XiaoMi-AI文件搜索系统
World File Search System法来
椰子废物：发现可持续的方法来推进循环经济
1东北生物技术网络，联邦塞尔吉普大学，基督教49100-000，巴西Sergipe； fabriciavieira@academico.ufs.br（F.V.）; hortenciap@academico.ufs.br（H.E.P.S.）; ruzeneds@academico.ufs.br（d.s.r.）2 CIAS-CENDER用于农业系统和可持续性的研究与开发，政治研究所是Viana do Castelo Cnico，Nun'a lvares工业和商业学校街，n 34，4900-367 Viana do Castelo，葡萄牙； joana@estg.ipvc.pt（J.S. ）; ppires@estg.ipvc.pt（P.P. ）; mvazvelho@estg.ipvc.pt (m.v.-v.) 3 Center for Exact Sciences and Technology, Federal University of Sergipe, Christ O V ã O 49100-000, Sergipe, Brazil 4 Graduate Program in Biotechnology, Federal University of Sergipe, SC 49100-000, Sergipe, Sergipe, BRAZIL 5 GRADUATE PROGRAM IN INTELLECTUAL PROPERTY SCIENCE, FEDERAL UNIVERSITY OF SERGIPE, CHRISTIAN O V A v A 49100-000，巴西Sergipe *通信：meiriellyjesus@ipvc.pt（M.J。）; silvadp@academico.ufs.br（d.p.s.）2 CIAS-CENDER用于农业系统和可持续性的研究与开发，政治研究所是Viana do Castelo Cnico，Nun'a lvares工业和商业学校街，n 34，4900-367 Viana do Castelo，葡萄牙； joana@estg.ipvc.pt（J.S.）; ppires@estg.ipvc.pt（P.P.）; mvazvelho@estg.ipvc.pt (m.v.-v.) 3 Center for Exact Sciences and Technology, Federal University of Sergipe, Christ O V ã O 49100-000, Sergipe, Brazil 4 Graduate Program in Biotechnology, Federal University of Sergipe, SC 49100-000, Sergipe, Sergipe, BRAZIL 5 GRADUATE PROGRAM IN INTELLECTUAL PROPERTY SCIENCE, FEDERAL UNIVERSITY OF SERGIPE, CHRISTIAN O V A v A 49100-000，巴西Sergipe *通信：meiriellyjesus@ipvc.pt（M.J。）; silvadp@academico.ufs.br（d.p.s.）
比较基于规则和基于LLM的方法来启用主动机器人助手对话
[1] Michael Ahn，Anthony Brohan，Noah Brown等。2022。尽我所能，而不是我所说：机器人负担中的基础语言。Arxiv：2204.01691 [2] Christoph Bartneck，Elizabeth Croft和Dana Kulic。2009。拟人化，动画，可爱性，感知的智力和感知机器人安全性的测量工具。国际社会机器人学杂志1，1（2009），71-81。https://doi.org/10.1007/s12369-008-0001-3 [3] Deborah R. Billings，Kristin E. Schaefer，Jessie Y.C. Chen和Peter A. Hancock。 2012。 人类机器人互动：建立对机器人的信任。 in proc。 HRI。 ACM，109–110。 https://doi.org/10.1145/2157689.2157709 [4] Anthony Brohan，Noah Brown，Justice Carbajal，Yevgen Chebotar和evgen Chebotar和等。 2023。 RT-2：视觉语言行动模型将Web知识传递到机器人控制。 https://doi.org/10.48550/arxiv.2307.15818 arxiv：2307.15818 [CS] [5] John Brooke。 1995。 sus：快速而肮脏的可用性量表。 可用性评估。 ind。 189（1995）。 [6] L. Clark，N。Pantidi，O。Cooney，P。Doyle，D。Garaiallde，J。Edwards，B。Spillane，C。Murad，C。Munteanu，V。Wade和B. R. Cowan。 2019。 是什么使良好的交谈？ 在设计真正的对话代理方面面临挑战。 in proc。 chi。 1–12。 https://doi.org/10.1145/3290605.3300705 [7] D. A. Dhinagaran，L。Martinengo，M。R. Ho，S。Joty，T。Kowatsch，R。Atun和L. T. Car。 2022。 2023。https://doi.org/10.1007/s12369-008-0001-3 [3] Deborah R. Billings，Kristin E. Schaefer，Jessie Y.C.Chen和Peter A. Hancock。2012。人类机器人互动：建立对机器人的信任。in proc。HRI。 ACM，109–110。 https://doi.org/10.1145/2157689.2157709 [4] Anthony Brohan，Noah Brown，Justice Carbajal，Yevgen Chebotar和evgen Chebotar和等。 2023。 RT-2：视觉语言行动模型将Web知识传递到机器人控制。 https://doi.org/10.48550/arxiv.2307.15818 arxiv：2307.15818 [CS] [5] John Brooke。 1995。 sus：快速而肮脏的可用性量表。 可用性评估。 ind。 189（1995）。 [6] L. Clark，N。Pantidi，O。Cooney，P。Doyle，D。Garaiallde，J。Edwards，B。Spillane，C。Murad，C。Munteanu，V。Wade和B. R. Cowan。 2019。 是什么使良好的交谈？ 在设计真正的对话代理方面面临挑战。 in proc。 chi。 1–12。 https://doi.org/10.1145/3290605.3300705 [7] D. A. Dhinagaran，L。Martinengo，M。R. Ho，S。Joty，T。Kowatsch，R。Atun和L. T. Car。 2022。 2023。HRI。ACM，109–110。 https://doi.org/10.1145/2157689.2157709 [4] Anthony Brohan，Noah Brown，Justice Carbajal，Yevgen Chebotar和evgen Chebotar和等。 2023。 RT-2：视觉语言行动模型将Web知识传递到机器人控制。 https://doi.org/10.48550/arxiv.2307.15818 arxiv：2307.15818 [CS] [5] John Brooke。 1995。 sus：快速而肮脏的可用性量表。 可用性评估。 ind。 189（1995）。 [6] L. Clark，N。Pantidi，O。Cooney，P。Doyle，D。Garaiallde，J。Edwards，B。Spillane，C。Murad，C。Munteanu，V。Wade和B. R. Cowan。 2019。 是什么使良好的交谈？ 在设计真正的对话代理方面面临挑战。 in proc。 chi。 1–12。 https://doi.org/10.1145/3290605.3300705 [7] D. A. Dhinagaran，L。Martinengo，M。R. Ho，S。Joty，T。Kowatsch，R。Atun和L. T. Car。 2022。 2023。ACM，109–110。https://doi.org/10.1145/2157689.2157709 [4] Anthony Brohan，Noah Brown，Justice Carbajal，Yevgen Chebotar和evgen Chebotar和等。2023。RT-2：视觉语言行动模型将Web知识传递到机器人控制。 https://doi.org/10.48550/arxiv.2307.15818 arxiv：2307.15818 [CS] [5] John Brooke。 1995。 sus：快速而肮脏的可用性量表。 可用性评估。 ind。 189（1995）。 [6] L. Clark，N。Pantidi，O。Cooney，P。Doyle，D。Garaiallde，J。Edwards，B。Spillane，C。Murad，C。Munteanu，V。Wade和B. R. Cowan。 2019。 是什么使良好的交谈？ 在设计真正的对话代理方面面临挑战。 in proc。 chi。 1–12。 https://doi.org/10.1145/3290605.3300705 [7] D. A. Dhinagaran，L。Martinengo，M。R. Ho，S。Joty，T。Kowatsch，R。Atun和L. T. Car。 2022。 2023。RT-2：视觉语言行动模型将Web知识传递到机器人控制。https://doi.org/10.48550/arxiv.2307.15818 arxiv：2307.15818 [CS] [5] John Brooke。 1995。 sus：快速而肮脏的可用性量表。 可用性评估。 ind。 189（1995）。 [6] L. Clark，N。Pantidi，O。Cooney，P。Doyle，D。Garaiallde，J。Edwards，B。Spillane，C。Murad，C。Munteanu，V。Wade和B. R. Cowan。 2019。 是什么使良好的交谈？ 在设计真正的对话代理方面面临挑战。 in proc。 chi。 1–12。 https://doi.org/10.1145/3290605.3300705 [7] D. A. Dhinagaran，L。Martinengo，M。R. Ho，S。Joty，T。Kowatsch，R。Atun和L. T. Car。 2022。 2023。https://doi.org/10.48550/arxiv.2307.15818 arxiv：2307.15818 [CS] [5] John Brooke。1995。sus：快速而肮脏的可用性量表。可用性评估。ind。189（1995）。 [6] L. Clark，N。Pantidi，O。Cooney，P。Doyle，D。Garaiallde，J。Edwards，B。Spillane，C。Murad，C。Munteanu，V。Wade和B. R. Cowan。 2019。 是什么使良好的交谈？ 在设计真正的对话代理方面面临挑战。 in proc。 chi。 1–12。 https://doi.org/10.1145/3290605.3300705 [7] D. A. Dhinagaran，L。Martinengo，M。R. Ho，S。Joty，T。Kowatsch，R。Atun和L. T. Car。 2022。 2023。189（1995）。[6] L. Clark，N。Pantidi，O。Cooney，P。Doyle，D。Garaiallde，J。Edwards，B。Spillane，C。Murad，C。Munteanu，V。Wade和B. R. Cowan。2019。是什么使良好的交谈？在设计真正的对话代理方面面临挑战。in proc。chi。1–12。https://doi.org/10.1145/3290605.3300705 [7] D. A. Dhinagaran，L。Martinengo，M。R. Ho，S。Joty，T。Kowatsch，R。Atun和L. T. Car。2022。2023。设计，开发，评估和实施一个基于规则的对话代理（Discover）：开发概念框架。MHealth和UHealth（2022）。[8] Satyam Dwivedi，Sanjukta Ghosh和Shivam Dwivedi。使用及时的工程和内在的学习来打破偏见：LLMS中的性别公平。Rupkatha人文跨学科研究期刊15，4（2023）。https://doi.org/10.21659/rupkatha.v15n4.10 [9] Gabriel Haas，Michael Rietzler，Matt Jones和Enrico Rukzio。2022。保持简短：语音助手的响应行为的比较。在2022 CHI人为因素会议论文集（CHI '22）中。计算机协会，美国纽约，美国，第321条，第12页。https://doi.org/10.1145/3491102.3517684 [10] Guy Hoffman和Wendy Ju。2014。设计机器人时要牢记运动。人类机器人相互作用杂志3，1（2014），91-122。[11] Trung Dong Huynh，William Seymour，Luc Moreau和Jose这样。2023。为什么会话助手仍然是黑匣子？透明度的情况。in proc。cui。ACM，1-5。 https://doi.org/10.1145/3571884.3604319 [12] Frank Joublin, Antonello Ceravola, Pavel Smirnov, Felix Ocker, Joerg Deigmoeller, Anna Belardinelli, Chao Wang, Stephan Hasler, Daniel Tanneberg, and Michael Gienger. 2023。 COPAL：具有大语言模型的机器人动作的纠正措施。 ARXIV预印型ARXIV：2310.07263（2023）。 2017。 2023。ACM，1-5。https://doi.org/10.1145/3571884.3604319 [12] Frank Joublin, Antonello Ceravola, Pavel Smirnov, Felix Ocker, Joerg Deigmoeller, Anna Belardinelli, Chao Wang, Stephan Hasler, Daniel Tanneberg, and Michael Gienger.2023。COPAL：具有大语言模型的机器人动作的纠正措施。ARXIV预印型ARXIV：2310.07263（2023）。2017。2023。[13] Kornelia Lazanyi和Beata Hajdu。信任人类机器人互动。在2017年IEEE第14届国际信息学科学会议。IEEE，216–220。 https://doi.org/10.1109/informatics.2017.8327249 [14] Jan Leusmann，Carl Oechsner，Johanna Prinz，Robin Welsch和Sven Mayer。 厨房对象的数据库：在人类机器人相互作用的背景下调查危险感知。 在Chi的扩展摘要中。 ACM，第6，9页。 https://doi.org/10.1145/3544549.3585884 [15] Jan Leusmann，Chao Wang，Michael Gienger，Albrecht Schmidt和Sven Mayer。 2023。 了解人类机器人相互作用的不确定性循环。 https://doi.org/10.48550/arxiv.2303.07889 arxiv：2303.07889 [CS.HC] [16] Jan Leusmann，Jannik Wiese，Jannik Wiese，Moritz Ziarko和Sven Mayer。 2023。 调查活跃智能助手的机会，以启动与用户互动的机会。 in proc。 妈妈。 ACM，495–498。 https://doi.org/10.1145/3626705.3631787 [17] Zeng，Zhengxiao du，Chenhui Zhang，Sheng Shen，Tianjun Zhang，Yu Su，Huan Sun，Minlie Huang，Yuxiao Dong和Jie Tang。 2023。 代理商：评估LLM作为代理。 arxiv：2308.03688 [CS.AI] [18] Amama Mahmood，Junxiang Wang，Bingsheng Yao，Dakuo Wang和Chien-Ming Huang。 2023。 LLM驱动的对话语音助手：交互模式，机会，挑战和设计指南。 2022。IEEE，216–220。https://doi.org/10.1109/informatics.2017.8327249 [14] Jan Leusmann，Carl Oechsner，Johanna Prinz，Robin Welsch和Sven Mayer。厨房对象的数据库：在人类机器人相互作用的背景下调查危险感知。在Chi的扩展摘要中。ACM，第6，9页。https://doi.org/10.1145/3544549.3585884 [15] Jan Leusmann，Chao Wang，Michael Gienger，Albrecht Schmidt和Sven Mayer。2023。了解人类机器人相互作用的不确定性循环。https://doi.org/10.48550/arxiv.2303.07889 arxiv：2303.07889 [CS.HC] [16] Jan Leusmann，Jannik Wiese，Jannik Wiese，Moritz Ziarko和Sven Mayer。2023。调查活跃智能助手的机会，以启动与用户互动的机会。in proc。妈妈。ACM，495–498。 https://doi.org/10.1145/3626705.3631787 [17] Zeng，Zhengxiao du，Chenhui Zhang，Sheng Shen，Tianjun Zhang，Yu Su，Huan Sun，Minlie Huang，Yuxiao Dong和Jie Tang。 2023。 代理商：评估LLM作为代理。 arxiv：2308.03688 [CS.AI] [18] Amama Mahmood，Junxiang Wang，Bingsheng Yao，Dakuo Wang和Chien-Ming Huang。 2023。 LLM驱动的对话语音助手：交互模式，机会，挑战和设计指南。 2022。ACM，495–498。https://doi.org/10.1145/3626705.3631787 [17] Zeng，Zhengxiao du，Chenhui Zhang，Sheng Shen，Tianjun Zhang，Yu Su，Huan Sun，Minlie Huang，Yuxiao Dong和Jie Tang。2023。代理商：评估LLM作为代理。arxiv：2308.03688 [CS.AI] [18] Amama Mahmood，Junxiang Wang，Bingsheng Yao，Dakuo Wang和Chien-Ming Huang。2023。LLM驱动的对话语音助手：交互模式，机会，挑战和设计指南。2022。arxiv：2309.13879 [CS] http://arxiv.org/abs/2309.13879 [19] Marco Manca，Parvaneh Parvin，FabioPaternò和Carmen Santoro。[n。 d。]。将Alexa集成到基于规则的个性化平台中。in proc。。ACM，108–113。 https://doi.org/10.1145/3411170.3411228 [20] Emily Mower，David J. Feil-Seifer，Maja J. Mataric和Shrikanth Narayanan。 [n。 d。]。 使用生理测量来研究人类机器人相互作用中用户状态估计的隐式提示。 Ro-Man。 IEEE，1125–1130。 https://doi.org/10.1109/roman.2007.4415249 [21] Carl Oechsner，Sven Mayer和Andreas Butz。 合作机器人作为烹饪设备的挑战和机遇。 in proc。 2022年与自动化互动的研讨会（AutomationXP22）。 https://sven-mayer.com/wp-content/uploads/2022/05/oechsner20222challenges.pdf [22] Matthew K.x.j. pan，Elizabeth A. Croft和GünterNiemeyer。 2018。 使用机器人社会属性量表（Rosas）评估对人向机器人移交的社会感知。 in proc。 HRI。 ACM，443–451。 https://doi.org/10.1145/3171221.3171257 [23] Tracy Sanders，Alexandra Kaplan，Ryan Koch，Michael Schwartz和P. A. Hancock。 2019。 信任与使用人物互动中的选择之间的关系。 人为因素61，4（2019），614–626。 2014。 方式和透明度对人类机器人相互作用的信任的影响。ACM，108–113。https://doi.org/10.1145/3411170.3411228 [20] Emily Mower，David J. Feil-Seifer，Maja J. Mataric和Shrikanth Narayanan。[n。 d。]。使用生理测量来研究人类机器人相互作用中用户状态估计的隐式提示。Ro-Man。 IEEE，1125–1130。 https://doi.org/10.1109/roman.2007.4415249 [21] Carl Oechsner，Sven Mayer和Andreas Butz。 合作机器人作为烹饪设备的挑战和机遇。 in proc。 2022年与自动化互动的研讨会（AutomationXP22）。 https://sven-mayer.com/wp-content/uploads/2022/05/oechsner20222challenges.pdf [22] Matthew K.x.j. pan，Elizabeth A. Croft和GünterNiemeyer。 2018。 使用机器人社会属性量表（Rosas）评估对人向机器人移交的社会感知。 in proc。 HRI。 ACM，443–451。 https://doi.org/10.1145/3171221.3171257 [23] Tracy Sanders，Alexandra Kaplan，Ryan Koch，Michael Schwartz和P. A. Hancock。 2019。 信任与使用人物互动中的选择之间的关系。 人为因素61，4（2019），614–626。 2014。 方式和透明度对人类机器人相互作用的信任的影响。Ro-Man。IEEE，1125–1130。 https://doi.org/10.1109/roman.2007.4415249 [21] Carl Oechsner，Sven Mayer和Andreas Butz。 合作机器人作为烹饪设备的挑战和机遇。 in proc。 2022年与自动化互动的研讨会（AutomationXP22）。 https://sven-mayer.com/wp-content/uploads/2022/05/oechsner20222challenges.pdf [22] Matthew K.x.j. pan，Elizabeth A. Croft和GünterNiemeyer。 2018。 使用机器人社会属性量表（Rosas）评估对人向机器人移交的社会感知。 in proc。 HRI。 ACM，443–451。 https://doi.org/10.1145/3171221.3171257 [23] Tracy Sanders，Alexandra Kaplan，Ryan Koch，Michael Schwartz和P. A. Hancock。 2019。 信任与使用人物互动中的选择之间的关系。 人为因素61，4（2019），614–626。 2014。 方式和透明度对人类机器人相互作用的信任的影响。IEEE，1125–1130。https://doi.org/10.1109/roman.2007.4415249 [21] Carl Oechsner，Sven Mayer和Andreas Butz。 合作机器人作为烹饪设备的挑战和机遇。 in proc。 2022年与自动化互动的研讨会（AutomationXP22）。 https://sven-mayer.com/wp-content/uploads/2022/05/oechsner20222challenges.pdf [22] Matthew K.x.j. pan，Elizabeth A. Croft和GünterNiemeyer。 2018。 使用机器人社会属性量表（Rosas）评估对人向机器人移交的社会感知。 in proc。 HRI。 ACM，443–451。 https://doi.org/10.1145/3171221.3171257 [23] Tracy Sanders，Alexandra Kaplan，Ryan Koch，Michael Schwartz和P. A. Hancock。 2019。 信任与使用人物互动中的选择之间的关系。 人为因素61，4（2019），614–626。 2014。 方式和透明度对人类机器人相互作用的信任的影响。https://doi.org/10.1109/roman.2007.4415249 [21] Carl Oechsner，Sven Mayer和Andreas Butz。合作机器人作为烹饪设备的挑战和机遇。in proc。2022年与自动化互动的研讨会（AutomationXP22）。https://sven-mayer.com/wp-content/uploads/2022/05/oechsner20222challenges.pdf [22] Matthew K.x.j. pan，Elizabeth A. Croft和GünterNiemeyer。 2018。 使用机器人社会属性量表（Rosas）评估对人向机器人移交的社会感知。 in proc。 HRI。 ACM，443–451。 https://doi.org/10.1145/3171221.3171257 [23] Tracy Sanders，Alexandra Kaplan，Ryan Koch，Michael Schwartz和P. A. Hancock。 2019。 信任与使用人物互动中的选择之间的关系。 人为因素61，4（2019），614–626。 2014。 方式和透明度对人类机器人相互作用的信任的影响。https://sven-mayer.com/wp-content/uploads/2022/05/oechsner20222challenges.pdf [22] Matthew K.x.j.pan，Elizabeth A. Croft和GünterNiemeyer。2018。使用机器人社会属性量表（Rosas）评估对人向机器人移交的社会感知。in proc。HRI。 ACM，443–451。 https://doi.org/10.1145/3171221.3171257 [23] Tracy Sanders，Alexandra Kaplan，Ryan Koch，Michael Schwartz和P. A. Hancock。 2019。 信任与使用人物互动中的选择之间的关系。 人为因素61，4（2019），614–626。 2014。 方式和透明度对人类机器人相互作用的信任的影响。HRI。ACM，443–451。 https://doi.org/10.1145/3171221.3171257 [23] Tracy Sanders，Alexandra Kaplan，Ryan Koch，Michael Schwartz和P. A. Hancock。 2019。 信任与使用人物互动中的选择之间的关系。 人为因素61，4（2019），614–626。 2014。 方式和透明度对人类机器人相互作用的信任的影响。ACM，443–451。https://doi.org/10.1145/3171221.3171257 [23] Tracy Sanders，Alexandra Kaplan，Ryan Koch，Michael Schwartz和P. A. Hancock。2019。信任与使用人物互动中的选择之间的关系。人为因素61，4（2019），614–626。2014。方式和透明度对人类机器人相互作用的信任的影响。https://doi.org/10.1177/00187208818816838 [24] Tracy L. Sanders，Tarita Wixon，K。Elizabeth Schafer，Jessie Y. C. C. C. Chen和P. A. Hancock。在cogsima中IEE，156–1 https://doi.org/10.1109/cogsima.2014.6816556 [25] Christian E. Schaefer。 [n。 D.] 在人类机器人互动中建立信任：“信任感知量表 - hri”的发展。 在强大的智能和对自治系统的信任中 https://doi.org/10.1007/978-1-4899-7668-0_10 [26] Kotaro Shukri，Ryyoma Ishigaki，Jundai Suzuki，Jundai Suzuki，Tsubasa，Tsubasa，Tsubasa，Takakubo，Kawakubo，Maski Shuzo，Maaski Shuzo，Maedaa。 2023。 使用大语言模型的对话系统的元控制。 （2023）。 https://doi.org/10.4850/arxiv.2312.2312.13715 [27] Jagdish Singh，Minnu Helen Joesph和Khurshid Begum Abdul Abdul Jabbar。 2019。 基于规则的Chabot供学生查询。 物理学杂志：会议系列1228，1（2019），012060。https：//doi.org/10.10.1088/1742-6596/1228/1IEE，156–1https://doi.org/10.1109/cogsima.2014.6816556 [25] Christian E. Schaefer。 [n。 D.] 在人类机器人互动中建立信任：“信任感知量表 - hri”的发展。 在强大的智能和对自治系统的信任中 https://doi.org/10.1007/978-1-4899-7668-0_10 [26] Kotaro Shukri，Ryyoma Ishigaki，Jundai Suzuki，Jundai Suzuki，Tsubasa，Tsubasa，Tsubasa，Takakubo，Kawakubo，Maski Shuzo，Maaski Shuzo，Maedaa。 2023。 使用大语言模型的对话系统的元控制。 （2023）。 https://doi.org/10.4850/arxiv.2312.2312.13715 [27] Jagdish Singh，Minnu Helen Joesph和Khurshid Begum Abdul Abdul Jabbar。 2019。 基于规则的Chabot供学生查询。 物理学杂志：会议系列1228，1（2019），012060。https：//doi.org/10.10.1088/1742-6596/1228/1https://doi.org/10.1109/cogsima.2014.6816556 [25] Christian E. Schaefer。[n。 D.]在人类机器人互动中建立信任：“信任感知量表 - hri”的发展。在强大的智能和对自治系统的信任中https://doi.org/10.1007/978-1-4899-7668-0_10 [26] Kotaro Shukri，Ryyoma Ishigaki，Jundai Suzuki，Jundai Suzuki，Tsubasa，Tsubasa，Tsubasa，Takakubo，Kawakubo，Maski Shuzo，Maaski Shuzo，Maedaa。 2023。 使用大语言模型的对话系统的元控制。 （2023）。 https://doi.org/10.4850/arxiv.2312.2312.13715 [27] Jagdish Singh，Minnu Helen Joesph和Khurshid Begum Abdul Abdul Jabbar。 2019。 基于规则的Chabot供学生查询。 物理学杂志：会议系列1228，1（2019），012060。https：//doi.org/10.10.1088/1742-6596/1228/1https://doi.org/10.1007/978-1-4899-7668-0_10 [26] Kotaro Shukri，Ryyoma Ishigaki，Jundai Suzuki，Jundai Suzuki，Tsubasa，Tsubasa，Tsubasa，Takakubo，Kawakubo，Maski Shuzo，Maaski Shuzo，Maedaa。 2023。 使用大语言模型的对话系统的元控制。 （2023）。 https://doi.org/10.4850/arxiv.2312.2312.13715 [27] Jagdish Singh，Minnu Helen Joesph和Khurshid Begum Abdul Abdul Jabbar。 2019。 基于规则的Chabot供学生查询。 物理学杂志：会议系列1228，1（2019），012060。https：//doi.org/10.10.1088/1742-6596/1228/1https://doi.org/10.1007/978-1-4899-7668-0_10 [26] Kotaro Shukri，Ryyoma Ishigaki，Jundai Suzuki，Jundai Suzuki，Tsubasa，Tsubasa，Tsubasa，Takakubo，Kawakubo，Maski Shuzo，Maaski Shuzo，Maedaa。2023。使用大语言模型的对话系统的元控制。（2023）。https://doi.org/10.4850/arxiv.2312.2312.13715 [27] Jagdish Singh，Minnu Helen Joesph和Khurshid Begum Abdul Abdul Jabbar。2019。基于规则的Chabot供学生查询。物理学杂志：会议系列1228，1（2019），012060。https：//doi.org/10.10.1088/1742-6596/1228/1
朝着一种新的个性化心理社会方法来支持前列腺癌及其护理人员二元组：一项试点研究
积极因素（4）。迄今为止，对于局部PC有几种治疗方法，可以分为主动治疗（例如，根治性前列腺切除术，外束放射疗法）和主动监测（AS）（2，3，5）。主动治疗可能会影响影响尿，性，荷尔蒙和肠功能的显着副作用（例如勃起功能障碍，性欲减少）。这些方面可能具有进一步的负面心理意义，从而导致焦虑，抑郁，疲劳，压力，疼痛和FCR（2，3，6 - 9）。此外，PC患者可能面临的性挑战可能会影响患者的亲密关系，并导致沮丧和自信的失去感（1，10）。允许患有低风险PC的患者避免主动治疗，从而避免了相关的不良反应（2，11）。然而，患者必须定期进行PSA测试和数字直肠检查和年度/双年度活检（2，11）。因此，即使是在AS下的患者也报告了高水平的焦虑和抑郁症，尽管他们没有主动治疗的副作用（11）。
FC-Si-Si-Si-Siment抗饰物抗体通过增强强大的CD8 + T细胞介导的抗肿瘤免疫力而没有外周疗法来提供一流的潜力。
FC-Si-Si-Siment抗象征抗体通过增强强大的CD8 + T细胞介导的抗肿瘤免疫力，而无需外周调节T细胞耗竭
通过我们的新颖而有力的方法来理解激酶和磷酸酶功能，并确定最有效的dru
信息丰富的数据通过自动化识别和线性区域的选择来赋予发现，我们完全利用了完整的进度曲线启用：•从进度曲线的任何线性曲线中确定多个IC 50 s，从而深刻了解整个反应中酶和抑制剂活性的深刻理解。•TDI的全面表征和定量利用整个剂量响应中多个进度曲线的全局曲线。•化合物特异性滞后的识别和表征，这表明了激酶抑制的特定模式（MOI）。
如果您怀疑课程中存在人工智能滥用，可以考虑采取哪些策略 本期 Vitality 旨在考虑采取一种全面的方法来解决学生在课程中涉嫌滥用人工智能的问题，包括收集证据、参与对话、了解学生的观点、探索涉嫌滥用人工智能的根本原因，以及采取适当的教育和/或纠正措施。《检测人工智能的 Vitality》11 月刊指出，制定明确的书面课程政策，规定学生在课程中可以和不能使用人工智能的重要性，这是维护学术诚信的第一步。即便如此，我们在帮助学生学习如何记录和提供创作过程证据方面仍面临重大挑战。因此，除了详细说明课程中允许或禁止的人工智能工具类型及其用途外，我们还可能希望为学生提供他们可以收集或需要随作业一起提交的文档类型的指南/示例。帮助学生理解并遵守学术诚信准则需要我们持续努力和投入，并在作业、项目和考试中设置提醒 (Lang, 2013)。如果您怀疑课程中存在滥用人工智能的情况，请考虑以下流程，该流程可能与您已经使用的流程类似：
如果您怀疑存在人工智能，可考虑采取的策略课程中的滥用 本期 Vitality 旨在考虑采取一种全面的方法来解决学生在课程作业中涉嫌滥用人工智能的问题，包括收集证据、参与对话、了解学生的观点、探索涉嫌滥用人工智能的根本原因，并采取适当的教育和/或纠正措施。《检测人工智能的 Vitality》 11 月刊指出，制定明确的书面课程政策，规定学生在课程作业中可以和不能使用人工智能的重要性，这是维护学术诚信的第一步。即便如此，我们在帮助学生学习如何记录和提供创作过程证据方面仍面临重大挑战。因此，除了详细说明我们的课程中允许或禁止的人工智能工具类型及其用途之外，我们可能还希望为学生提供他们可以收集或需要随作业一起提交的文件类型的指南/示例。帮助学生理解和遵守学术诚信准则需要我们不断努力和承诺，并在作业、项目和考试中提醒学生 (Lang, 2013)。如果您怀疑课程中存在人工智能滥用，请考虑以下可能与您已经使用的流程类似的流程：
应用机器学习算法来预测流动性风险
摘要。流动性风险是巨大的财务威胁，其管理不善会导致重大财务损失。本研究研究了机器学习技术（例如KNN，SVM，决策树，RF和XGBOOST）在印度银行的流动性风险中的应用。2013 - 2022年的财务数据分析了31个商业银行。模型将财务比率用作预测因素，流动性风险由流动资产与总资产和贷款比率相关。尽管由于样本较小而导致的普遍性限制，但结果表现出诸如KNN和XGBoost等算法的潜力，以预测准确的流动性风险。该研究的发现表明，使用液体资产将液体资产用于总资产来替代流动性风险的模型给予了KNN的最佳结果，并分别给出了MAE和MSE评分0.129和0.027。当使用存款贷款以替代流动性风险时，DT是表现最好的算法，MAE和RMSE得分分别为0.191和0.231。还发现，与其他选定模型相比，MLP表现不佳。实际含义包括使用这些技术为印度银行开发流动性预警系统。
一种机器学习方法来识别血液性恶性疾病患者组
背景和客观：在血液学恶性肿瘤（HM）的免疫功能低下患者中针对SARS-COV-2的疫苗接种对于降低Covid-19的严重程度至关重要。尽管进行了疫苗接种的努力，但超过三分之一的HM患者仍然没有反应，增加了严重突破感染的风险。本研究旨在利用机器学习对COVID-19动力学的适应性，有效地选择特定于患者的特征以增强预测并改善医疗保健策略。重点介绍了复杂的共同食物学联系，重点是可解释的机器学习，为临床医生和生物学家提供宝贵的见解。方法：该研究评估了一个患有1166例血液疾病患者的数据集。输出是完整的COVID-19疫苗接种后血清学反应的成就或未实现。采用了各种机器学习方法，其最佳模型基于指标，例如曲线（AUC）下的面积，灵敏度，特异性和MATTHEW相关系数（MCC）。单个形状值被视为，并将主成分分析（PCA）应用于这些值。然后在确定的簇中分析患者概况。结果：支持向量机（SVM）作为表现最佳的模型出现。PCA应用于SVM衍生的外形值，导致四个完全分开的簇。这些簇的特征是产生抗体的患者比例（PPGA）。群集2的PPGA最低（33.3％），但样本量较小，有限的结论性发现。群集1，PPGA第二高（69.91％）包括侵袭性疾病和导致免疫缺陷增加的因素的患者。群集3，代表大多数人群，与群集1相比，抗体产生率很高（84.39％）和更好的预后。群集4，PPGA为66.33％，包括B细胞非霍奇金患者在皮质类固醇治疗中的淋巴瘤。结论：该方法使用机器学习和可解释的AI（XAI）成功识别了四个独立的患者簇。然后，我们根据COVID-19疫苗接种后产生抗体的HM患者的百分比分析了每个簇。该研究表明该方法对其他疾病的潜在适用性强调了可解释的ML在医疗保健研究和决策中的重要性。
一种新的逻辑、一种新的信息度量和一种基于信息的新方法来解释量子力学
摘要：新的分区逻辑与通常的布尔子集逻辑（通常仅在命题逻辑的特殊情况下出现）是双重的，因为分区和子集是范畴论的对偶。逻辑熵的新信息度量是分区的规范化定量版本。解释量子力学 (QM) 的新方法表明 QM 的数学（而不是物理）是分区数学的线性化希尔伯特空间版本。或者，反过来说，分区数学是 QM 数学的骨架版本。从逻辑到逻辑信息再到量子理论的整个过程中，关键概念是区别与无区别、确定性与不确定性或可区分性与不可区分性。分区的区别是来自底层集合的有序元素对，它们位于分区的不同块中，逻辑熵最初定义为区别的规范化数量。确定性和可区分性的同源概念贯穿于整个量子力学的数学，例如，在关键的非经典叠加概念（=本体不确定性）中，以及在费曼规则中，用于添加振幅（不可区分的选择）与添加概率（可区分的选择）。
试行公民科学方法来测量人们对食物碳足迹和能量含量的看法
1 谢菲尔德大学社会科学学院地理系，谢菲尔德，英国；2 利兹贝克特大学利兹商学院，利兹，英国；3 伦敦城市大学食品政策中心，伦敦，英国；4 伦敦玛丽女王大学巴兹和伦敦医学与牙科学院沃尔夫森预防医学研究所，伦敦，英国；5 纽卡斯尔大学自然科学与环境学院，泰恩河畔纽卡斯尔，英国；6 伦敦布鲁内尔大学工程、设计和物理科学学院能源未来研究所，厄克斯布里奇，英国；7 利兹大学决策研究中心和普里斯特利国际气候中心，利兹，英国；8 可持续食品与农业，农业发展咨询服务 (ADAS)，伍尔弗汉普顿，英国；9 朴茨茅斯大学宇宙学与引力研究所，朴茨茅斯，英国；10 Zooniverse，大学英国牛津大学 Zooniverse 分校，英国米尔顿凯恩斯开放大学物理科学学院，科学、技术、工程与数学学院