XiaoMi-AI文件搜索系统
World File Search Systemmelman
1A 诊所训练营 2025 - James Grimmelmann
（c）（2）任何交互式计算机服务的提供者或用户均不因（A）自愿采取善意行动限制访问或提供提供者或用户认为淫秽、猥亵、淫秽、污秽、过度暴力、骚扰或其他令人反感的材料而承担责任，无论此类材料是否受宪法保护……
文件在计算机中-James Grimmelmann
《纽约时报》针对OpenAI的版权诉讼，微软声称OpenAI的GPT模型已“记住”时代的文章。其他诉讼也提出了类似的主张。但是，当事人，法院和学者在哪些纪念活动，是否发生以及其版权含义上不同意。不幸的是，这些辩论被对“记忆”本质的深层歧义笼罩，导致参与者互相交谈。在本文中，我们试图对记忆及其与版权法的关系的对话清晰。记忆是机器学习中高度活跃的研究领域，我们利用该文献为法律讨论提供了坚定的技术基础。论文的核心是对法律受众的记忆的确切定义。我们说，当（1）可以从模型（2）重建（3）（3）（3）大部分（4）该特定培训数据的大部分部分时，模型已经“记住”了一块训练数据。我们将记忆与“提取”区分开（用户故意使模型生成近乎杰出的副本）与“反驳”（模型生成近乎精确的副本，无论用户的意图如何），以及从“重建”（从模型中都可以通过任何方式获得近距离的副本，而是通过任何阶段来获得任何订单，而是从任何手段中获得。从这些定义中产生了一些重要的后果。首先，并非所有的学习都是记忆：生成-AI模型的大部分涉及从大量培训数据中概括，而不仅仅是记住它的个体部分。第二，在训练模型时会发生记忆；它是
谈论人工智能一代 - James Grimmelmann
“生成式人工智能是否侵犯版权？”是一个紧迫的问题。这也是一个难题，原因有二。首先，“生成式人工智能”不仅仅是一家公司的一种产品。它是一个庞大的松散相关技术生态系统的统称，包括 ChatGPT 等对话式文本聊天机器人、Midjourney 和 DALL·E 等图像生成器、GitHub Copi-lot 等编码助手以及作曲和制作视频的系统。生成式人工智能模型具有不同的技术架构，并使用不同的算法对不同种类和来源的数据进行训练。有些需要数月时间和数百万美元的训练；其他的可以在一个周末完成。这些模型以非常不同的方式提供给用户。有些是通过付费在线服务提供的；其他系统则以开源模式分发，任何人都可以下载和修改它们。这些系统的行为不同，并引发不同的法律问题。因此，我们需要正确的框架——比“生成式人工智能”一词更深入——以便准确、清晰地推理所涉及的不同法律问题。第二个问题是版权法非常复杂，而生成式人工智能系统设法触及了它的许多角落。它们提出了作者身份、相似性、直接和间接责任、合理使用和许可等问题。这些问题不能孤立地分析，因为到处都有联系。生成式人工智能系统的输出是否合理使用可能取决于其训练数据集的组装方式。
Claus Emmelmann、Maren Petersen、Jannis Kranz、Eric Wycisk，《利用激光增材制造 (LAM) 实现飞机工业的仿生轻量化设计》，Proc. SPIE 8065，SPIE Eco-Photonics 2011：面向绿色未来的可持续设计、制造和工程劳动力教育，80650L（2011 年 4 月 29 日）；doi：10.1117/12.898525
如今，航空业面临着许多挑战。日益激烈的竞争和资源短缺对未来的制造技术和轻量化设计提出了挑战。应对这些情况的一种可能方法是激光增材制造 (LAM) 制造技术。然而，由于工艺新颖，仍存在一些挑战需要应对，例如开发更多材料，尤其是轻质合金，以及新的设计方法。因此，为了充分利用工艺潜力，我们创建了创新的材料开发和轻量化设计方法。材料开发过程基于对温度分布与有效工艺因素的分析计算，以确定 LAM 工艺的可接受操作条件。通过将结构优化工具和仿生结构整合到一个设计过程中，我们实现了一种极轻量化设计的新方法。通过遵循这些设计原则，设计师可以在设计新飞机结构时实现轻量化节省，并将轻量化设计推向新的极限。
引用：Carlisle BG、Doussau A、Kimmelman J. 上市后单药治疗癌症药物试验相关的患者负担和临床进展：回顾
摘要 目的 在获得监管部门批准后，制药公司、公共资助机构和学术研究人员通常会开展旨在扩大新药用途的试验，方法是在新的未批准适应症中测试该药。此类研究的患者负担和临床影响尚不清楚。 设计和设置 我们对 2005 年至 2007 年间批准的所有 12 种抗癌药物进行了一项回顾性队列研究，研究对象是药物首次批准后 5 年内启动的上市后临床试验，测试抗癌药物单药治疗在药物首次获得美国食品药品监督管理局 (FDA) 许可后首次进行的适应症。FDA、Medline 和 Embase 检索日期 2019 年 2 月 12 日。 主要和次要结果测量 我们的主要目标是衡量这些试验中患者的负担和临床影响。每项试验都根据药物和癌症适应症分类到“轨迹”中。风险通过 3-4 级严重不良事件和死亡的比例来操作。通过估计参与导致 FDA 批准、纳入国家综合癌症网络 (NCCN) 临床实践指南或 8 年内推进到随机对照试验的轨迹的患者比例来衡量临床影响。结果我们的搜索捕获了 104 项探索单一疗法的已发表试验，包括 69 条独特轨迹。总的来说，我们样本中的试验招募了 4699 名患者。19.6% 的患者经历了 3-4 级不良事件；2.8% 的患者经历了 5 级事件。在首次药物批准后启动的所有轨迹均未获得 FDA 批准。NCCN 在该轨迹内的第一次试验后的 8 年内推荐了五条轨迹。11 条轨迹推进到随机对照测试。结论解锁 2005 年至 2007 年首次获得批准的药物的新申请所面临的挑战与开发新药的挑战相似。我们的研究结果有助于确定研究的优先顺序，并在考虑参加标签延长试验时为调整预期提供依据。