XiaoMi-AI文件搜索系统
World File Search System由来已久
行为威胁评估单位
正如特勤局利用保护性情报防止暗杀的使命由来已久，该机构对行为评估这一科学研究领域的兴趣也由来已久，该机构最早的行为科学研究始于 20 世纪 60 年代。为了进一步了解行为评估与暴力预防之间的关系，特勤局于 1981 年召开了一次会议，邀请了机构代表和来自全国各地的顶尖行为科学家参加。会议提出的建议之一是特勤局应建立内部行为科学研究能力，以继续提高该机构防止暴力的能力。与此相关的是，随后特勤局关于跟踪行为的会议的参与者反馈鼓励该机构对已知最严重的暗杀案件进行深入调查。这两件事促成了特殊案例研究项目 (ECSP)，这是一项于 1992 年启动的研究，旨在为执法机构和其他负有保护责任的组织提供与操作相关的信息和指导。
通用人工智能 - Marcus Hutter 著
创造能够达到或超越人类智能的人工智能设备的梦想由来已久，然而，尽管在过去 50 年中付出了巨大努力，但尚未找到真正智能的计算效率理论。如今，大多数研究都比较温和，专注于解决更狭窄、更具体的问题，这些问题仅与智能的某些方面有关，如下棋或自然语言翻译，要么将其作为目标本身，要么作为一种自下而上的方法。双重自上而下的方法是找到通用智能的数学（而非计算）定义。请注意，即使忽略计算方面，人工智能问题仍然不简单。
以人为本的负责任的人工智能
以人为本的负责任人工智能 (HCR-AI)1 旨在将人及其价值观纳入人工智能系统的设计和开发中，这有助于构建造福人类和社会的系统，并防止和减轻潜在危害。尽管人为因素在人工智能系统中的重要性由来已久 [ 12 , 31 ]，但在过去几年中，CHI 社区越来越意识到其重要性 [ 32 ]。在 CHI 会议记录中搜索 ACM 数字图书馆会显示以下结果（图 1 ）：2“以人为本的人工智能”自 2019 年以来有 41 条记录，“负责任的人工智能”自 2020 年以来有 32 条记录。下面，我们重点介绍了一些与特别兴趣小组 (SIG) 主题相关的研究示例，请注意，这并不是一份详尽的清单，只是为了展示现有工作的广度和深度：
美国采取可行措施加强北约在波罗的海国家和波兰的威慑力
为了帮助明确该地区的能力需求，我们回顾了冷战时期的常规威慑理论和模型。尽管这项研究由来已久，但与最近的政策分析相比，这项研究更清楚地描绘了理想的防御力量态势和提高威慑力所需的足够力量比例。我们随后以陆基作战为重点，应用这些力量对比模型来分析波罗的海地区常规地面部队目前的平衡。通过比较北约在波罗的海地区的部队与俄罗斯在其西部军区和加里宁格勒州的部队的相对战斗力，我们证实了之前研究中发现的北约能力差距仍然很大。我们还发现，在危机情况下，潜在的北约高战备增援部队至少在一个月内无法弥补差距。这些能力缺陷显然阻碍了美国和北约的
金融风险与金融风险管理技术
风险管理和风险评估的概念由来已久。两个多世纪前，雅典人就展示了他们在做出选择之前权衡风险的能力。但作为一个科学领域，风险评估和管理相对较新——它们只存在了 30 到 40 年。最早的科学期刊、论文、会议以及讨论风险评估和管理基本原则和概念的论文大约可以追溯到这个时期。这些概念和原则仍然是自 20 世纪初以来一直存在的风险评估和管理实践的基础，并且它们至今仍对该领域产生着重大影响。但与此同时，该领域已经取得了长足的进步。现在绝大多数社会部门都在使用风险分析工具和方法，这些工具和方法已经发展成为新的和更先进的技术。
大脑的记忆系统 摘要 简介
长期以来，人类一直对记忆的形成方式、记忆如何被破坏或丢失，以及记忆在多年后如何仍然鲜活存在等问题着迷。因此，对记忆位置和组织的研究由来已久，其中“记忆由 20 世纪下半叶发展起来的不同系统组成”这一概念。有意识和无意识记忆过程之间的基本二分法最初是基于对失忆症患者研究和对动物进行系统性实验的证据得出的。行为和神经测量以及成像技术的使用逐渐使研究人员同意存在支持多种记忆系统的多种神经结构。本文提供了一个历史视角，以将这些关于记忆系统的想法置于背景中，并为多重记忆系统模型提供了当前解释。
生成式人工智能与语言教育：机遇、挑战和批判性观点的必要性
人工智能在教育领域的研究由来已久（例如，请参阅 du Boulay (2016) 的摘要）。关于 GenAI 增强学习能力（在 L2 环境中以及更广泛的环境中）的深入研究也正在兴起。例如，个性化工具可以自动调整顺序、速度、反馈或学习路径以适应个别学习者，这在通识教育研究中已显示出良好的前景（Shemshack & Spector，2020；Zheng 等人，2022）；人工智能反馈已被证明可以支持学习（Godwin-Jones，2022；Su 等人，2023）；人工智能聊天机器人已被用作学生学习的支持伙伴（Chen 等人，2023）。与此同时，我们必须意识到通过人工智能系统创建简单的“学习的 Netflix”而导致过度个性化的风险，也不能忽视学习者代理和教师指导的重要性（Markauskaite 等人，2022 年）。
美国军队中的欺凌行为
欺凌事件。全美各地的大学都在处理与兄弟会相关的欺凌死亡事件的善后事宜。1 2 月，宾夕法尼亚州立大学的 Tim Piazza 去世，9 月，路易斯安那州立大学的 Maxwell Gruver 去世；11 月，佛罗里达州立大学学生 Andrew Coffey 和德克萨斯州立大学学生 Matthew Ellis 相继去世。2 虽然流行的说法是大学兄弟会和姐妹会是欺凌的主要堡垒，但许多其他组织和机构也参与了这一行为。其中包括军队，欺凌在军队中由来已久。例如，1874 年，美国国会通过了第一部防止海军学院欺凌的法令。3 从那时起，已有 44 个州通过了反欺凌法。4 学者和评论员分析了该法律与欺凌的关系。然而，可能取得更多成果的方法是
决策模型和符号 - Sparx Systems
该标准有助于消除业务人员和技术人员之间由来已久的沟通障碍，并允许企业在战略或战术层面定义和管理影响组织及其客户和供应商结果的决策。它是一种适用于所有季节和学科的工具，从定义问题和他们希望系统运行的答案集的战略家开始，到只需按下按钮即可实施决策的 Web 服务设计人员。价值主张是，可以使用图表和简单的规则表对决策进行建模，并使用简单的表达式，例如“客户的每月可支配收入是否 > 2000 美元”。一旦定义了规则，企业就可以使用自己的数据对其进行测试，而无需技术社区的任何参与。如果业务人员可以创建一个简单的电子表格，他们会发现 DMN 非常易于使用，并且能够创建和验证自己的决策模型。平台内置的通信功能有助于与其他业务和技术利益相关者进行即时讨论。