XiaoMi-AI文件搜索系统
World File Search System生存
deltarex-g/deltavax肿瘤后的长期生存...
结果：98名晚期化学抗性固体恶性肿瘤的患者> 5,000例Deltarex-G的静脉输注。另有16例患者接受了288例Deltarex-G的静脉输注，其中96例Deltavax输注，然后口服Valacyclovir。癌症类型包括胰腺腺癌（n = 1），骨肉瘤（n = 3），MPNST（n = 1），浸润性乳腺癌（n = 2）和B细胞淋巴瘤（n = 1）。中位数估计的肿瘤负担为29.1×10 9（范围：6.2至75.5×10 9）癌细胞，中位治疗持续时间为20（范围：6至28个月），中位生存期为12（范围：10至12）年，距离Deltarex-G治疗起始开始。的生存分析显示，单独接受Deltarex-G的患者中有5名（5.1％）10至12年的生存率，单独或单独接受Deltarex-G的骨肉瘤患者中有32名（13.6％）中的3例（13.6％），而Deltarex-G + Deltavax组合的16例（25％）中有4例（25％）。
外星人工智能：最终的生存风险？
本文表达的任何观点均为作者观点，而非 IZA 观点。本系列中发表的研究可能包括政策观点，但 IZA 不代表任何机构政策立场。IZA 研究网络致力于遵守 IZA 研究诚信指导原则。IZA 劳动经济研究所是一个独立的经济研究机构，开展劳动经济学研究，并就劳动力市场问题提供基于证据的政策建议。在德国邮政基金会的支持下，IZA 运营着世界上最大的经济学家网络，其研究旨在为我们这个时代的全球劳动力市场挑战提供答案。我们的主要目标是在学术研究、政策制定者和社会之间架起桥梁。IZA 讨论文件通常代表初步工作，并被分发以鼓励讨论。引用此类文件时应说明其临时性质。修订版可直接从作者处获得。
人工智能困境：增长与生存风险
人工智能 (AI) 的最新进展可能会在未来几年提高生活水平。蛋白质折叠、语音识别以及生成模型在生成文本和图像方面的惊人成就已经超出了几年前的预期（Bubeck 等人，2023 年）。人工智能似乎很可能在短期内增强我们的创新能力，而且人工智能在许多认知任务上匹敌甚至超越人类智能并开始自我创新肯定是有可能的。一旦机器能够产生想法，研究人员的数量和质量所设定的增长限制可能不再存在，增长率可能会加快，甚至有可能导致所谓的无限消费的“奇点”。Aghion、B. Jones 和 C. Jones（2019 年）；Trammell 和 Korinek（2020 年）；Davidson（2021 年）； Nordhaus ( 2021 )；以及 Erdil 和 Besiroglu ( 2023 )。另一方面，这些进步并非没有风险。包括 OpenAI 和谷歌的顶尖研究人员在内的人工智能社区的相当一部分人警告说，这些进步可能对人类构成生存风险，要么来自“坏人”对人工智能的恶意使用，要么甚至可能来自超级智能人工智能本身。更简洁地说，人工智能可以比电力或互联网提高生活水平。但它可能带来超过核武器的风险。此外，这些可能性——无论可能性如何——都是相互关联的。正是在这样的世界状态下，人工智能足够强大，可以带来深刻的增长
人工智能生存安全研究定义
1. 研究分析人工智能技术最有可能引发生存灾难（即：一场永久性地、彻底地削弱人类潜力的灾难，例如导致人类灭绝）以及哪些类型的研究可以最大限度地降低生存风险（此类灾难的风险）。示例包括：
HR+ 转移性乳腺癌生存趋势
摘要目的：临床试验和现实世界研究显示，细胞周期蛋白依赖性激酶 4/6 抑制剂 (CDK4/6i) 可改善激素受体阳性/人类表皮生长因子受体 2 阴性 (HR+/HER2−) 转移性乳腺癌 (mBC) 患者的生存率。然而，使用流行病学方法对更广泛的 HR+/HER2− mBC 人群的生存率改善的研究有限。方法 这项回顾性研究使用 SEER 登记数据评估 2010 年至 2019 年期间诊断为 HR+/HER2− 新发 mBC 的患者的乳腺癌特异性生存率 (BCSS)。使用 Kaplan–Meier 和 Cox 比例风险模型比较 2015 年指南建议使用 CDK4/6i 之前 (2010 ‒ 2013 年，随访至 2014 年) 和之后 (2015 ‒ 2018 年，随访至 2019 年) 诊断的患者的 BCSS。与 HR+/HER2 阳性 (HER2+) 新发 mBC 患者进行了比较，2015-2018 年期间没有发生重大指南变化。结果 纳入了 11,467 名 HR+/HER2− mBC 女性和 3,260 名 HR+/HER2+ mBC 女性的数据。调整基线特征后，2015 年后确诊的 HR+/HER2− mBC 患者 (n = 6163) 与 2015 年之前确诊的患者 (n = 5304；HR = 0.895，p < 0.0001) 相比，BC 特异性死亡风险降低了约 10%。相反，2015 年后 (n = 1798) 与 2015 年之前 (n = 1462) 相比，HR+/HER2+ BCSS 没有显著变化。在 ≥ 65 岁的患者中也发现了类似的结果。结论使用美国最大的基于人群的纵向癌症数据库之一，2015 年后 HR+/HER2− mBC 患者的 BCSS 与 2015 年之前相比有显著改善，这可能是由于 2015 年后引入了 CDK4/6i。 2015 年后与 2015 年前相比，HR+/HER2+ mBC 患者的 BCSS 无显著改善，这可能是因为这两个时间段都有 HER2 靶向疗法。
抑郁的人工智能学者的生存策略
一、引言作为在大学从事人工智能 (AI) 研究的人，你与企业 AI 研究巨头（如 Googe DeepMind、OpenAI 和 Meta AI）建立了复杂的关系。每当你看到其中一篇论文，它训练某种巨大的神经网络模型来做一些你甚至不确定神经网络是否可以做的事情，毫无疑问地推动了最先进的技术并重新配置了你对可能性的看法，你就会感到矛盾。一方面：这非常令人印象深刻。你推动人工智能向前发展，真是太好了。另一方面：我们怎么可能跟上？作为一名人工智能学者，领导一个实验室，里面有几名博士生和（如果你幸运的话）一些博士后研究员，也许你的实验室里有几十个图形处理单元 (GPU)，这种研究根本无法进行。需要明确的是，情况并非总是如此。就在十年前，如果你有一台不错的台式电脑和互联网连接，你就拥有了与最优秀的研究人员竞争所需的一切。开创性的论文通常是由一两个人撰写的，他们在常规工作站上运行所有实验。指出这一点对于过去十年内进入研究领域、需要大量计算资源的人来说尤其有用。如果我们从深度学习 [ 9 ] 中学到了一件事，那就是扩展是有效的。从 ImageNet [ 19 ] 竞赛及其各届获奖者到 ChatGPT、Gato [ 17 ] 以及最近的 GPT-4 [ 1 ]，我们已经看到，更多的数据和更多的计算可以产生更好的定量结果，甚至通常是更好的定性结果。（当你读到这篇文章时，那份最近的人工智能里程碑列表可能已经过时了。）当然，学习算法和网络架构也有所改进，但这些改进主要在大规模实验的背景下有用。 （Sutton 谈到了“苦药丸”，指的是当有更多计算可用时，扩展性好的简单方法总能获胜 [ 22 ]。）如今，学术研究人员无法实现这种规模。据我们所知，普通研究人员可用的计算量与保持竞争力所需的计算量之间的差距每年都在扩大。这在很大程度上解释了许多学术界的人工智能研究人员对这些公司的不满。健康
& 人员伤亡 - 联合飞机生存计划
他于 1997 年加入测试和评估测试团队，担任军备部门负责人，负责测试和评估常规、制导和核武器的整合工作。他被选为南澳大利亚阿德莱德澳大利亚研究与发展部 (ARDU) 的澳大利亚皇家空军 (RAAF)/美国空军物资清关交换官。在那里，他负责管理澳大利亚皇家空军 F-111、F/A-18 大黄蜂、BAE 鹰和 P-3C 猎户座飞机上所有物资/武器的设计、集成、认证和清关工作。Tim 调到佛罗里达州廷德尔空军基地，在武器系统评估计划 (WSEP) 担任作战分析员/工程师，评估机组人员对抗空对空和空对地目标的战术、技术和程序，并分析空对空导弹性能以提高效能。
人工智能困境：增长与生存风险
1. 在未来五十年中，人工智能等技术进步将美国人均GDP平均增长率提高到至少5%并持续十年的可能性有多大？ a. < 5% b. 5%至20% c. 20%至40% d. >40%
使用模拟来估计关键路径和生存...
在飞机周转过程的背景下，本文说明了如何使用模拟不仅分析关键活动和路径，而且还生成相关的生存函数 - 从而提供在一系列目标时间之前完成周转的概率。在激发了该主题对航空公司和机场的相关性之后，本文回顾了一些相关工作，并提出使用蒙特卡洛模拟来获得周转过程的关键路径并生成相关的生存函数。执行此分析时假设过程中每个活动的完成时间都是随机的 - 这与通常假设确定性时间的当前做法形成对比。进行了一系列考虑波音 737-800 飞机的数值实验。分析了不同级别的乘客占用率，以及周转阶段的两种替代设计。
2012-Spring.pdf - 联合飞机生存能力计划
作者：Rick Sayre 唯一一次对飞机进行的系统性实弹测试是 20 世纪 70 年代初的飞机生存能力测试与评估 (TEAS)。TEAS 源于东南亚冲突，在这场冲突中，大量飞机损失表明生存能力（即降低脆弱性考虑因素）在设计中没有得到足够的重视。TEAS 是一个三军计划，旨在评估 F-4、A-7 和 AH-1 飞机的脆弱性，为这些飞机制定降低脆弱性的概念，并将获得的知识应用于未来的飞机。在 TEAS 之后，资金重点从全尺寸实弹测试评估转向分析评估（即计算机建模），直到 20 世纪 80 年代初，各军种认识到弹道测试作为开发设计工具的价值，并开始积极的脆弱性测试计划，最引人注目的是针对 V-22 和 F/A-18。