XiaoMi-AI文件搜索系统
World File Search System心理
摘要 研究：AI 社会认知评估与建模。评估 LLM 中的心智理论及其在心理学中的应用 NLP：LLM IFT、表征学习（对比和三重态损失）、语义聚类、总结 DL：Transformers、MoE、EncDec、RNNs、DPO、LoRA 工具：Python、Pytorch、Deepspeed、AWS Sagemaker、hydra、SQL 管理：建立 ML 团队、职能、策略和 OKR、招募和指导科学家和实习生以及建立数据和注释伙伴关系。
摘要 研究：AI 社会认知评估与建模。评估 LLM 中的心智理论及其在心理学中的应用 NLP：LLM IFT、表征学习（对比和三重态损失）、语义聚类、总结 DL：Transformers、MoE、EncDec、RNNs、DPO、LoRA 工具：Python、Pytorch、Deepspeed、AWS Sagemaker、hydra、SQL 管理：建立 ML 团队、职能、策略和 OKR、招聘和指导科学家和实习生以及建立数据和注释合作伙伴关系。
12 年级和 13 年级心理学资源
噪音 - Daniel Kahnemann、Olivier Sibony 和 Cass Sunstein 一本关于如何做出更好决策的书。我们每天都要做出成千上万个决定，从我们甚至不知道自己在做的微小选择到重大而痛苦的深思熟虑。但是，当我们做出的每一个决定都会改变生活时，我们做出这些决定的方式就很重要。而对于每一个决定，都有噪音。这本书教我们如何理解影响和偏向我们决策的所有外部因素
英国武装部队的心理健康 1 联系人
在任何军事医疗保健机构中，因精神健康相关原因而出现的病例有（这些诊断代码已得到国防统计局和国防部一组初级保健和精神健康临床医生的认可。它们包括精神健康的体征/症状以及 ICD-10 认可的精神障碍）：Eu432、Eu32、Eu4、Eu431、E2003、E29、Eu32z-1、Eu3y、E2B、E200z、Eu33、Eu101、E2002、E2001-1、Eu900-1、Eu6、E2900-1、Eu321、Eu412、E204-1、E1137、Eu32z、Eu840-1、Eu31、Eu102、E203、Eu3、Eu403、Eu42、Eu50、E292、E29y1、E140-2、E23、 Eu41z-1、E28z-2、Eu845、Eu603、Eu341、E2001、E274、E21、E2004、Eu630-1、Eu320、E29z、Eu41z、Eu64、Eu2、E202-1、Eu0、E112、Eu401、Eu411、E2F3-1、Eu43、 Eu322、Eu32z-2、E2F3、Eu1、E2、E2005、E1122、E2020、E2C31、Eu2z-1、Eu410、E202-2、E21y2、E271、Eu502、Eu40z-1、Eu340、E2028、
英国武装部队心理健康：年度总结和长期趋势，
将与本报告一起放在心理健康统计页面上。本出版物是英国武装部队人员心理健康统计数据的唯一来源，国防部以及包括公众、媒体、学术界和慈善部门在内的外部用户都会使用本出版物。本出版物将在国防部内用于监测精神疾病发生率并协助制定政策。它还将用于促进研究并确保国防部对英国公众负责。这些统计数据仅包括服役人员。有关因心理健康原因申请赔偿的退伍军人的信息可在武装部队赔偿计划国家统计中找到。国王学院军事健康研究中心也对退伍军人的心理健康进行了研究。武装部队持续态度调查呈现了服役人员对各种主题（包括幸福感）的反馈。
利用大数据了解心理健康的因果关系：一个研究框架
在过去的 30 年中，我们开展了大量大规模的纵向精神病学研究，以增进我们对精神疾病的理解和治疗。然而，尽管研究界付出了巨大的努力和大量资金，我们仍然缺乏对大多数精神疾病的因果理解。因此，大多数精神病学诊断和治疗仍然在症状体验的层面上进行，而不是衡量或解决根本原因。这导致了一种反复试验的方法，这种方法与潜在的因果关系不相符，临床结果也不佳。在这里，我们讨论了如何将源于因果因素探索而不是症状分组的研究框架应用于大规模多维数据，以帮助解决心理健康研究面临的一些当前挑战，进而解决临床结果。首先，我们描述了寻找心理健康状况因果驱动因素所面临的一些挑战和复杂性，重点关注目前评估和诊断精神疾病的方法、症状和原因之间的多对多映射、对异质症状组的生物标记的搜索以及影响我们心理的多个动态相互作用变量。其次，我们提出了一个以因果为导向的框架，该框架基于两个大型数据集，这两个数据集来自青少年大脑认知发展 (ABCD) 研究，这是美国最大的大脑发育和儿童健康长期研究，以及全球心智项目，这是世界上最大的心理健康档案数据库以及来自全球 140 万人的生活背景信息。最后，我们描述了如何对此类数据集使用聚类和因果推理等分析和机器学习方法，以帮助阐明对心理健康状况的更因果理解，从而能够采取诊断方法和预防解决方案，从根本上解决心理健康挑战。
心理健康启动流程加入Orcha应用程序库
关于Orcha Orcha是世界领先的健康应用程序评估和分销组织。我们帮助政府以及卫生和社会护理组织，选择和提供健康应用程序，这些应用程序将在改善结果方面产生最大的影响。我们的工具可帮助健康和护理专业人员推荐和监视对健康和护理应用程序的使用。被证明可以增加对条件的接受和自我管理。对好应用充满热情，我们提供了一系列服务，以帮助应用程序开发人员创建更好的应用程序，一旦伟大，就会被重要的人发现。这种监测新应用程序，评估和社区采用的突破性方法已获得奖项。我们对NHS Digital进行了评论，而NHS England正在加速我们在NHS的服务的吸收，将Orcha放置在其国家创新加速器计划中。有关更多信息，请访问Orcha.co.uk
航空心理学 - 剑桥学者出版社
2018 年，PESA（政治、经济和社会研究中心）在意大利威尼斯举办的会议为本书的编撰发挥了重要作用，许多来自不同领域的学者和研究人员参加了此次会议。因此，我要感谢 PESA 组织和许多人。其中包括副教授 Fatih YARDIMCIOĞLU 和 Furkan BEŞEL，他们在需要时提供了全力支持。另一位是助理教授 Cihat ATAR，他在本书的编撰过程中发挥了协调员的作用。我们还要感谢年轻有为的院士 Kübra Sezikli 和 Ecem ERKOL。我还要感谢各章作者：Alev Elmas、Ayça Mumkule Erşipal、Ebru Beden、Enise Akgül、Gamze Yeşilli Puzella、Gökben Hizli Sayar、Gökçe Beden、Mehmet Ali Erkuş、Mert Akcanbaş、Merve Elif Şahne、Neşe Çaki、Özlem Çapan Özeren、Şeyma Çetin 和 Siyret Ayas，感谢他们的宝贵贡献和合作。最后，我要感谢剑桥学者出版社的工作人员在整个出版过程中提供的持续、连贯和专业的帮助。
N17 心理健康手册 | 版本 1.1 2023 年 7 月
“最重要的是，无论是在海上还是在岸上，指挥的根本在于准备和领导战斗……坚持不懈地建立一种具有最高品格的文化，一支坚韧不拔、能够获胜的团队……密切关注您自己的心理、身体和情绪健康，以及您所领导的人的健康。”——海军作战部长吉尔迪，摘自《指挥职责》为了让我们的团队做好战斗准备，我们必须确保团队的每个成员，他们的思想、身体和精神都做好了战斗准备，并为前进的人们提供支持。因此，确保我们人员的健康，尤其是心理健康，至关重要。 本剧本旨在帮助海军领导人预防、减轻或解决您指挥下的心理健康问题。这项工作在心理健康问题发生之前就开始了。它从我们的领导者创造的氛围以及您如何领导您所照顾的人开始。 在整个海军范围内，我们必须适应为我们的人员进行预防性维护的想法。我们大多数人都明白预防性维护对我们的设备和机器是必要的。今天，将这个术语应用到我们的人民身上同样重要，甚至更重要。如果你不想再读下去了，请认识到每个领导者的三个角色，从甲板到指挥三人组，到：1. 设定条件
科学现状：人体工程学中的心理工作量 - Typeset.io
心理负荷 (MWL) 是人体工程学和人为因素中最广泛使用的概念之一，代表着日益重要的主题。由于许多工作环境中的现代技术对操作员的认知要求越来越高，而体力要求却越来越低，因此了解 MWL 如何影响绩效变得越来越重要。然而，MWL 也是最模糊的概念之一，具有众多定义和维度。此外，MWL 研究倾向于关注复杂、通常安全至关重要的系统（例如运输、过程控制）。在这里，我们概述了过去三十年来在复杂系统设计中对 MWL 的理解、测量和应用的现状。最后，我们讨论了应用研究面临的当代挑战，例如认知工作量和身体工作量之间的相互作用，以及工作量“红线”的量化，该红线指定操作员何时接近或超过其性能容忍度。
