XiaoMi-AI文件搜索系统
World File Search System公平
追踪全球南方国家新冠疫苗公平性、分布和病例
可在 CC0 许可下使用。本文是美国政府作品。根据 17 USC 105，它不受版权保护，并且还提供预印本（未经同行评审认证）是作者/资助者，他已授予 medRxiv 永久展示预印本的许可。此版本的版权持有者于 2022 年 12 月 20 日发布。；https://doi.org/10.1101/2022.12.19.22283681 doi：medRxiv 预印本
纠缠的n-photon国家，以进行公平，最佳的社会决策
1魁北克研究中心大学医院中心 - 加拿大魁北克G1V 4G2的拉瓦尔大学； 2魁北克大学心脏病学研究所（CRIUCPQ） - 加拿大魁北克G1V 4G5的Laval University，加拿大魁北克大学的心脏病学研究中心； 3舍布鲁克大学医院中心（CHUS）和CRCHUS，魁北克J1H 5N4，Sherbrooke的CRCHUS 3医学遗传学服务； 4加拿大魁北克G1V 0A6大学Laval Cancer Research Center，加拿大魁北克； 5加拿大魁北克G1V 0A6，魁北克省，魁北克省法学与工程学院生物化学，微生物学和生物信息学系； 6加拿大魁北克G1V 0A6牙科医学学院口腔生态学研究小组，加拿大魁北克； 7加拿大魁北克G1V 0A6魁北克大学牙科医学学院Hérelle细菌病毒参考中心的7félix； 8国家科学研究中心（CNRS），Luminy Campus，13288 Marseille Cedex 09，Luminy Campus国家科学研究中心（CNRS）的建筑和功能； 9生物大分子的建筑和功能，Aix-Marseille大学，Luminy Campus，13288 Marseille Cedex 09，法国
公平格式spake 5（programma（a4））
9.30-10.30 |小组 - WP领导者Elena Agliari，Fabio Galasso，Giorgio Grisetti，Luca Iocchi，Maurizio Lenzerini，Stefano Leonardi，Roberto Navigli，Fabio Navigli，Fabio Patrizi，Sapienza，Sapienza
通过时间感知的追索性增强公平性
摘要算法求程（AR）通过提供可行的建议来解决自动决策中的不利结果。但是，当前的最新方法忽略了特征的相互依赖性，并且不考虑时间维度。为了填补这一空白，时间卡是一种整合时间信息的开创性方法。基于这种表述，这项工作调查了公平的背景，特别关注对边缘化人群群体的影响。由于漫长的等待时间会极大地影响社区的财务，教育和个人生活，探索与时间相关的因素如何影响这些群体的公平待遇对于建议潜在的解决方案以减少对少数人口的负面影响至关重要。我们的发现为对个人需求敏感的更公平的AR技术奠定了基础，最终提出了更公平的建议。
社区微电网中公平成本分配的集成优化和游戏理论框架
摘要 - 社区微电网中的FAIR成本分配仍然是一个重大挑战，因为多个参与者之间具有不同负载概况，分布式能源资源和存储系统的复杂相互作用。传统的成本分配方法通常无法充分解决参与者贡献和收益的动态性质，从而导致成本分配不平等，并降低了参与者的满意度。本文提出了一个新颖的框架，将多目标优化与合作游戏理论整合在一起，以进行公平有效的微电网操作和成本分配。所提出的方法结合了混合组合线性编程，以最佳资源调度与沙普利价值分析，以进行公平的收益分配，从而确保系统效率和参与者满意度。在六个不同的操作场景中使用现实世界数据对该框架进行了验证，这表明技术和环保性能都有显着改善。结果表明，通过有效的储存集成，太阳能利用率从7.8％降低到62.6％，高峰降低到114.8％，并且每天的合作收益最高为$ 1,801.01。基于沙普利价值的分配实现了平衡的福利成本分配，净头寸在不同的负载类别的范围从-16.0％到 +14.2％，以确保可持续的参与者合作。
AMGEN的卫生公平：触及范围内的结果
Amgen利用最佳的生物学和技术来抗击世界上最艰难的疾病，并使人们的生活更加轻松，更饱满，更长。我们发现，开发，制造和提供创新的药物，以帮助数百万名患者。Amgen在40年前帮助建立了生物技术行业，并使用技术和人类遗传数据远远超越了当今已知的产品，并保持了创新的前沿。我们对研发的投资产生了强大的管道，该管道基于我们现有的药物组合来治疗癌症，心脏病，骨质疏松症，炎症性疾病和罕见疾病。
MSCI ACWI IMI SDG社会公平选择索引方法
2 SDGS 1、2、4、5、8和10是指联合国17个可持续发展目标中的6个，这是2030年可持续发展议程的一部分。SDG 1旨在消除无处不在的所有形式的贫困（https://sdgs.un.org/goals/goal1）; SDG 2旨在结束饥饿，实现粮食安全和改善营养，并促进可持续农业（https://sdgs.un.org/goals/goal2）； SDG 4旨在确保包容性和公平的质量教育，并为所有人促进终身学习机会（https://sdgs.un.org/goals/goal4）； SDG 5旨在实现性别平等并赋予所有妇女和女孩的能力（https://sdgs.un.org/goals/goal5）； SDG 8旨在促进持续，包容和可持续的经济增长；充实而富有成效的就业；以及所有人的体面工作（https://sdgs.un.org/goals/goal8）; SDG 10旨在减少国家内部和之间的不平等（https://sdgs.un.org/goals/goal10）
在EOSC-LIFE工作流程中实现公平的数字对象
工作流语言（CWL）[15]，更具体地说是抽象的CWL [20]（不可执行）描述变体，伴随本机工作流定义。这以跨工作流语言的互操作方式呈现结构，组成的工具和外部接口。wfms可以生成抽象的CWL，已经为银河系演示，旁边是“本机” Galaxy Workflow描述。此语言二元性是可重复性的重要保留方面，因为可以独立于其本机格式作为CWL访问工作流的结构和元数据，即使可能不再可执行，也可以以公平的格式捕获规范的工作流。本机格式的共同存在可以从特定的WFM中直接重复使用，从而受益于其所有功能。●使用最小信息模型的有关工作流及其工具的元数据：我们使用BioSchemas [16]配置文件
探索大型语言模型以缓解偏见和公平
人工智能（AI）已成为我们日常生活中不可或缺的一部分，从虚拟分析到推荐系统为各种应用提供了动力。但是，随着AI系统越来越多地与人互动并做出决定，对公平和偏见的担忧已经走向了最前沿。这些系统经常在大型数据集中受过培训，并不总是清楚地确保数据收集过程中数据质量的准则，可以无意中学习和延续这些数据集中存在的偏见，从而导致不公平的结果。一个众所周知的例子是美国刑事司法系统中使用的Compas系统，该系统预测被告再犯罪的可能性。Propublica的一项研究发现，该系统对非裔美国人被告有偏见，因为即使没有事先定罪，他们也更有可能被标记为高风险。应对这些挑战，AI研究界的一部分一直在探索各种策略，以确保偏见并确保公平。已经出现了大量方法，其中一些涉及重新处理用于培训此类系统的数据，而另一些方法涉及根据预定义的公平指标选择最佳模型，或者其他涉及为决策制定程序提供更透明的方法。而LLM是AI中最突出的突破之一，在广泛的
Fischer的公平股权法
通过税收优惠在联邦一级鼓励的电动汽车（EV）采用，对HTF产生了进一步的压力。电动汽车不缴纳联邦天然气税，因此不会为HTF做出贡献。尽管如此，它们的重电池的重量是内燃机的重量高达三倍。例如，福特F-150闪电重6,000磅，而F-150内燃机平均重量为3,000磅。福特EV野马重近5,000磅，带有内燃机的福特野马重3500磅。重量的显着增加对道路产生了巨大影响，随着时间的流逝，需要进行更多的维护和维修。联邦政府制定了一项战略，以确保电动汽车支付其公平份额进行道路维护。