XiaoMi-AI文件搜索系统
World File Search Systemguided
通过 CRISPR-Cas9 引导的腺嘌呤碱基编辑器捕获 DNA
利益竞争：加州大学董事会已获得和正在申请 CRISPR 技术专利，JAD 和 GJK 是这些技术的发明者。JAD 是 Caribou Biosciences、Editas Medicine、Scribe Therapeutics 和 Mammoth Biosciences 的联合创始人。JAD 是 Caribou Biosciences、Intellia Therapeutics、eFFECTOR Therapeutics、Scribe Therapeutics、Mammoth Biosciences、Synthego 和 Inari 的科学顾问委员会成员。JAD 是强生公司的董事，其研究项目由 Biogen 和辉瑞公司赞助。PAB 是 Beam Therapeutics 的顾问，拥有股票期权。DRL 是 Editas Medicine、Pairwise Plants、Beam Therapeutics 和 Prime Medicine 的顾问和联合创始人，这些公司使用基因组编辑技术。作者已提交了进化 ABE 的专利申请。
制导弹药和作战网络的六十年发展历程 - CSBA
当我在 2006 年初收到手稿时，很快就清楚地认识到需要进行大量重组。最后，五个章节中的三个实际上是从头开始重写的，其他两章中的大多数案例研究也经过了大量修改。与鲍勃·沃克的讨论之所以如此有价值，是因为他从数年观察和参与 ONA 赞助的战争游戏（尤其是未来战争 20XX 和战略挑战系列游戏）中获得了经验。这些游戏探索了 2025 年期间在一系列场景中未来的美国军队结构。事实证明，我此时在制导弹药案例研究中看到的模式与沃克在许多 20XX 和战略挑战游戏中看到的模式产生了共鸣。在为什么一些作战社区成为制导弹药和战斗网络的早期采用者的因果解释这个关键问题上，鲍勃实际上在看到更深层次的模式方面领先我一步或两步。
探索生成AI，以提高指导性购买效率
本论文的重点是在X公司的背景下应用生成AI用于指导购买，旨在应对简化商品和服务购买的挑战和潜在解决方案。研究方法涉及使用基础理论方法中的元素，利用焦点小组话语方法进行经验分析。通过探索生成AI对采购过程的影响以及组织对指导购买的方向的影响，该研究有助于增强竞争性工业景观中组织的战略能力。结果表明其中有三个维度1）运营利益相关者2）生成AI鲁棒性和3）信息管理有效地将生成AI引入采购实践。对一般的学术尝试做出了总体贡献，以了解如何将生成的AI技术相互分解为各种企业功能，特别是在供应链和采购中。
以安全标准为指导的安全风险分析方法和框架
如前所述 [ 20 ]，实现安全和安保之间一致交织的挑战是相当多样和复杂的。安全和安保方面的最新进展表明，风险分析为实现全面协调提供了指导。然而，对于许多领域，例如航空领域，安全性是一个相当新的关注点，而飞机开发几十年来主要以安全标准为指导。所提到的差异以及安全性在许多方面仍处于发展阶段的事实，对指定和应用将安全和安保协同工程作为一个统一过程进行的方法施加了限制。在本文中，我们介绍了基于模型的方法、框架和工具的开发进展，这些方法、框架和工具可用于在安全标准和目标的指导下进行安全风险分析。除其他外，该方法依赖于最先进的技术诀窍，如 ED202、ED203 (EUROCAE) 1 等标准，以及 CAPEC 和 CWE (MITRE) 2 等开放知识库。这些来源是集成的，允许实例化攻击、漏洞和架构的模式，这是半自动化分析的关键要素。提出并实施了一种基于规则的算法，用于探索架构中的潜在攻击路径。最后通过分析飞行控制系统中可能破坏现代飞机安全性的组合攻击故障路径来证明该方法。该框架和工具支持在设计上寻求安全性，旨在促进案例研究的重用并为可重复性和结果比较奠定基础。
通过图神经网络在表型预测中利用蛋白质 - 蛋白质相互作用通过大型语言模型指导的定向演化蛋白质设计
摘要 - 指导的进化，一种蛋白质工程的策略，通过严格且资源密集的筛查或在广泛的突变中进行筛选或选择的过程来优化蛋白质特性（即健身）。通过对序列属性进行计算机筛选，机器学习引导的定向进化（MLDE）可以加快优化过程并减轻实验工作量。在这项工作中，我们提出了一个通用的MLDE框架，在该框架中，我们应用了蛋白质表示学习和蛋白质属性预测中深度学习的最新进步，以加速搜索和优化过程。特别是我们引入了一条优化管道，该管道利用大型语言模型（LLMS）来查明序列中的突变热点，然后建议替换以提高整体适应性。与其他最先进的基线算法相比，我们提出的框架在条件蛋白质产生中的效率和功效提高了。我们希望这项工作将不仅对蛋白质工程，而且对使用数据驱动方法解决组合问题进行新的启示。我们的实施可在https://github.com/ hysonlab/directed Evolution上公开获取。
pilora：用于联邦课堂学习的原型指导增量洛拉
摘要。现有的联合学习方法在涉及数据隐私和非IID数据的情况下有效地处理了分散的学习。但是，在现实情况下，每个客户端都动态学习新类，要求全局模型对所有可见的类进行分类。有效地减轻灾难性遗忘和数据异质性，我们提出了一种名为Pilora的简单有效方法。一方面，我们采用原型学习来学习更好的功能表示形式，并利用原型和类特征之间的启发式信息来设计原型重新重量调节，以解决由数据异质性引起的分类器偏见而无需重新培训分类器。另一方面，我们将增量学习视为学习独特的任务向量并在不同的Lora参数中编码它们的过程。因此，我们提出了增量的洛拉（Lora）来减轻灾难性遗忘。标准数据集的实验结果表明，我们的方法的表现优于最先进的方法。更重要的是，我们的方法在不同的环境和数据杂基的程度上表现出强大的稳固性和优越性。该代码可从https://github.com/ghy0501/pilora获得。
真实srgd：使用无分类器引导扩散
摘要。现实世界图像超分辨率（RISR）旨在从退化的低分辨率（LR）输入中重新结构高分辨率（HR）图像，以应对诸如模糊，噪声和压缩工件之类的挑战。与传统的超分辨率（SR）不同，该方法通过合成的下采样来典型地生成LR图像，而RISR则是现实世界中降级的复杂性。为了有效地应对RISR的复杂挑战，我们适应了无分类器指导（CFG），这是一种最初用于多级图像生成的技术。我们提出的方法，真实的SRGD（带有无分类器引导扩散的现实世界图像超分辨率），将RISR挑战分解为三个不同的子任务：盲图恢复（BIR），常规SR和RISR本身。然后，我们训练针对这些子任务量身定制的类别条件SR扩散模型，并使用CFG来增强现实世界中的超分辨率效果。我们的经验结果表明，实际SRGD超过了定量指标和定性评估中的现有最新方法，如用户研究所证明的那样。此外，我们的方法在
LLM通过过程奖励指导树搜索
LLM自我训练中的最新方法主要依赖于LLM生成重音，并以正确的输出答案作为培训数据过滤那些。这种方法通常会产生低质量的微调训练集（例如，计划不正确或中间推理）。在本文中，我们开发了一种加强的自我训练方法，称为REST-MCTS ∗，基于将过程奖励指导与树搜索MCTS ∗集成在一起，用于收集高质量的推理痕迹以及每步价值以培训政策和奖励模型。REST-MCT ∗避免了通常用于通过基于树搜索的强化学习来训练过程奖励的每个步骤手动注释：给定的最终正确答案，REST-MCTS ∗能够通过估算此步骤的概率来推断正确的过程奖励，可以帮助您带来正确的答案。这些推断的奖励提供了双重目的：它们是进一步完善过程奖励模型的价值目标，并促进选择高质量的痕迹进行政策模型自我训练。我们首先表明，与先前的LLM推理基线相比，REST-MCTS ∗中的树搜索策略（如在相同的搜索预算中）具有更高的精度。然后，我们证明，通过使用该搜索策略作为培训数据所搜索的痕迹，我们可以不断增强多种迭代的三种语言模型，并超过其他自我训练算法（例如REST EM和自我奖励LM）。我们在https://github.com/thudm/rest-mcts上发布所有代码。
磁共振引导聚焦新型头部固定装置的设计
b 弗吉尼亚大学生物医学工程系，本科摘要聚焦超声 (FUS) 是一种新兴的非侵入性技术，为治疗多种神经系统疾病（如特发性震颤和多形性胶质母细胞瘤 (GBM)）提供了一种替代方法。FUS 已被证明可以以安全和有针对性的方式破坏 BBB，然而，用于该过程的头部固定装置最初是为放射外科设计的。为此，研究小组提议开发一种用于 FUS 应用的新型头架。该设计的创建基于以下重要的总体目标：1) 减少设计笨重以最大限度地减少图像失真，2) 增加 BBBO 治疗范围，3) 最大限度地提高患者的舒适度。使用计算机辅助设计 (CAD) 软件 Fusion 360 创建设计迭代，然后 3D 打印并组装最终设计以创建原型。使用 Fusion 360 对框架进行有限元分析 (FEA)，以确定安全系数和在变形前可施加到设备前部旋转旋转螺钉上的最大力。对新型头架原型进行了静态应力有限元分析，平均固定扭矩为 0.348 Nm，最大固定扭矩为 0.522 Nm。结果显示，最大力为 273.1 MPa，安全系数为 1.0，最大力为 409.7 MPa，安全系数为 0.67。关键词：FUS、BBBO、GBM、立体定向头架、FEA
神经训练的疗效在深座脑病变中进行活检
如今，由于技术的出现（例如计算机断层扫描（CT）扫描和磁共振成像（MRI），2,3，2,3，。 此外，系统疾病患者的治疗方法的进展和增加的存活率增加，导致转移到中枢神经系统或中枢神经系统感染的高发病率中，部分是由于免疫系统缺乏症（因受到免疫缺陷症的接受或辅助症而受到免疫治疗的患者）的一部分，或引起了免疫缺陷的（辅助因素），这是由于受到免疫缺陷的（辅助因素）的影响。系统癌的化学疗法）；多样性和中枢神经系统神经病理学的数量增加了需要对大脑空间病变（SOLS）的组织学和细胞学的更准确详细鉴别诊断（SOLS）4,5的需求。 在大多数患者中，可以通过临床和实验室发现准确诊断脑病变。 例子是多发性硬化症，继发性感染和寄生虫疾病，转移性肿瘤以及全身性疾病的大脑参与。 但是，在CT扫描或MRI中诊断出的许多脑部病变是该疾病的唯一可证明的文件，其治疗设计取决于组织学诊断6,7如今，由于技术的出现（例如计算机断层扫描（CT）扫描和磁共振成像（MRI），2,3，2,3，。此外，系统疾病患者的治疗方法的进展和增加的存活率增加，导致转移到中枢神经系统或中枢神经系统感染的高发病率中，部分是由于免疫系统缺乏症（因受到免疫缺陷症的接受或辅助症而受到免疫治疗的患者）的一部分，或引起了免疫缺陷的（辅助因素），这是由于受到免疫缺陷的（辅助因素）的影响。系统癌的化学疗法）；多样性和中枢神经系统神经病理学的数量增加了需要对大脑空间病变（SOLS）的组织学和细胞学的更准确详细鉴别诊断（SOLS）4,5的需求。在大多数患者中，可以通过临床和实验室发现准确诊断脑病变。例子是多发性硬化症，继发性感染和寄生虫疾病，转移性肿瘤以及全身性疾病的大脑参与。但是，在CT扫描或MRI中诊断出的许多脑部病变是该疾病的唯一可证明的文件，其治疗设计取决于组织学诊断6,7