XiaoMi-AI文件搜索系统
World File Search Systemouyang
心理健康诊断评估 - Scholar Commons
[1] Arun James Thirunavukarasu、Darren Shu Jeng Ting、Kabilan Elangovan、Laura Gutierrez、Ting Fang Tan 和 Daniel Shu Wei Ting。医学中的大型语言模型。自然医学，29(8)：1930-1940，2023 年。[2] Nitin Rane。ChatGPT 和类似的生成式人工智能 (ai) 对建筑和建筑行业的贡献：大型语言模型对工业 4.0、工业 5.0 和社会 5.0 的贡献、机遇和挑战。大型语言模型对工业的机遇和挑战，4，2023 年。[3] Peter Lee、Sebastien Bubeck 和 Joseph Petro。GPT-4 作为医学人工智能聊天机器人的好处、局限性和风险。新英格兰医学杂志，388(13):1233–1239，2023 年。[4] Joseph Ford、Felicity Thomas、Richard Byng 和 Rose McCabe。患者健康问卷 (phq-9) 在实践中的应用：患者与医生之间的互动。定性健康研究，30(13):2146–2159，2020 年。[5] Sverre Urnes Johnson、Pål Gunnar Ulvenes、Tuva Øktedalen 和 Asle Hoffart。异质精神病样本中广泛性焦虑症 7 项 (gad-7) 量表的心理测量特性。 Frontiers in psychology，10:1713，2019。[6] Long Ouyang，Jeffrey Wu，Xu Jiang，Diogo Almeida，Carroll Wainwright，Pamela Mishkin，Chong Zhang，Sandhini Agarwal，Katarina Slama，Alex Ray 等。训练语言模型以遵循带有人类反馈的指令。神经信息处理系统进展，35:27730–27744，2022。
彻底改变电池性能：云的力量......
参考文献 [1] Li, W., Rentemeister, M., Badeda, J., Jöst, D., Schulte, D., & Sauer, DU (2020). 电池系统的数字孪生：具有在线充电状态和健康状态估计的云电池管理系统。能源存储杂志，30，101557。 [2] Dai, H., Jiang, B., Hu, X., Lin, X., Wei, X., & Pecht, M. (2021)。面向可持续能源未来的先进电池管理策略：多层设计概念和研究趋势。可再生和可持续能源评论，138，110480。 [3] Li, W., Cui, H., Nemeth, T., Jansen, J., Ünlübayir, C., Wei, Z., ... & Sauer, DU (2021)。基于云的健康意识能源管理，结合深度强化学习，实现电动汽车混合电池系统。应用能源，293，116977。[4] Tran, MK、Panchal, S.、Khang, TD、Panchal, K.、Fraser, R. 和 Fowler, M. (2022)。基于云的锂离子电池智能电池管理系统概念综述：可行性、物流和功能性。电池，8(2)，19。[5] Yang, K.、Zhang, L.、Zhang, Z.、Yu, H.、Wang, W.、Ouyang, M.、...... 和 Liu, X. (2023)。电池健康状态评估策略：从数据分析到端云协作框架。电池，9(7)，351。[6] García, E.、Quiles, E. 和 Correcher, A. (2023)。使用真实云计算系统的分布式智能电池管理系统。传感器，23(7)，3417。
JPCD担心低血糖预印度2022
4。Shen Z，Yang C，Zhu P，Tian C，Liang A. 通过TLR4/MYD88/NF-κB信号通路，糖尿病怀孕大鼠对氧化应激和炎症的保护作用。 生物医学和药物治疗。 2020; 131：110681。 5。 Voaklander B，Rowe S，Sanni O，Campbell S，Eurich D，Ospina MB。 澳大利亚，加拿大，新西兰和美国的土著妇女中糖尿病患病率的患病率：系统评价和荟萃分析。 柳叶刀全球健康。 2020; 8（5）：E681-E98。 6。 Wilson CA，Newham J，Rankin J，Ismail K，Simonoff E，Reynolds R等。 妊娠糖尿病女性会增加围产期精神障碍的风险吗？ 系统的审查和元分析。 糖尿病医学。 2020; 37（4）：602-22。 7。 Lai FY，Johnson JA，Dover D，Kaul P.辛格尔顿和双胞胎妊娠的结果复杂化，既往糖尿病和妊娠糖尿病：一项基于人群的研究，在加拿大，加拿大，2005-11。 糖尿病杂志。 2016; 8（1）：45-55。 8。 Delanerolle G，Phiri P，Zeng Y，Marston K，Tempest N，Busuulwa P等。 对妊娠糖尿病和心理健康的系统评价和荟萃分析。 Eclinicalmedicine。 2021; 38：101016。 9。 Ouyang H，Chen B，Abdulrahman A-M，Li L，Wu N.妊娠糖尿病与焦虑或抑郁症之间的关联：系统评价。 糖尿病研究杂志。 2021; 2021：9959779。 10。 2018; 42（3）：337。Shen Z，Yang C，Zhu P，Tian C，Liang A.通过TLR4/MYD88/NF-κB信号通路，糖尿病怀孕大鼠对氧化应激和炎症的保护作用。生物医学和药物治疗。2020; 131：110681。5。Voaklander B，Rowe S，Sanni O，Campbell S，Eurich D，Ospina MB。澳大利亚，加拿大，新西兰和美国的土著妇女中糖尿病患病率的患病率：系统评价和荟萃分析。柳叶刀全球健康。2020; 8（5）：E681-E98。6。Wilson CA，Newham J，Rankin J，Ismail K，Simonoff E，Reynolds R等。 妊娠糖尿病女性会增加围产期精神障碍的风险吗？ 系统的审查和元分析。 糖尿病医学。 2020; 37（4）：602-22。 7。 Lai FY，Johnson JA，Dover D，Kaul P.辛格尔顿和双胞胎妊娠的结果复杂化，既往糖尿病和妊娠糖尿病：一项基于人群的研究，在加拿大，加拿大，2005-11。 糖尿病杂志。 2016; 8（1）：45-55。 8。 Delanerolle G，Phiri P，Zeng Y，Marston K，Tempest N，Busuulwa P等。 对妊娠糖尿病和心理健康的系统评价和荟萃分析。 Eclinicalmedicine。 2021; 38：101016。 9。 Ouyang H，Chen B，Abdulrahman A-M，Li L，Wu N.妊娠糖尿病与焦虑或抑郁症之间的关联：系统评价。 糖尿病研究杂志。 2021; 2021：9959779。 10。 2018; 42（3）：337。Wilson CA，Newham J，Rankin J，Ismail K，Simonoff E，Reynolds R等。妊娠糖尿病女性会增加围产期精神障碍的风险吗？系统的审查和元分析。糖尿病医学。2020; 37（4）：602-22。7。Lai FY，Johnson JA，Dover D，Kaul P.辛格尔顿和双胞胎妊娠的结果复杂化，既往糖尿病和妊娠糖尿病：一项基于人群的研究，在加拿大，加拿大，2005-11。糖尿病杂志。2016; 8（1）：45-55。 8。 Delanerolle G，Phiri P，Zeng Y，Marston K，Tempest N，Busuulwa P等。 对妊娠糖尿病和心理健康的系统评价和荟萃分析。 Eclinicalmedicine。 2021; 38：101016。 9。 Ouyang H，Chen B，Abdulrahman A-M，Li L，Wu N.妊娠糖尿病与焦虑或抑郁症之间的关联：系统评价。 糖尿病研究杂志。 2021; 2021：9959779。 10。 2018; 42（3）：337。2016; 8（1）：45-55。8。Delanerolle G，Phiri P，Zeng Y，Marston K，Tempest N，Busuulwa P等。对妊娠糖尿病和心理健康的系统评价和荟萃分析。Eclinicalmedicine。2021; 38：101016。9。Ouyang H，Chen B，Abdulrahman A-M，Li L，Wu N.妊娠糖尿病与焦虑或抑郁症之间的关联：系统评价。 糖尿病研究杂志。 2021; 2021：9959779。 10。 2018; 42（3）：337。Ouyang H，Chen B，Abdulrahman A-M，Li L，Wu N.妊娠糖尿病与焦虑或抑郁症之间的关联：系统评价。糖尿病研究杂志。2021; 2021：9959779。10。2018; 42（3）：337。2018; 42（3）：337。Feig DS，Berger H，Donovan L，Godbout A，Kader T，Keely E等。拨号：“糖尿病和怀孕”：加拿大糖尿病杂志2018； 42（S1）：S255-S282。加拿大糖尿病杂志。11。Chivese T，Hoegfeldt CA，Werfalli M，Yuen L，Sun H，Karuranga S等。IDF糖尿病图集：怀孕期间糖尿病的患病率 - 对2010 - 2020年发表的研究的系统审查和元分析。糖尿病研究和临床实践。2022; 183：109049。12。Wang H，Li N，Chivese T，Werfalli M，Sun H，Yuen L等。 IDF糖尿病图集：国际糖尿病协会在妊娠研究小组的标准中，全球和区域妊娠糖尿病患病率的全球和区域妊娠糖尿病患病率。 糖尿病研究和临床实践。 2022; 183：109050。 13。 Carson L，Henderson JN，King K，Kleszynski K，Thompson DM，Mayer P.美洲印第安人糖尿病的信念和实践：糖尿病孕妇的焦虑，恐惧和恐惧。 糖尿病光谱。 2015; 28（4）：258-63。 14。 BöhmeP，Bertin E，Cosson E，Chevalier N，G组。对1型糖尿病患者患者低血糖的恐惧：患者和糖尿病学家是否有同样的感觉？ 糖尿病和代谢。 2013; 39（1）：63-70。Wang H，Li N，Chivese T，Werfalli M，Sun H，Yuen L等。IDF糖尿病图集：国际糖尿病协会在妊娠研究小组的标准中，全球和区域妊娠糖尿病患病率的全球和区域妊娠糖尿病患病率。 糖尿病研究和临床实践。 2022; 183：109050。 13。 Carson L，Henderson JN，King K，Kleszynski K，Thompson DM，Mayer P.美洲印第安人糖尿病的信念和实践：糖尿病孕妇的焦虑，恐惧和恐惧。 糖尿病光谱。 2015; 28（4）：258-63。 14。 BöhmeP，Bertin E，Cosson E，Chevalier N，G组。对1型糖尿病患者患者低血糖的恐惧：患者和糖尿病学家是否有同样的感觉？ 糖尿病和代谢。 2013; 39（1）：63-70。IDF糖尿病图集：国际糖尿病协会在妊娠研究小组的标准中，全球和区域妊娠糖尿病患病率的全球和区域妊娠糖尿病患病率。糖尿病研究和临床实践。2022; 183：109050。13。Carson L，Henderson JN，King K，Kleszynski K，Thompson DM，Mayer P.美洲印第安人糖尿病的信念和实践：糖尿病孕妇的焦虑，恐惧和恐惧。 糖尿病光谱。 2015; 28（4）：258-63。 14。 BöhmeP，Bertin E，Cosson E，Chevalier N，G组。对1型糖尿病患者患者低血糖的恐惧：患者和糖尿病学家是否有同样的感觉？ 糖尿病和代谢。 2013; 39（1）：63-70。Carson L，Henderson JN，King K，Kleszynski K，Thompson DM，Mayer P.美洲印第安人糖尿病的信念和实践：糖尿病孕妇的焦虑，恐惧和恐惧。糖尿病光谱。2015; 28（4）：258-63。 14。 BöhmeP，Bertin E，Cosson E，Chevalier N，G组。对1型糖尿病患者患者低血糖的恐惧：患者和糖尿病学家是否有同样的感觉？ 糖尿病和代谢。 2013; 39（1）：63-70。2015; 28（4）：258-63。14。BöhmeP，Bertin E，Cosson E，Chevalier N，G组。对1型糖尿病患者患者低血糖的恐惧：患者和糖尿病学家是否有同样的感觉？糖尿病和代谢。2013; 39（1）：63-70。2013; 39（1）：63-70。
磁共振成像和频谱
道格拉斯C. Dean III A，B，C， *，M Dylan Tisdall D，Jessica L. Wisnowski E，F，Eric Feczko G，H，H，Borjan Gagoski I，J，Andrew L.Edden，M，Wei Gao，O，Timothy J. Hendrickson H，P，Q，Brittany R. Hello R。 Natacha Beck AB，以及AD，Suchandrima Banerjee，Sergiy Boroday AB，以及AD，AD，Arvind Caprian AB，Bryan Caron Anders Daslake AI，William T. Clarke aj，William T.格雷厄姆，亚伦。M，M，Jennifer Vannest By，BZ，Martyr AP，Yansong Zhao，z̈Aller，M，Damien A.公平>公平G，H，CB，**，Christopher D. Smyser，1，***，耶稣T. ElisonM. Okan Irfaglu ax , Steven Kecskemeti c , Tobias Course, Joshua M. Cuperman ak , Bidhan Lamichhane is G. Lee h , p , q , q , q , m , m , Leigh MacIntyre ab , and , and , This is the same as the Ab, and , Mary Kate Manhard Murali-Manohar l , m , Christian Navarre , Mary Beth Nebel Bd , be , be, Sharlene D. Newman Bf , bg , Bj , bj , Bk , Bk , Elizabeth S. Norton , bm , Regis Ongarro-Carcy ab , and , ad , Xiawei Your , good , Minhui Ouyang d , t , Todd B. Parrish , bq , James J. Pekar , f Dan W. Retmant , Pierre Rioux ab , ad , ad , Jens T , m ,
临床医学中的人工智能
3。在临床医学的人工智能中接受的结论提交：人机接口会议上的生成和交互式系统强调了AI在临床医学中的扩大作用。一系列研究涵盖了AI驱动的医学文本和临床注释分析的进步，到医学图像处理，神经生物学和人机界面的突破，突出了生成和经典AI的潜力，以改善医疗保健。所有提交中一致的主题是强调实用的现实世界应用，显示了AI提高诊断准确性的能力，监测认知症状，分析不同的数据类型并增强临床决策过程。尽管有这些进步，但需要确定临床问题以及对医疗保健中AI技术的持续评估和评估，以确保其安全性，功效和可靠性仍然至关重要。本文介绍的作品对这种正在进行的对话做出了重大贡献，展示了将AI整合到医疗保健景观中的可能性和剩余挑战。参考Duffy，G.，Christensen，K。和Ouyang，D。（2024）。利用3D超声心动图评估AI模型性能在预测分布数据的心脏功能方面。生物计算的太平洋研讨会（PSB）。 Huang，Z.，Bianchi，F.，Yuksekgonul，M.，Montine，T。J.，＆Zou，J。 （2023）。 使用医学Twitter的病理图像分析的视觉语言基础模型。 生物计算的太平洋研讨会（PSB）。 江，Y.，欧文，J。 （2024）。生物计算的太平洋研讨会（PSB）。Huang，Z.，Bianchi，F.，Yuksekgonul，M.，Montine，T。J.，＆Zou，J。 （2023）。 使用医学Twitter的病理图像分析的视觉语言基础模型。 生物计算的太平洋研讨会（PSB）。 江，Y.，欧文，J。 （2024）。Huang，Z.，Bianchi，F.，Yuksekgonul，M.，Montine，T。J.，＆Zou，J。（2023）。使用医学Twitter的病理图像分析的视觉语言基础模型。生物计算的太平洋研讨会（PSB）。 江，Y.，欧文，J。 （2024）。生物计算的太平洋研讨会（PSB）。江，Y.，欧文，J。（2024）。自然医学，29（9），第9条。https：//doi.org/10.1038/s41591-023-02504-3 Javedani Sadaei，H.Zoish：一种新颖的功能选择方法利用了医疗保健中机器学习应用的Shapley添加值。A.，Ng，A。N.，＆Zou，J.vetllm：大型语言模型，用于预测兽医注释的诊断。生物计算的太平洋研讨会（PSB）。 li，A.，Yang，Y.，Cui，H。，＆Yang，C。（2024）。 Brainsteam：基于连接组的FMRI分析对主题分类的实用管道。 生物计算的太平洋研讨会（PSB）。生物计算的太平洋研讨会（PSB）。li，A.，Yang，Y.，Cui，H。，＆Yang，C。（2024）。Brainsteam：基于连接组的FMRI分析对主题分类的实用管道。生物计算的太平洋研讨会（PSB）。生物计算的太平洋研讨会（PSB）。
人工智能在印度教育领域的作用
摘要：本研究通过使用 PRISMA 方法进行系统文献综述，调查了人工智能 AI 在印度教育领域的作用。该研究分析了 111 篇论文，并分为三个领域提出研究结果：人工智能的定义和发展、人工智能的技术进步以及人工智能在印度教育中的作用。研究结果表明，人工智能工具提高了评分效率，培养了学生的批判性思维和分析能力。 关键词：人工智能、系统文献综述、技术进步、批判性思维、印度教育部门 1. 简介 在教育领域，人工智能 (AI) 至关重要。它通过提供审查答题纸和机器人教学的自动化机制 (Malik et al., 2019)，使学生和教师都受益。教师能够更有效地帮助学生，因为人工智能提高了课程和管理层面的教育效率。学习分析 (LA)、虚拟现实 (VR)、评分/评估 (G/A) 和录取只是人工智能为教师提供的一些便利 (Ahmad 等人，2022)。人工智能可以分为三个范式：人工智能指导、人工智能支持和人工智能赋能。每个范式都为教育实践提供了新的机遇、潜力和困难 (Ouyang & Jiao., 2021)。人工智能工具将使欠发达国家的教育工作者能够使用数据来改善教育的公平性和地位。他们还将提供新的教学和学习策略 (Joshi 等人，2021)。教育工作者仍然不确定如何在更大范围内有效地将人工智能用于教学，以及它如何影响高等教育的教学和学习 (Kengam, 2020)。人工智能技术改进以多种方式帮助解决教育挑战，包括算法的进步、海量数据以及以低成本提高计算机能力和存储。因此，研究文章试图回答以下研究问题。RQ1 人工智能的主要定义是什么，以及它随着时间的推移如何演变？RQ2 本研究的目的是调查人工智能在印度教育领域的作用和影响，解决有关人工智能定义和演变、其在印度教育中的作用以及未来研究空白的关键研究问题。现有文献主要关注各种人工智能技术；然而，它没有讨论人工智能的发展及其在印度等发展中国家的关键作用。这项人工智能工作在以下方面是独一无二的1)
社论：人工智能应对 STEM 教育挑战
人工智能 (AI) 是一种新兴技术，在 STEM 教育和 STEM 教育研究中得到越来越多的应用（例如，Zhai 等人，2020b；Ouyang 等人，2022；Linn 等人，2023）。人工智能被定义为一种模仿人类认知行为的技术，在解决 STEM 教育中一些最具挑战性的问题方面具有巨大潜力（Neumann 和 Waight，2020；Zhai，2021）。其中一项挑战是支持所有学生实现 21 世纪科学学习愿景，例如在美国。K-12 科学教育框架（国家研究委员会，2012 年）、德国（Kulgemeyer 和 Schecker，2014 年）、芬兰（芬兰国家教育委员会，2016 年）和 PISA 框架（OECD，2017 年）。这些政策文件要求学生提高运用思想的能力，以便学习者能够利用他们的知识解决具有挑战性的问题并理解复杂的现象。例如，该框架要求学生发展将学科核心思想 (DCI) 和跨不同科学学科 (CCC) 的交叉概念的知识与参与主要科学和工程实践 (SEP) 的技能相结合的能力，以解释日常科学现象和解决实际问题。该框架还描述了学生在发展预期能力方面取得进展的途径，称为学习进度。但是，为了最好地支持学生发展这种能力，需要进行评估，使学生能够使用知识解决具有挑战性的问题并理解现象。这些评估需要经过设计和测试，以有效地定位学生的学习进度，从而向学生和教师提供有关他们学习中有意义的下一步的反馈。然而，这样的任务评分很耗时，而且很难为学生提供适当的反馈以将他们的知识发展到下一个水平。人工智能技术，更具体地说是机器学习，已成功证明能够帮助自动评估复杂结构，例如学生的解释（Nehm 等人，2012 年）论证能力（Zhai 等人，2022a），学生在完成类似于教学中使用的复杂任务的任务时产生的绘图模型（Zhai 等人，2022b）（有关概述，请参阅 Zhai 等人，2020a）。基于机器学习的评估实践涵盖了一系列学术著作，旨在利用人工智能技术的潜力在 STEM 教育背景下评估学习，以支持学习者发展预期的能力。
CATL国际研发中心于香港科学园正式启用 200人研发团队推动香港新能源及绿色科技创新
（香港，2024 年 10 月 15 日）——香港科技园公司今天与全球新能源技术创新领导者宁德时代新能源科技股份有限公司（宁德时代）共同主持宁德时代国际研发中心的正式开幕仪式。仪式标志着宁德时代在香港科学园正式成立，公司计划在第一阶段招募 200 名致力于科研和本地人才发展的专业人员。新研究院预计将为香港新能源和绿色技术的发展做出重大贡献。作为全球领先的锂离子电池制造商，宁德时代连续七年入选福布斯中国 50 强最具创新力公司之一。宁德时代国际研发中心占地约 9,000 平方英尺，是该公司在中国内地和德国以外的第六个全球研发机构。这体现了香港“背靠祖国、通向世界”的独特优势。揭幕仪式由香港创新科技及工业局局长孙东教授、香港科技园公司行政总裁黄克强先生、香港科技园公司署理企业发展总监兼生态系统发展主管柯志雄先生、宁德时代研发联席总裁欧阳楚英教授等嘉宾主礼。其他出席嘉宾还包括宁德时代企业规划部总监曲涛先生、宁德时代国际研发院副总裁兼首席技术官龚家栋先生。创新、科技及工业局局长孙冬教授表示：“作为全球新能源科技的领导者，宁德时代展现出敏捷的领导力和快速创新的能力。我和在场的各位非常高兴地见证宁德时代国际研发中心在不到一年的时间内于香港科学园正式落成。除了宁德时代，特别高兴地看到越来越多来自内地和海外的科技公司在香港扎根。过去两年，我们成功吸引超过100家极具潜力或代表性的创科企业来港设立或拓展业务。特区政府将与这些企业紧密合作，全面培育香港的创科生态圈，协助他们创造最大价值。”
chatgpt，大型语言模型和法律
1。See generally Alec Radford, Jeff Wu, Rewon Child, D. Luan, Dario Amodei & I. Sutskever, Language Models Are Unsupervised Multitask Learners (2019) (unpublished manuscript), https://d4mucfpksywv.cloudfront.net/better-language-models/language-model s.pdf [https://perma.cc/7tud-38j5]; Long Ouyang, Jeff Wu, Xu Jiang, Diogo Almeida, Carroll L. Wainwright, Pamela Mishkin, Chong Zhang, Sandhini Agarwal, Katarina Slama, Alex Ray, John Schulman, Jacob Hilton, Fraser Kelton, Luke Miller, Maddie Simens, Amanda Askell, Peter Welinder, Paul Christiano, Jan Leike &瑞安·洛（Ryan Lowe），培训语言模型遵循人类反馈的指示4，2022）（未出版的手稿），https://arxiv.org/pdf/2203.02155.pdf [https://perma.cc/myf8-28l9]。2。See Muhammad Usman Hadi , Qasem Al Tashi, Rizwan Qureshi, Abbas Shah, Amgad Muneer, Muhammad Irfan, Anas Zafar, Muhammad Bilal Shaikh, Naveed Akhtar, Jia Wu & Seyedali Mirjalili, Large Language Models: A Comprehensive Survey of Its Applications, Challenges, Limitations, and Future前景（2023年12月7日）（未发表的手稿），https：//www.semanticscholar.org/paper/large-language-models%3a-a-a-comprehensial--comphermiss--compherive--susporment-of-hadi-tashi/24de-tashi [https://perma.cc/fl y8-zd2p]。3。请参阅OpenAI，GPT-4技术报告（3月1，2024）（未发表的手稿），https://arxiv.org/abs/2303.08774 [https://perma.cc/m5vx-tjlt]。4。“理解”一词在引用中，因为不给这些AI系统化拟人化并不意义地暗示它们具有类似于人类的认知能力。5。6。L. R EV。L. R EV。相反，正如本文强调的那样，LLM AI系统通过统计近似来获得其智能观察结果。确实，他们通常能够产生非常准确和类似人类的反应，但目前，他们很可能不会以与人类认知理解相当或类似的方式“理解”人类语言。因此，在这种情况下，“理解”可以被认为是说这些模型产生的统计输出在鉴于输入的响应范围内，并且经常近似于一个类似位置的人，他们确实理解了认知水平上的输入，会产生响应。即使这种产生响应迅速且显着的人类输出的能力是显着的，但考虑到当前AI模型的工作方式，人们必须注意不要暗示类似人类的认知。OpenAi，介绍ChatGpt：对话的优化语言模型，o Pen AI：B日志（2022年11月30日），https：//openai.com/blog/chatgpt [https://perma.cc/8qwz-7nky]。Daniel Schwarcz和Jonathan H. Choi，《律师的AI工具：实用指南》，108 M Inn。h eadnotes 1，1（2023）;乔纳森·H·乔（Jonathan H.
没有随机传递性的成对比较
成对比较数据在统计学和机器学习中受到了广泛关注，并在各个领域有着广泛的应用。这类数据通常来自锦标赛，其中每个成对比较结果都来自两个选手或队伍之间的比赛，或来自众包环境，其中个人负责比较两个项目，例如图像、电影或产品。具体而言，著名的瑟斯顿 (Thurstone, 1927) 和布拉德利-特里 (BT; Bradley and Terry, 1952) 模型为该领域奠定了基石，随后进行了许多扩展，包括 Shah 等人 (2016a) 提出的参数序数模型，拓宽了参数模型的类别。Oliveira 等人 (2018) 放宽了已知链接函数的假设，并提出了允许链接函数属于广泛函数家族的模型。非参数方法也已出现，例如 Shah 和 Wainwright (2018) 中基于 Borda 计数算法介绍的工作，以及 Chatterjee (2015) 和 Chatterjee 和 Mukherjee (2019) 研究的非参数 Bradley-Terry 模型。此外，还开发了用于众包环境的成对比较模型，如 Chen 等人 (2013) 和 Chen 等人 (2016) 等所讨论的。成对比较模型已获得广泛的应用，包括排名聚合（Chen and Suh，2015；Chen 等人，2019；Heckel 等人，2019；Chen 等人，2022b）、预测比赛 / 锦标赛（Cattelan 等人，2013；Tsokos 等人，2019；Macr`ı Demartino 等人，2024）、测试博彩市场的效率（McHale and Morton，2011；Ly´ocsa and V`yrost，2018；Ramirez 等人，2023）以及基于人工评估改进大型语言模型（Christiano 等人，2017；Ouyang 等人，2022；Zhu 等人，2023）。虽然上述模型对该领域做出了重大贡献，但它们依赖于随机传递性的假设，这意味着球员/球队/项目之间存在严格的排名。然而，这种假设可能不切实际，特别是在涉及多种技能或策略的环境中，不传递性自然会出现。尽管它具有实际重要性，但对允许不传递性的模型的研究仍然有限。一些值得注意的例外包括 Chen 和 Joachims (2016) 和 Spearing 等人 (2023) 的工作，他们通过引入额外参数来描述不传递性以及基于 Bradley-Terry 概率指定绝对优势的参数，扩展了 Bradley-Terry 模型。Spearing 等人 (2023) 提出了一种在完整贝叶斯框架下进行参数估计的马尔可夫链蒙特卡罗算法。然而，他们的贝叶斯程序计算量大，对于涉及许多球员或相对较高潜在维度的高维设置不切实际。 Chen 和 Joachims (2016) 将参数视为固定量，并通过优化正则化目标函数来估计它们。然而，它们的目标函数是非凸的，并且它们的模型高度过度