XiaoMi-AI文件搜索系统
World File Search System倾向的
人工智能系统中的算法政治偏见
摘要 一些人工智能 (AI) 系统会表现出算法偏见，即它们可能会产生基于社会身份不公平地歧视人们的输出。关于这个主题的许多研究都集中在基于性别或种族身份而使人们处于不利地位的算法偏见上。相关的伦理问题非常重要且众所周知。针对人们社会身份其他方面（例如政治倾向）的算法偏见在很大程度上仍未被探索。本文认为，针对人们政治倾向的算法偏见可能以与算法性别和种族偏见相同的方式出现。然而，它与它们有一个重要区别，因为（在民主社会中）有强烈的社会规范反对性别和种族偏见。但这并不适用于政治偏见。因此，政治偏见可以更有力地影响人们，这增加了这些偏见嵌入算法的可能性，并且使得算法政治偏见比性别和种族偏见更难发现和根除，尽管它们都会产生类似的危害。由于一些算法现在还可以轻易地在违背人们意愿的情况下识别他们的政治倾向，这些问题变得更加严重。因此，算法政治偏见带来了巨大而独特的风险，人工智能社区应该意识到并加以审视。
术前 MRI 脑表型与老年人术后谵妄相关
术后谵妄倾向的潜在结构相关性仍然很大程度上未知。对术前脑磁共振成像 (MRI) 标记物的综合分析可以提高我们对谵妄病理生理学的理解。因此，我们旨在识别计划接受重大择期手术的老年患者的不同 MRI 脑表型，并评估这些表型与术后谵妄之间的关系。通过对老年患者 (n = 161，平均年龄 71，标准差 5 岁) 的 MRI 脑部扫描确定神经退行性和神经血管性脑部变化的标记物，其中 24 人 (15%) 患上谵妄。进行了层次聚类分析。我们发现了六组具有不同 MRI 脑表型的患者。逻辑回归分析显示，多重负担病理患者发生术后谵妄的几率较高（n = 15 (9%)，比值比（95% 置信区间）：3.8 (1.1–13.0)）。总之，这些结果表明，不同的 MRI 脑表型与大型择期手术后发生谵妄的不同风险相关。MRI 脑表型有助于更好地了解术后谵妄易感性的结构相关性。
谁想在19日期大流行期间重新开放经济？大胆而无聊
经济关闭是指不让员工在现场工作的，这是减少Covid-19的传播的最有争议的方法之一。尽管经济关闭挽救了生命，但他们的巨大经济成本导致某些人建立了强烈的态度，甚至打破了政府发出的授权，这会危害健康的风险，并且通常需要扩大经济关闭。在当前文章中，我们认为，两个人格特征，冒险倾向和社会社会倾向的相互作用是对经济关闭的态度的强烈态度，我们评估了这种互动对三种不同态度对经济关闭的影响，这些态度是对其局限性目标的经济关闭的：结果表明，这种互动显着预测了对客户和组织的经济关闭态度，而不是员工。我们建议可以通过行为决策理论的角度以及最新的反社会风险接受者框架来理解这些结果，这两者都为未来的研究提供了几个后续方向。我们提出了有关有效信息的推断，以遏制定义行为，以遏制经济关闭的行为，例如专注于最有可能执行这些有问题的行为的行为 - 大胆而无聊的行为。
COVID-19 与前列腺癌患者的雄激素靶向治疗
当前由严重急性呼吸综合征冠状病毒 2 (SARS-CoV-2) 引起的大流行 (COVID-19) 是一项全球性健康挑战，人们正在积极开发抗病毒药物和疫苗，以期减轻其巨大的疾病负担。早期报告已证实，跨膜丝氨酸蛋白酶 2 (TMPRSS2) 和血管紧张素转换酶 2 (ACE2) 是 SARS-CoV-2 的关键靶点，可促进病毒进入宿主细胞。TMPRSS2 和 ACE2 在肺部以外的多种人体组织中表达，包括可能存在 SARS-CoV-2 感染倾向的睾丸。TMPRSS2 是一种雄激素反应基因，其融合是前列腺癌中最常见的变异之一。雄激素剥夺疗法和雄激素受体信号抑制剂对雄激素的抑制是前列腺癌治疗的基础。在本综述中，我们重点介绍了越来越多的证据支持雄激素调节 TMPRSS2 和 ACE2，以及使用雄激素抑制下调 TMPRSS2 以靶向 SARS-CoV-2 的潜在临床意义。我们还讨论了未来的方向和需要解决的争议，以确定通过雄激素信号调节靶向 TMPRSS2 和/或 ACE2 治疗 COVID-19 的可行性，特别是其在前列腺癌管理中的相关性。
Kaposi的肉瘤相关疱疹病毒（KSHV）LANA可防止KSHV inpoyomes
发展科学家长期以来，长期以来，中骑兵的新兴能力对社会世界和自我的深刻含义，在这里被称为超越思维，是一个标志性的发展阶段。在这项5年的纵向研究中，六十五名14-18岁的年轻人在心理上抓住社会故事的伦理，系统级别和个人含义，预测两个关键大脑网络的协调增长：未来会增加两个关键的大脑网络：默认模式网络，涉及反思，自动化和自动化学网络，并参与了专注于努力，专注于努力，专注于努力，专注于努力，涉及;发现独立于智商，种族和社会经济背景。这种神经发展预测了成年后期的身份发展，该发展预测了年轻成年的自我爱好和关系满意度，这是在发展的级联中。这些发现揭示了中级教育者神经发育的新颖预测指标，并提出了与青少年倾向的重要性，即通过在社会和个人相关性上对问题的复杂观点和情感进行积极的态度，例如通过公民志趣相投的教育方法。
关税可能会使通货膨胀率超过美联储的TAR
每月经济数据在一月份感到失望，零售，汽车销售，住房销售和生产生产的下降。当月有许多一次性阻力：LA野火，不良流感季节，并且在美国大陆的大部分地区（可能具有最大影响）严重的冬季天气。即使这些逆风在2月份消失了，也出现了新的阻力。总督削减了联邦总额，并为联邦计划的暂停付款推动了失业索赔，并且可能会在未来六个月内转化为250,000至500,000累计的工资增长。大选后消费者的情绪跳跃，但在一月和二月被逆转和削弱。密歇根大学的消费者调查（通过政治隶属关系破坏了情感）表明，下降集中在民主党倾向的消费者中，这些消费者是自2008年以来最受欢迎的消费者。共和党倾向的情绪要好得多。但即使是调查，其受访者的右右派人士对经济不确定性也越来越关注，尤其是与较高的关税有关。2月和3月提议的关税增加将相当于税收增加在美国GDP的0.5％至1.0％之间，相当于美国公司税收收入的一半，换句话说，这是实质上的大笔涨幅。无论是最终以更高还是更低的水平，关税上涨有望在2025年和2026年提高价格。通货膨胀进入2025沿正确方向的趋势。核心PCE指数不包括食物和能源在1月份放缓，自2021年3月以来的同比增长。但是，随着关税提高商品价格，美联储的重点已从后视数据流转变为前瞻性前景，并且随着更具侵略性的移民执法减少了进入就业市场的移民人数。美联储还在一月份和2月在高等汽油，柴油和较高汽油，柴油和天然气价格的鸡蛋和肉类价格的通货膨胀方面观看鸡蛋和肉类价格的通货膨胀。这些结合的冲击似乎将使通货膨胀率在2025年的两百分之二。美联储在一月份的决定中保持稳定的利率，并表示他们“不急于”在近期降低利率。自从他们的决定以来，金融市场因一月份的宏观放缓，总督和关税噪声而感到不安，并已开始以美联储在2025年底进行大幅削减的可能性。然而，Comerica继续预测美联储将联邦资金目标减少到年底的四分之一，因为通货膨胀将使他们成为挫败感。此外，华盛顿可能很快就会就重新利用Doge的支出削减和税收收入的计划开始讨论，从而在2026年缴纳了减税税，美联储将其视为经过近期放缓的理由。单独预测，预测美联储将结束其资产负债表的径流（又称7月的“定量拧紧”或QT）。
认知任务中的个体差异
在本文中，我们回顾了最近（已发表和新颖的）数据，这些数据显示了小鼠在赌博任务（MGT，即小鼠赌博任务）中建立的决策策略的个体间差异。同类动物会发展出不同的行为，乍一看可能很有趣。然而，使用大量小鼠，我们发现 MGT 中出现了个性，大约 30% 的健康小鼠表现出规避风险的选择，而大约 20-25% 的小鼠做出风险倾向的选择。这些策略伴随着不同的大脑网络动员和区域（前额叶和纹状体）单胺的个体水平。我们进一步说明了三种对健康成年小鼠认知策略产生巨大影响的生态方式：睡眠剥夺、蔗糖或人工甜味剂暴露以及定期暴露于刺激环境。如何揭开个体策略的面纱，它们的神经/神经化学基础是什么，以及我们是否可以通过不同的环境操纵来塑造或重塑它们，这些问题具有重要意义，首先是为了了解大脑如何做出灵活的决定，其次是为了研究健康成人和发育中大脑的行为可塑性。后者可能为在心理疾病出现之前识别对不良事件的脆弱性特征开辟新途径。
Jianfeng XuJerome鹿牛肉
Jerome I. Rotter，M.D。是医学遗传学家/遗传流行病学家。鹿特博士的研究是常见的复杂疾病的遗传学。他为我们对心脏代谢疾病的遗传基础的了解（动脉粥样硬化，冠状动脉疾病，瓣膜心脏病，心律不齐和心律失常和EKG变化，血压和高血压，脂质疾病，脂肪疾病，脂肪肝，肥胖，肥胖，糖尿病和糖尿病（类型疾病），自发性/胰岛素疾病（自动疾病）炎症性肠病，全身性狼疮，腹腔疾病，消化性溃疡），眼部疾病（糖尿病性视网膜病，角膜疾病，角膜肿瘤，青光眼，黄斑变性，近视，早产性视网膜病），神经学疾病（神经学疾病）（Streoke，Stroke，Stroke，Stroke，Alzheimer's，Alzheimer's，Copnition's，Copnition）和药物学。许多遗传基因座产生多洛西氏多基因风险评分，作为解剖病因学并在不同人群中进行风险评估的工具。这项工作的最终目标是确定心脏代谢和眼部疾病的最佳疗法和预防作为个人遗传倾向的函数。这是精确/个性化医学的基础。
提高移动应用程序能源效率的技术：分类和系统文献评论
智能手机的严重限制是它们具有电池供电。这意味着低电池可能会阻止用户执行重要任务。能源效率被认为是移动应用程序的重要非功能性能。鉴于全球使用的移动设备的双倾向的共同消费，移动应用程序的能源效率与绿色软件工程密切相关[1]。与可持续性一起，两者在许多学科中都是新兴的主题，并且在软件启动中也越来越相关。研究表明，移动开发人员意识到能源消耗问题，并且对解决这些问题的解决方案感兴趣[2]。但是，阻止移动开发人员构建节能软件系统的两个主要障碍是缺乏知识和缺乏工具[3]。因此，我们确定了调查和概括可用技术以提高文献中移动应用程序能源效率的必要性。为了满足这一需求，我们进行了一项大规模的系统文献综述（SLR），旨在汇编有关该主题现有知识的代表性样本。为了增强SLR对从业者和研究人员的可及性和实用性，我们将发现结果组织为分类学。通过浏览分类法的类别，从业人员可以轻松访问相关且适用的研究结果，而研究人员可以找到与当前研究努力相关的相关研究。
中立的多新闻摘要可减轻框架偏差
媒体新闻框架偏见会加剧政治两极分化，破坏公民社会。因此，对自动缓解方法的需求日益增长。我们提出了一项新任务，即从具有不同政治倾向的多篇新闻文章中生成中立摘要，以促进平衡和无偏见的新闻阅读。在本文中，我们首先收集一个新的数据集，通过案例研究阐明关于框架偏见的见解，并为该任务提出一个新的有效指标和模型（N EU S-T ITLE）。根据我们发现标题为框架偏见提供了良好的信号，我们提出了 N EU S-T ITLE，它可以学习从标题到文章按层次顺序中和新闻内容。我们的分层多任务学习是通过使用标识符标记（“TI-TLE=>”、“ARTICLE=>”）按顺序格式化我们的分层数据对（标题、文章），并使用标准负对数似然目标微调自回归解码器来实现的。然后，我们分析并指出剩余的挑战和未来方向。最有趣的观察之一是神经 NLG 模型不仅可以产生事实上不准确或无法验证的内容，还可以产生政治偏见的内容。