XiaoMi-AI文件搜索系统
World File Search System偏差
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。
COVID-19 疫苗接种错误和偏差指南
本指导文件旨在为医疗保健提供者提供在发生无意的疫苗接种错误或偏差后应采取的建议措施，以支持对这些事件进行一致且最佳的管理。疫苗接种错误是任何可预防的事件，可能导致或导致疫苗使用不当和/或患者受到伤害。本指导还涉及偏离其他推荐做法的情况（例如，疫苗使用不符合制造商和/或加拿大国家免疫咨询委员会 (NACI) 的建议，但不属于疫苗接种错误）。这些在下文中称为“偏差”。
氢进化反应过渡态的偏差依赖性
摘要：氢进化反应（HER）是绿色能量转变的最突出的电催化反应之一。然而，跨材料和电解质pH的动力学以及高电流密度下的氢覆盖率仍然鲜为人知。在这里，我们研究了她在工业相关的酸性和碱性膜电极组件中的大量纳米颗粒催化剂上的动力学，这些催化剂仅由纯水加湿的气体运行。我们发现了铁三合会（Fe，Ni，Co），造币（AU，Cu，Ag）和铂类金属（IR，PT，PT，PD，RH）之间的不同动力学指纹。重要的是，所应用的偏差不仅改变了激活能（E A），还会改变指数前因子（a）。我们将这些变化解释为界面溶剂的熵变化，由于氢的覆盖率变化，酸和碱之间的差异和熵变化。最后，我们观察到阴离子可以诱导酸中造币金属的巴特勒 - 沃尔默行为。我们的结果为了解她的动力学提供了新的基础，更广泛地强调了迫切需要更新对电催化领域基本概念的共同理解。■简介
会计中的经营战略与战略偏差...
摘要 我们回顾了关于商业战略和战略偏差对会计、财务和公司治理结果的影响的实证档案文献。我们使用 Miles 和 Snow（组织战略、结构和流程。McGraw-Hill，1978 年；组织战略、结构和流程。斯坦福大学出版社，2003 年）的战略类型学，该类型学已由 Bentley 等人使用财务报表数据进行了量化（当代会计研究，2013 年，30，780）。研究使用此策略分数来调查公司遵循两种不同策略（即探矿者与防御者）对各种组织结果的影响。我们的调查提供了有关商业战略、财务报告质量、财务结果和公司治理（包括企业社会责任 (CSR) 活动）之间关系的混合证据。我们为未来的研究提出了一些建议。
脑损伤后的消极归因偏差及相关危险因素
* 通讯作者：Dawn Neumann，dmneuman@iupui.edu。作者贡献 Dawn Neumann：参与研究设计和数据解释，并领导稿件介绍和方法部分，并帮助编辑和修改稿件的其他部分 Flora M Hammond：参与研究设计和数据解释，并帮助编辑和修改稿件的所有部分 Angelle Sander：参与研究设计和数据解释，并领导稿件讨论部分，并帮助编辑和修改稿件的其他部分 Surya Sruthi Bhamidipalli：参与数据分析、结果撰写和表格制作。 Susan M Perkins：参与研究设计、数据解释、数据分析、分析和结果部分的撰写，以及编辑和修改论文的所有部分。
用于偏差场的深度卷积神经网络...
摘要 偏置场作为一种低频平滑信号，对磁共振（MRI）图像具有一定的破坏作用，是医生诊断和图像处理（如分割、纹理分析、配准等）的主要障碍。在分析受损的MRI图像之前，需要一个预处理步骤来校正图像中的偏置场。与传统基于信号模型和先验假设的偏置场去除算法不同，深度学习方法不需要对信号和偏置场进行精确建模，也不需要调整参数。经过深度神经网络训练大训练集后，输入带有偏置场的MRI图像，输出校正后的MRI图像。本文提出以log-Gabor滤波器组获得的多个频带上的偏置场局部特征图像和原始图像作为输入，通过深度可分离卷积神经网络对脑MRI图像的偏置场进行校正，并使用残差学习和批量归一化来加速训练过程并提高偏置场校正性能。我们的训练模型在 BrainWeb 模拟数据库和 HCP 真实数据集上进行了测试，定性分析的结果表明我们的训练模型取得了比传统最先进的 N4 和 NIMS（非迭代多尺度）方法更好的性能。关键词：磁共振成像；强度不均匀性校正；偏置场；Log-Gabor 滤波器；深度学习
AI协助决策中的确认偏差
全球对心理保健（MH）服务的飙升已经扩大了在关键MH组件中使用AI辅助技术的兴趣，包括评估和分类。然而，尽管通过决策支持减轻从业者负担是MH-AI集成的优先事项，但AI系统对从业者决策的影响仍然不足。这项研究是第一个研究MH诊断决策中从业者判断与AI建议之间相互作用的一项研究。使用受试者之间的小插图设计，该研究部署了一个模拟AI系统，以对MH专业人士和心理学专业学生的样本提供有关患者分类和评估的信息，并对评估和分类程序有深刻的了解。的发现表明，当参与者与最初的诊断和专业直觉保持一致时，他们更倾向于信任和接受AI建议。此外，当AI的建议偏离其专业判断时，声称具有更高专业知识的人表现出了增加的怀疑。这项研究强调了MH从业者既没有表现出坚定不移的信任，也没有完全遵守AI，而是表现出确认偏见，主要赞成反映其先前存在的信念的建议。这些见解表明，尽管从业人员可以纠正AI的建议建议，但实施DECIAS的实用性使AI来抵消从业者偏见需要进行额外的调查。
用于偏差补偿的物理信息神经网络 ...
我们提出了一种新颖的物理信息神经网络建模方法，用于腐蚀疲劳预测中的偏差估计。混合方法旨在将深度神经网络中的物理信息层和数据驱动层合并。结果是一个累积损伤模型，其中物理信息层用于模拟相对容易理解的现象（通过 Walker 模型进行裂纹扩展），数据驱动层用于解释难以建模的物理现象（即由于腐蚀导致的损伤累积偏差）。使用数值实验来展示所提出的物理信息神经网络在损伤累积方面的主要特征。测试问题包括预测飞机机翼面板上使用的 Al 2024-T3 合金的腐蚀疲劳。除了循环载荷外，面板还受到盐水腐蚀。物理信息神经网络使用对输入的全面观察（远场载荷、应力比和腐蚀性指数 - 每个机场定义）和对输出的非常有限的观察（仅对一小部分机队进行检查时的裂纹长度）进行训练。结果表明，物理信息神经网络能够学习原始疲劳模型中由于腐蚀而导致的修正，并且预测足够准确，可以对机队中不同飞机的损坏进行排名（可用于确定检查优先级）。
CMIP6模型中降水偏差的物理学
摘要：有条件的不稳定性和羽毛的浮力驱动潮湿对流，但在模型对流方案中具有多种代表性。垂直热力学结构信息来自大气辐射测量（ARM）位点和重新分析（ERA5），卫星来源的降水（TRMM3B42）以及与羽流浮力相关的诊断方法用于评估气候模型。以前的工作表明，CMIP6模型比其CMIP5对应物更准确地代表潮湿的对流过程。然而，对流发作的某些偏见在CMIP建模工作中仍然存在。我们诊断出每日产量的九个CMIP6模型的队列中诊断这些偏差，从而评估了等效温度，U e和饱和等效温度的条件不稳定性与羽毛模型相比，具有不同混合假设的羽状模型。大多数型号捕获了垂直结构的定性方面，包括与较低的自由对流层高度相当下降，并随着沉积空气的夹带而进行。我们定义了“伪进入”的诊断，该诊断结合了相结合的条件不稳定性，类似于小型建筑物近似值下的夹带会产生的条件不稳定性。这捕获了较大的衰减率（干空气的夹带）和小的饱和度（尽管夹带较高）之间的权衡。此伪进入诊断也是综合浮力开始降水的临界值的合理指标。模型（使用Tiedtke方案的变体的）模型或CAM5的夹带率较低，并且含量较低的模型（例如NASA-GISS）在此诊断中的观察范围内，均位于旁边。