XiaoMi-AI文件搜索系统
World File Search System及时
乌拉圭基于基因组学及时检测 I 型和 V 型登革热病毒
新发/再发病毒实验室。葡萄牙公共卫生实验室部病毒学系 b 意大利罗马生物医学大学可持续发展和“同一个健康”科学与技术系 c 巴西米纳斯吉拉斯州奥斯瓦尔多·克鲁兹基金会雷内·拉丘研究所 d 巴西美洲气候放大疾病和流行病（CLIMADE） e 巴西利亚泛美卫生组织/世界卫生组织（PAHO/WHO）紧急情况和灾难监测、防备和应对协调机构（PHE） f 巴西萨尔瓦多巴伊亚州大学精确和地球科学系 g 巴西米纳斯吉拉斯州中央公共卫生实验室，埃泽奎尔·迪亚斯基金会 h 基因组学系。部来自乌拉圭公共卫生实验室和呼吸道病毒实验室、病毒学部门。乌拉圭公共卫生实验室部 j 美国华盛顿特区洛克菲勒基金会流行病预防倡议 k 美国华盛顿特区泛美卫生组织/世界卫生组织（PAHO/WHO）卫生紧急情况部（PHE）传染病危害管理 l 葡萄牙里斯本大学理学院生物系统与综合科学研究所 m 葡萄牙天主教大学天主教医学院天主教生物医学研究中心 n 葡萄牙欧洲气候放大疾病和流行病（CLIMADE） o 病毒学联盟。部来自乌拉圭公共卫生实验室
生成AI的风险和机会 - 用于创新业务模型的及时工程
Learntec奖2021，ICIS20上的最佳理论论文第一名亚军奖，两个ACM CHI荣誉奖奖（CHI20，CHI21），并在Wirtschaftswoche（WiWO）的前100名中列出了所有年龄段的商业管理和管理研究人员，
细浓度：通过扩散模型进行细粒度及时驱动的3D人姿势估计
3D人姿势估计（3D HPE）任务使用2D图像或视频来预测3D空间中的人类关节坐标。尽管最新的基于深度学习的方法取得了进步，但它们主要忽略了可访问的文本和自然可行的人类知识的能力，而错过了有价值的隐性监督，以指导3D HPE任务。此外，以前的努力经常从整个人体的角度研究这项任务，从而忽略了隐藏在不同身体部位的细粒度指导。为此，我们基于3D HPE的扩散模型（名为FinePose）提出了一个新的细粒及时驱动的DeNoiser。它由三个核心块组成，增强了扩散模型的反向过程：（1）通过耦合辅助辅助文本和可学习的提示以模拟隐式指南的耦合知识，并通过耦合的辅助辅助文本和自然可行的零件知识，可以通过耦合的辅助辅助文本和自然可行的零件知识来构建精细的部分零件感知的提示。（2）Fine-
组合单词所产生的含义在太空中可以稳健地定位，但不及时
研究人类智力的核心组成部分 - 我们结合单词含义的能力 - 神经科学家寻找含义构成的神经相关性，例如与理解句子的难度成正比的大脑活动。但是，对大脑中的含义成分的产物知之甚少，这是单词超出其个人含义的综合含义。我们将该产品称为“ supra-word含义”，并通过使用最新的神经网络算法和一种新技术来设计其计算表示形式，从而将组成的新技术与个人字含义分开。使用功能性磁共振成像，我们发现在双侧前和后颞叶中处理上词的含义。令人惊讶的是，我们无法检测到磁脑摄影中的上文含义。这些结果表明，组成的含义是通过不包括同步细胞填充的不同神经机制来维持的。敏感性的这种差异对过去神经影像学和未来的神经影像学研究具有影响。
XCOOP：通过概念引导的上下文优化的计算机辅助诊断的可解释及时学习
摘要。利用大型视觉模型（VLM）的有效表示来完成各种下游任务，引起了人们越来越多的关注。在该研究领域中，软提示学习已成为有效地适应VLM（例如剪辑）的代表性方法，例如图像分类。但是，大多数现有的及时学习方法都学习无法解释的文本令牌，这些文本令牌无法满足医疗保健等高风险场景中可解释的人工智能（XAI）的严格解释性要求。为了解决这个问题，我们提出了一个新颖的可解释的提示学习框架，该框架通过在多个差异方面对齐图像，可学习的提示和临床概念驱动的提示来利用医学知识。此外，我们的框架通过从大型语言模型中引起知识来解决缺乏宝贵的概念注释，并为提示提供了视觉和文字解释。在各种数据集上进行的广泛的实验和可解释性分析，有或没有概念标签，表明我们的方法同时实现了卓越的诊断性能，灵活性和解释性，并阐明了基础模型在促进XAI方面的有效性。该代码可在https://github.com/tommy-bie/xcoop上找到。
在金沙萨省及时出生剂量疫苗的障碍和促进者，刚果民主共和国：一项定性研究
全球国家疫苗政策已成功改善了婴儿疫苗的覆盖范围，但生育剂量（BD）疫苗覆盖率仍然很低。刚果民主共和国（DRC）等国家的目的是在其国家免疫计划中包括丙型肝炎生育剂量（HEPB-BD）疫苗。HEPB-BD的短窗户的管理窗口 - 在交付后24小时内以防止母亲到孩子的传播 - 增加了简化和及时的BD疫苗的复杂性。本研究旨在通过个人的帐户来识别和理解在刚果民主共和国金沙萨省的障碍和促进者，并通过对BD疫苗采用的不同观点的账户进行限制，以准备未来的推出。
移动AIGC的跨模式生成语义通信：联合语义编码和及时工程
于2023年12月20日收到； 2024年6月18日修订； 2024年8月20日接受。出版日期2024年8月26日；当前版本的日期2024年11月5日。这项工作得到了中国国家自然科学基金会（NSFC）的一部分，根据赠款62102099和授予U22A2054的赠款，部分由Guangzhou基础研究计划，根据Grant 2023A04J1699的赠款，一部分是由Guangdong Basic和Grant Indied Basic Research Foundation下的Grant 2023A151515151514 01137。这项研究也得到了新加坡国家研究基金会的一部分，部分由InfoComm媒体发展局在其未来的通信研发研究和发展方面的一部分，部分由国防科学组织（DSO）国家实验室根据AI新加坡计划，根据Grant FCP-NTU-RG-2022-010和Grant FCP-ASTRORE的GRANT FCP-ASTRASTAR TAIRISTION，在Grant FCP-NTU-RG-2022-010和下第1层在赠款RG87/22下，部分由NTU金融计算技术中心（NTU-CCTF）。这项研究也部分得到了Sutd SRG-ISTD-2021-165的支持，部分由Sutd-Zju的想法在Grant Sutd-Zju（VP）202102下的一部分，部分由新加坡教育部，新加坡教育部在SMU-SUTD下的22-SISSIS-SIS-SIS-SIS-SMU-048和STAIRITY pactiatiatiatiatiatiatiatiation in. Smu-sutd pransiatiatiatiatiatiations praintiatiatiatiatiatiations pransiatiatiatiatiationnif。NSF在Grant CNS-2148382下部分支持Shiwen Mao的工作。建议接受J. Ren。（通讯作者：Jiawen Kang。）
通过大型语言模型的及时工程降低非英语语言的文化幻觉
摘要 - 及时工程中的预测提供了减轻大语模型（LLMS）文化幻觉的重要潜力。提示的战略表述，与深厚的文化和语言见解相结合时，可以在非英语环境中尤其是LLM的准确性和文化敏感性。本文探讨了在三个主要LLMS（Openai Chat-gpt，Google Gemini和Anthropic Claude）中及时工程的应用，阐明了量身定制的提示如何有效地减少文化偏见并改善用户互动。通过案例研究和比较分析，研究确定了最佳实践，并为进一步发展提供了战略建议。这些发现强调了在AI中持续创新和道德考虑的重要性，以确保全球技术应用中的包容性和尊重。
视觉语言一致性指导的多模式及时学习盲人AI生成的图像质量评估
摘要 - 非常重要的是，文本提示调整在调整对比的语言图像预训练（剪辑）模型中表现出了启示性能，以对自然图像质量评估。但是，这种单模式提示学习方法仅调节剪辑模型的语言分支。这还不足以使剪辑模型适应AI生成的图像质量评估（AGIQA），因为AGIS在视觉上与自然图像有所不同。此外，没有研究与AGIS相关的AGIS和用户输入文本提示之间的一致性，该提示与AGIS的感知质量相关，并未研究以指导AgiQA。在这封信中，我们提出了视觉语言一致性指导的多模式的迅速学习，以学习为clip-agiqa。具体来说，我们分别在剪辑模型的语言和视觉分支中介绍了可学习的文本和视觉提示。此外，我们设计了一个文本对象对齐质量预测任务，该任务的学习视觉一致性知识用于指导上述多模式提示的优化。对两个公共AGIQA数据集的实验结果表明，所提出的方法超过了最先进的质量评估模型。源代码可在https://github.com/junfu1995/clip-agiqa上找到。
GAO-24-106932，联邦合同：应对中国工作顾问带来的风险所需的及时行动
美国国家安全战略将中国确定为美国唯一的竞争者，具有重塑国际秩序的意图和权力，具有扩大其影响力并成为世界领先力量的野心。国会议员表示担心，向美国政府和外国政府（尤其是潜在的美国对手）咨询的公司可能会带来利益冲突，这使美国国家安全利益处于危险之中。联邦收购法规（FAR）定义了组织冲突（OCI）通常包括一个情况，即承包商等实体可能由于与另一个实体的关系或活动而无法提供公正的援助或建议。如下所述，最近制定的立法参考了承包商与外国实体的关系，这可能是OCI的原因。