含信息提取查询的简单提示应用于两个模型。当GPT模型在某些任务中的表现不佳时，我们将使用特定于任务定义的替代解码策略或合并提示。将GPT模型产生的输出评估为真或错误，以确定信息提取的准确性。结果：从60个病例报告中提取了包含患者特征（60个文本），病史（50个文本）和临床测试结果（25个文本）的临床文本。GPT模型可以通过简单提示准确提取信息，以从临床文本中提取直接信息。与GPT-4相比，GPT-4的准确率明显更高（95％），而GPT-3.5（70％）。GPT-3.5（78％）在提取体重指数（BMI）中的表现优于GPT-4（57％）。利用性行为和BMI的替代解码策略并不能实际改善这两种模型的性能。在GPT-4中，修订的提示（包括每个性别类别的定义）或BMI公式的定义，纠正了所有关于在主要工作流程中产生的性别和BMI的不正确响应。结论：GPT模型可以通过简单提取直接信息的简单提示来充分发挥作用。对于复杂的任务，将特定于任务的定义纳入提示是一种合适的策略，而不是仅依靠简单的提示。因此，研究人员和临床医生应使用其专业知识来创建有效的提示，并在从临床文本中提取复杂信息时监控LLM结果。
用生成ai
摘要。本教程解决了将大型语言模型（例如ChatGpt）纳入数据分析类别的挑战。它详细介绍了几种由人工智能（AI）启用的新的课堂内和室外教学技术。这是三个示例。教师可以通过让学生与不同的定制GPT进行互动来学习分析的不同部分，然后互相教导他们从GPT中学到的知识，从而使教学纳入教学。教师可以将问题集变成AI辅导会议：定制的GPT指导stu dent解决问题，学生将聊天室上传以进行家庭作业提交。教师可以为课程的每个部分分配不同的实验室，并让每个部分创建AI助手，以帮助其他部分通过其实验室工作。本教程提倡自然语言编程（NLP）范式，其中学生用口语（例如英语）阐明所需的数据转换，然后使用AI来生成相应的计算机代码。学生可以用NLP更有效地将数据与Excel更有效。
物理理论的自我测试，或者量子理论对于某些信息处理任务来说是否最佳？
自测试通常是指采取一组给定的观察到的相关性，这些相关性被认为是通过量子理论准确描述的过程产生的，并试图推断量子态和测量值。换句话说，它关心的是我们是否可以通过仅查看量子黑盒设备的输入输出行为来判断它们在做什么，并且已知在几种情况下是可能的。在这里，我们提出一个更普遍的问题：是否有可能对一个理论，特别是量子理论进行自测试？更准确地说，我们问在特定的因果结构中是否存在只能在任何情况下具有与量子力学相同相关性的理论中执行的任务。我们提出了这种相关性自测试的候选任务，并在一系列广义概率理论 (GPT) 中对其进行了分析，结果表明这些理论都没有比量子理论表现更好。我们的研究结果概括起来就是，对于这项任务来说，所有非量子 GPT 都严格劣于量子力学，这将为公理化量子理论提供一种新方法，并能够通过实验测试同时排除此类 GPT。
CS 444：计算机视觉深度学习
https://saurabhg.web.illinois.edu/teaching/cs444/fa2024/ 使用 Chat GPT 生成的提示：为“计算机视觉深度学习”课程的标题幻灯片绘制图像
伟大技术和强国的兴衰
摘要 技术革命如何影响大国的兴衰？学者们早就观察到，重大技术突破会破坏经济力量平衡，带来权力转移。然而，对这一过程如何发生的研究却出奇地有限。现有研究表明，一个国家能否成功适应革命性技术取决于其制度与这些技术需求之间的契合度。标准解释强调最适合垄断新兴快速增长行业（领先行业）创新的制度因素。我提出了一种基于通用技术（GPT）传播的替代机制，它为各国超越工业领袖提供了一条不同的轨迹。通用技术具有持续改进、普及性和与互补创新协同作用的潜力，只有在经过多个行业的漫长传播过程后，才能对整个经济产生影响。通用技术传播的需求塑造了技术革命成功所必需的制度适应性。具体而言，我强调教育系统和技术协会的作用，它们拓宽了与 GPT 相关的工程技能基础。为了检验这一论点，我在三个历史案例研究中将领先部门机制与 GPT 扩散机制进行了对比，这三个案例研究与过去的工业革命相对应：19 世纪初英国崛起；第一次世界大战前美国超越英国；20 世纪末日本对美国技术主导地位的挑战。这些案例研究的证据支持 GPT 扩散解释，为人工智能等新兴技术（一些人认为这些技术推动了第四次工业革命）将如何影响可能的中美权力过渡提供了新的见解。