XiaoMi-AI文件搜索系统
World File Search System不一致性
人工智能（AI）在教育领域应用的机遇与挑战：文献
摘要 — 本文的主要目标是研究人工智能（AI）在教育中应用的机遇和挑战。人工智能是最先进的技术。它给教育界带来了翻天覆地的变化。本报告中的问题研究人工智能的问题和问题带来了一系列障碍，同时也为人工智能教育开辟了新的潜力。本研究考察了人工智能系统在教育领域的吸收和交流，以及人工智能技术的障碍和潜在发展模式。此外，本文还评估了研究目标和问题。此外，文献表明，各种研究方法设计都是可行的。为了开发研究方法，分层模型有三个基本层次。本章介绍了主要研究中使用的研究设计和抽样程序。它还简要介绍了主要研究的研究分析程序所使用的工具。它还解释了数据分析的方法。使用过去的销售，该技术可以预测未来趋势，同时排除季节性影响和不一致性。这种预测技术得到了更准确的销售数据的辅助，这些数据表明某些消费者和类型的客户未来将如何购买。这些数据可以帮助分析师发现营销和销售产品的新方法。关键词——人工智能、教育、应用、挑战、系统、开发和挑战。
![arXiv:2310.01432v3 [cs.CL] 2024 年 12 月 9 日](/simg/g:\will\search\icon\source\e\e7ceb8e93071edf9a053df0cbcf1b011fa58d8b3.webp)
arXiv:2310.01432v3 [cs.CL] 2024 年 12 月 9 日
大型语言模型 (LLM) 已显示出作为评估 AI 系统生成的答案质量的自动评估器的前景。然而，基于 LLM 的评估器在用于评估成对比较中的候选答案时表现出位置偏差或不一致性，无论内容如何，都会偏向第一个或第二个答案。为了解决这个限制，我们提出了 P ORTIA，这是一个基于对齐的系统，旨在模仿人类的比较策略，以轻量级但有效的方式校准位置偏差。具体来说，P ORTIA 将答案分成多个部分，同时考虑长度和语义，然后将它们合并回单个提示以供 LLM 评估。对 6 个 LLM 对 11,520 个答案对进行的大量实验表明，P ORTIA 显着提高了所有模型和比较形式的一致性率，平均相对提高 47.46%。它还使 P ORTIA 增强型 GPT-3.5 能够实现与 GPT-4 相当的与人类的一致率，并将 GPT-4 的一致率提高到 98%。后续的人工评估表明，P ORTIA 增强型 GPT-3.5 模型在与人类评估者的一致性方面甚至可以超越独立的 GPT-4，凸显了 P ORTIA 纠正立场偏见、提高 LLM 一致性和提高性能的同时保持成本效率的能力。
语境、互补性、信号和贝尔测试
摘要：这是一篇专门讨论互补性-语境性相互作用以及与贝尔不等式相关的评论。从互补性开始讨论，我指出语境性是它的种子。玻尔语境性是可观测量结果对实验语境的依赖性；对系统-仪器相互作用的依赖性。从概率上讲，互补性意味着联合概率分布 (JPD) 不存在。人们必须使用语境概率而不是 JPD。贝尔不等式被解释为语境性的统计检验，因此是不相容性的。对于与语境相关的概率，这些不等式可能会被违反。我强调，贝尔不等式测试的语境性是所谓的联合测量语境性 (JMC)，即玻尔语境性的特例。然后，我研究了信号（边际不一致性）的作用。在 QM 中，信号可以被视为一种实验产物。然而，实验数据通常具有信号模式。我讨论了信号的可能来源——例如，状态准备对测量设置的依赖性。原则上，可以从信号阴影的数据中提取“纯语境性”的度量。这个理论被称为默认语境性 (CbD)。它导致不等式，其中有一个量化信号的附加项：Bell–Dzhafarov–Kujala 不等式。
缓解图神经网络应用于欺诈检测的不一致性问题
基于图的模型已广泛应用于欺诈检测任务。由于图神经网络 (GNN) 的发展，最近的研究提出了许多基于同构或异构图的 GNN 欺诈检测器。这些工作利用现有的 GNN 并汇总邻域信息来学习节点嵌入，这依赖于邻居共享相似的上下文、特征和关系的假设。然而，欺诈者造成的不一致性问题很少被研究，即上下文不一致、特征不一致和关系不一致。在本文中，我们介绍了这些不一致性并设计了一个新的 GNN 框架 GraphConsis 来解决不一致问题：（1）对于上下文不一致，我们建议将上下文嵌入与节点特征相结合； (2) 针对特征不一致，我们设计了一个一致性评分来过滤不一致的邻居并生成相应的采样概率；(3) 针对关系不一致，我们学习与采样节点相关的关系注意权重。对四个数据集的实证分析表明，不一致问题在欺诈检测任务中至关重要。大量实验证明了 GraphConsis 的有效性。我们还发布了一个基于 GNN 的欺诈检测工具箱，其中包含 SOTA 模型的实现。代码可在 https://github.com/safe-graph/DGFraud 获得。
以及水生系统中的纳米塑料
微塑料和纳米塑料是全球重要的环境污染物。尽管该领域的研究在不断改进，但在淡水系统中微颗粒和纳米颗粒的影响评估中存在许多不确定性、不一致性和方法学挑战。目前对不利影响的理解部分受到使用不相关的颗粒类型、不合适的测试设置和不切实际的环境剂量指标的影响，这些指标没有考虑到颗粒吸收的实际过程及其随之而来的影响。在这里，我们通过汇编最新的研究来总结当前的技术水平，旨在强调研究差距和实现更协调的测试系统所需的进一步步骤。特别是，生态毒理学情景需要反映环境现实的颗粒多样性和生物利用度。协调的测试设置应包括不同的吸收途径、暴露和与天然参考颗粒的比较。效果评估需要区分直接物理颗粒效应（例如由聚合物引起的损伤和毒性）和间接效应（例如通过浸出改变周围环境条件、改变浊度、稀释食物和改变生物行为）。实施这些建议有助于协调和更有效、基于证据地评估微塑料和纳米塑料的生态毒理学效应。
树引导的稀有功能选择和电子健康记录数据逻辑聚合
在分析电子健康记录（EHR）数据时，通常会遇到具有大量稀有二进制特征的统计学习，尤其是在具有先前医疗诊断和程序的疾病建模时。处理所产生的高度稀疏和大规模的二进制特征矩阵是众所周知的具有挑战性的，因为传统方法可能缺乏测试和模型拟合中的不一致性，而机器学习方法可能无法产生可解释的结果或临床上有意义的风险因素。为了改善基于EHR的建模并利用疾病分类的自然分层结构，我们提出了针对大规模回归的树木制定特征选择和逻辑方法，具有稀有的二进制特征，在这种情况下，不仅通过稀疏追求来实现降低尺寸，而且还可以通过与逻辑启动子进行逻辑启动子来实现。我们将组合问题转换为线性约束的正则化估计，该估计可以通过理论上的构造实现可扩展的计算。在具有EHR数据的自杀风险研究中，我们的方法能够选择和汇总以诊断疾病的诊断层次结构为指导的先前的心理健康诊断。通过平衡EHR诊断记录的稀有性和特异性，我们的策略都改善了预测和解释。我们确定了重要的高级类别和心理健康状况的子类别，并同时确定每个人都需要与自杀风险相关的特异性水平。
PET/MRI：SUV 测量的可靠性/可重复性
SUV 指标在临床中被广泛使用，因为它简单、易用、可重复，并且与传统的全身 PET/CT 采集协议兼容，只需要静态扫描，而全动力学建模方法则需要复杂的动态研究和动脉血样采集。几乎所有商业和开源医学图像显示软件平台都提供测量 SUV 的选项。然而，定量成像生物标志物联盟倡议的 PET 技术委员会最近进行的一项研究表明，临床和研究环境中使用的不同软件包之间存在相当大的不一致性 [ 4 ]。还应注意，大多数软件包将 SUV 标准化为患者的体重（等式( 6.1 )）。然而，由于脂肪组织的代谢活性不如其他组织，因此提出了其他变体，包括标准化为瘦体重（SUV LBM 或 SUL）[ 5 ] 或体表面积（SUV BSA ）[ 6 ]。最大SUV（SUV max ）代表最高体素SUV值，平均SUV（SUV mean ）代表定义的VOI中所有体素的平均SUV，无疑是最广泛使用的半定量指标（图6.1 ）。相反，SUV峰值（图6.1 ）在PERCIST标准中定义为代表SUV平均值
调整法学硕士评估员的立场偏见
大型语言模型 (LLM) 已显示出作为评估 AI 系统生成的答案质量的自动评估器的前景。然而，基于 LLM 的评估器在用于评估成对比较中的候选答案时表现出位置偏差或不一致性，无论内容如何，都会偏向第一个或第二个答案。为了解决这个限制，我们提出了 P ORTIA，这是一个基于对齐的系统，旨在模仿人类的比较策略，以轻量级但有效的方式校准位置偏差。具体来说，P ORTIA 将答案分成多个部分，同时考虑长度和语义，然后将它们合并回单个提示以供 LLM 评估。对 6 个 LLM 对 11,520 个答案对进行的大量实验表明，P ORTIA 显着提高了所有模型和比较形式的一致性率，平均相对提高 47.46%。它还使 P ORTIA 增强型 GPT-3.5 能够实现与 GPT-4 相当的与人类的一致率，并将 GPT-4 的一致率提高到 98%。后续的人工评估表明，P ORTIA 增强型 GPT-3.5 模型在与人类评估者的一致性方面甚至可以超越独立的 GPT-4，凸显了 P ORTIA 纠正立场偏见、提高 LLM 一致性和提高性能的同时保持成本效率的能力。
非线性电化学阻抗谱用于锂离子电池模型参数化
在本研究中，我们分析了锂离子电池的局部非线性电化学阻抗谱 (NLEIS) 响应，并从测量的 NLEIS 数据中估算模型参数。该分析假设单粒子模型包括电极粒子内锂的非线性扩散和其表面的不对称电荷转移动力学。基于此模型并假设一个中等较小的激励幅度，我们系统地推导出直至二次谐波响应的阻抗的解析公式，从而可以根据模型中的物理过程和非线性对每个贡献进行有意义的解释。我们探讨了这对参数化的影响，包括使用最大似然进行结构识别分析和参数估计，同时使用了合成和实验测量的阻抗数据。可以精确拟合阻抗数据，但拟合的扩散时间尺度的不一致性表明非线性扩散模型可能不适用于所考虑的电池。还通过使用参数化模型预测时域电压响应来证明模型验证，并且结果表明这与测量的电压时间序列数据 (11.1 mV RMSE) 具有出色的一致性。© 2023 作者。由 IOP Publishing Limited 代表电化学学会出版。这是一篇开放获取的文章，根据知识共享署名 4.0 许可条款分发 (CC BY，http://creativecommons.org/licenses/ by/4.0/ )，允许在任何媒体中不受限制地重复使用作品，前提是对原始作品进行适当的引用。[DOI：10.1149/ 1945-7111/acada7 ]
患者血清中的穹窿 RNA 水平存在显著差异……
摘要。在细胞外非编码 RNA 中，癌症患者血清中的微小 RNA 水平已得到广泛研究。相反，血清中穹窿 RNA (vtRNA) 水平与各种疾病状况的关系仍不清楚。本研究评估了血液病患者血清 vtRNA1-1 水平的临床意义。评估了血清 vtRNA1-1 的稳定性和亚定位，并开发了一种使用加标 RNA 来量化血清 vtRNA1-1 的逆转录定量 PCR 方法。在 102 名血液病患者中评估了血清 vtRNA1-1 水平。血清 vtRNA1-1 在 4˚C 下可稳定三周，并且不限于外泌体级分。使用加标 RNA 来校正 RNA 提取中的不一致性。对照组（n=46）血清 vtRNA1-1 水平介于 7.28 和 8.76 log 10 cps/ml 之间（中位数为 8.05）。血清 vtRNA1-1 水平与白细胞计数相关，在巨细胞白血病和淋巴瘤患者中最高升高至 10.01 log 10 cps/ml，在强化化疗期间降至 6.52 log 10 cps/ml。血液系统恶性肿瘤患者的血清 vtRNA1-1 水平差异很大。血清 vtRNA1-1 可能源自血液系统细胞，是正常和恶性血液系统活动的潜在生物标志物。