XiaoMi-AI文件搜索系统
World File Search Systempreference
通过直接偏好优化将蛋白质生成模型与实验适应性对齐
在未标记的蛋白质数据集上训练的生成模型表明，没有任何特定于任务的训练数据，可以预测某些生物学功能。但是，此功能并未扩展到所有相关功能，在许多情况下，无监督的模型仍然不足以特定于任务，监督的基线。我们假设这是由于基本的“一致性差距”所致，在该差距中，在无监督培训期间所学的规则不能保证与感兴趣的功能有关。在这里，我们演示了如何为蛋白质生成模型提供有用的特定任务信息，而不会失去训练期间学到的丰富的一般知识。使用称为直接偏好优化（DPO）的优化任务，我们通过鼓励模型希望稳定而不是稳定的变体，从而使结构调节的语言模型对齐，以生成稳定的蛋白质序列。我们所产生的模型ProteIndpo是第一个结构条件的语言模型偏好于实验数据。ProteIndpo实现了竞争性稳定性预测，并始终优于该模型的无监督和填充版本。值得注意的是，对齐模型在其训练数据之外的领域也表现良好，以实现大蛋白的绝对稳定性预测和多链复合物的结合亲和力预测，同时还可以实现多种骨干的单步稳定。这些结果表明，ProteIndpo从其生物物理对齐数据中学习了可推广的信息。
学生对人工智能（AI）在高等教育中应用的感知和偏好：元认知
摘要 人工智能 (AI) 是一项技术进步，是教育领域以及人类生活所有领域的一项潜在游戏规则改变者创新。它存在于我们的生活中，并在现代社会高效发展。人工智能的起源通常源于 1956 年达特茅斯夏季计算机科学科学研究。人工智能的普遍理解是“执行认知任务”的能力，这些任务通常与人类思维相关，特别是在解决问题和学习方面。通过这项实证研究，研究人员了解了学生对人工智能的看法和偏好。研究人员基于自制的态度量表，探讨了男性、女性、城市、农村及其流派之间的态度差异。人工智能在教育中的应用是 Alpha 一代迈出的新一步。如今，学生们使用多种人工智能工具，如 ChatGPT（生成由开放人工智能创建的对话）、Grammarly（检查拼写、语法和标点符号，检测抄袭等）、Tutor AI（将学生与合格的导师联系起来）、QuillBot（在线写作平台）、Duolingo（语言学习应用程序）、Education Copilot（课程计划、写作提示、学生报告和项目大纲的平台）、Curipod（用于制作课程的交互式演示工具）等，是教育领域最著名的人工智能工具。
熟练程度和感觉如何影响老年人移动技术支持的偏好和感知
在使用更新的用户界面重新访问功能或从新的，复杂或使用较少的应用程序中的错误重新介绍时，很少会寻求正式支持[29，34]。相反，老年人可以使用试用方法，咨询YouTube视频，或者寻求朋友和家人的社会支持[29，33，34]。在最近的一项研究中，23名老年人中有16名（他们既不是移动技术使用的绝对初学者也不是专家），报告说从未在其移动设备上使用帮助菜单[34]。这种趋势反映了使用说明手册[2，11，25，29，40]的范式转变。相反，老年人在持续移动使用期间广泛使用两种类型的技术支持，自我探索[34]，反复试验[23，29]或“播放” [41] [41]）和社会支持[33，34]。为了满足老年人不断变化的技术支持偏好，新的支持工具正在出现[8，17，38，45]。同样重要但探索较少的是老年人个性，生活经验和一般学习偏好的异质性如何影响他们的技术支持选择。有些人可能更喜欢自我探索，而有些人则在继续移动使用期间寻求社会支持[29，34，35]。即使人们喜欢一种技术支持，他们也可能不会认为它是有效的或高质量的[34]。技术支持可以在确保老年人积极地体验技术方面发挥重要作用[1]。积极的经验可以在老年人中提高技术使用的信心[1，3]。充满信心，老年人更加开放探索和使用新的应用程序，功能和服务。在继续使用期间，积极的情绪反应不仅是由技术的有用性和易用性触发的，而且还可以易于学习使用它及其技术支持的质量[26，33，34]。例如，已显示结构化计算机课程可以增加自我报告的信心，并减少计算机使用过程中的焦虑，例如在网上查找健康信息时[6]。计算机焦虑症可以预测老年人的计算机使用广度[9，10]，这可能是由于年龄刻板印象所引起的，即老年人的技术能力少于年轻人的技术能力[24]。由于这种刻板印象的威胁，使用移动应用程序后，老年人可能会感到年龄较大，尤其是当这些应用程序不熟悉时[5]。焦虑和信心构成了与一般学习相关的各种感觉的末端[20]。我们还知道，这些感觉会影响老年人的技术吸收和使用[9，24，34，42]。但是，他们在老年人的技术支持选择中的作用仍然未知。基于过去的工作，我们假设：
文章对现实人形机器人中体现人工智能和外观的用户偏好进行建模
摘要：具有具身人工智能 (EAI) 的逼真人形机器人 (RHR) 在社会中具有广泛的应用，因为人脸是最自然的交流界面，人体是穿越地球人造区域的最有效形式。因此，开发具有高度人性化的 RHR 为人类提供了一个栩栩如生的容器，使人类能够以任何其他形式的非生物人类模拟无法超越的方式与技术进行物理和自然的交互。本研究概述了一项人机交互 (HRI) 实验，该实验采用了两个具有对比外观和个性的自动化 RHR。本研究中使用的选择性样本组由 20 个人组成，按年龄和性别分类以进行多样化的统计分析。皮肤电反应、面部表情分析和人工智能分析允许对生物特征和人工智能数据与参与者证词进行交叉分析，以具体化结果。这项研究的结论是，年轻的测试对象更喜欢外表年轻的 RHR 的 HRI，而年龄较大的测试对象更喜欢外表年长的 RHR。此外，女性测试组更喜欢外表年轻的 RHR 的 HRI，而男性测试对象更喜欢外表年长的 RHR。这项研究对于为具有 EAI 的 RHR 的外表和个性建模很有用，这些 RHR 适合特定的工作，例如照顾老人和为年轻、孤立和弱势群体提供社交陪伴。
和谐与个性：分析ai-aged Music偏好与个人特质之间的联系
人工智能（AI）在过去几十年中取得了进步，以至于能够产生创意作品，其中一个领域是音乐。先前的研究表明，人类倾向于对AI艺术表现出负面的偏见，尽管与人类是否能够准确区分AI艺术家与人类艺术家的结果存在对比的结果。先前的研究表明，在5巨头人格特征，年龄人口统计学，创造性的身份和对AI技术的熟悉程度中具有不同特征的人对AI的视觉艺术作品有所不同。但是，没有研究在AI生成的音乐领域调查了这一现象。因此，本研究旨在检查音乐组成领域中的个人特征与AI感知之间的关系。我们假设年轻人将能够比老一辈更好地区分AI-和人类生成的音乐。此外，我们假设在开放和愉悦的人方面得分很高的人对AI生成的音乐的负面态度较小，而在神经质和尽职尽责的人中，对AI生成音乐的负面态度更高。在对在线调查做出回应的31个参与者的样本中，我们发现了感知到的作曲家身份与参与者的偏好之间的显着相关性，而我们没有发现个人特征与参与者的准确性和偏好之间的任何显着相关性。讨论了对我们对AI生成的艺术品的理解的影响。
大规模多模态脑成像数据的机器学习揭示了手部偏好的神经相关性
a 浙江大学心理与行为科学系，中国杭州 b 柏林工业大学，德国 c 马克斯普朗克认知学院，马克斯普朗克人类认知与脑科学研究所，德国莱比锡 d 语言与遗传学系，马克斯普朗克心理语言学研究所，荷兰奈梅亨 e 神经科学系，马克斯普朗克经验美学研究所，德国法兰克福 f 唐德斯大脑、认知与行为研究所，荷兰奈梅亨 g 人类遗传学系，荷兰奈梅亨拉德堡德大学医学中心，h 浙江大学医学院邵逸夫医院精神病学系，中国杭州
从改善粮食安全的创新中删除政治
摘要尽管与健康和教育相关，但现实生活中的自我控制的神经认知机制在很大程度上是未知的。最近的研究揭示了腹侧前额叶皮层在计算综合价值信号中的重要作用，但其他大脑区域对现实生活自我控制的贡献和相关性仍然不清楚。要根据长期后果研究决定的神经相关性，并评估大脑解码方法对现实生活自我控制的个体预测的潜在，我们将功能磁共振成像组合在一起，在偏好决策过程中的功能磁共振成像与大型社区样本中每日自我控制的生态瞬时评估（n = 266）（n = 266）。与长期结论一致的决定与双侧角回和precuneus的活性增加有关，涉及不同形式的视角采取的区域，例如想象一个人自己的未来以及他人的观点。将多元模式分析应用于同一群集表明，各个活动模式预测了现实生活中自我控制的概率。大脑的激活是关于介导现实生活自我控制的潜在机制的情景思维和心理性的。
DD 表格 2910-1，“丢失的 DD 表格 2910 的替换，受害者报告偏好声明”
估计此次信息收集的公共报告负担平均为每份回复 30 分钟，包括审查说明、搜索现有数据源、收集和维护所需数据以及完成和审查信息收集的时间。请将关于此负担估计或本次信息收集任何其他方面的评论（包括减轻负担的建议）发送至国防部华盛顿总部服务处，地址为 whs.mc-alex.esd.mbx.dd-dod-informationcollections@mail.mil。受访者应注意，尽管法律有其他规定，但如果信息未显示当前有效的管理和预算办公室控制编号，则任何人均不会因未遵守信息收集而受到任何处罚。
可靠性指标对预测过程管理决策支持系统的使用、接受和偏好的影响
摘要 尽管数据、模拟技术和预测分析的可用性不断提高，但目前尚不清楚用户是否会信任决策支持系统 (DSS)，以及在何种条件下会信任。DSS 旨在通过更准确的预测和建议，帮助用户在专业任务中做出更明智的决策。这项混合方法用户研究通过分析 DSS 用户界面中集成可靠性指示对首次使用不确定情况下的流程管理的潜在影响，为信任校准研究做出了贡献。十位专门从事建筑数字工具的专家被要求在一个改造项目场景中测试和评估两个版本的 DSS。我们发现，虽然用户表示他们需要完全访问所有信息才能做出自己的决定，但 DSS 中的可靠性指示往往会让用户更愿意做出初步决策，用户会根据指示的可靠性调整他们的信心和依赖性。DSS 中的可靠性指示还增加了主观有用性和系统可靠性。根据这些发现，建议在可靠性指示设计中，从业者考虑在 DSS 用户界面中显示多个粒度级别的可靠性信息组合，包括可视化，例如交通信号灯系统，并为可靠性信息提供解释。进一步的研究方向
使用脑部计算机界面
摘要：本研究旨在研究识别前额叶皮层中大脑活动的任务，这些任务与不同偏好水平的音乐相对应。由于有关主题最喜欢的音乐影响的任务表现会导致更好的结果，因此我们专注于对音乐偏好水平的脑电图（EEG）乐队的物理解释。实验是使用连续响应数字界面实现的，用于三种类型的音乐刺激的偏好分类。结果表明，最喜欢的歌曲比低和中等偏好水平的音乐更为引人注目。此外，额叶theta与认知状态的相关性表明，额叶theta不仅与认知状态有关，而且与情感处理相关。这些发现表明，最喜欢的歌曲对听众的积极影响比不太有利的音乐产生了更多的积极影响，并暗示额叶皮质中的Theta和Lower Alpha是认知状态和情感的良好指标。