XiaoMi-AI文件搜索系统
World File Search System社交
表征社交机器人导航方案的复杂性
摘要 - 社会机器人导航算法通常在过度简化的场景中进行策划，禁止提取有关其与现实领域相关的实用见解。我们的主要见解是，了解社会机器人导航方案的固有复合物可以帮助表征现有导航算法的局限性，并提供可行的方向以进行改进。通过探索最近的文献，我们确定了一系列有助于方案复杂性的因素，在上下文和机器人相关的因素之间消除了歧义。然后，我们进行了一项模拟研究，研究了对上下文因素的操纵如何影响各种导航算法的性能。我们发现，密集和狭窄的环境与性能下降最密切相关，而代理策略的异质性和相互作用的方向性的效果不太明显。我们的发现激发了在更高复杂性设置下发展和测试算法的转变。
“你能成为我的妈妈吗？”：在大型语言模型时代操纵社交机器人
由大型语言模型提供支持的机器人的最新进步增强了他们的对话能力，使互动能够紧密相关。但是，这些模型在HRI中引入了安全和保障问题，因为它们容易受到操纵的影响，该操作可以绕过内置的安全措施。想象一个部署在房屋中的社交机器人，旨在了解日常用户如何试图利用语言模型来违反道德原则，例如促使机器人像生活伴侣一样行事。我们进行了一项试点研究，其中涉及21名与雾化机器人互动的大学生，试图根据特定的HRI伦理原则在三种情况下绕过其安全机制：依恋，自由和同情。我们的结果表明，参与者采用了五种技术，包括使用情感语言对可怜的侮辱和吸引力。我们希望这项工作能够构成未来的研究，以设计强大的保障措施，以确保道德和确保人类机器人的互动。
混合方法社交计算方法
背景：2型糖尿病会影响近3420万成年人，并且是美国第七大死亡原因。数字健康社区已成为为从事糖尿病自我管理（DSM）的个人提供社会支持的途径。对数字同伴互动和社交联系的分析可以改善我们对行为改变的因素的理解，这可以为个性化的DSM干预措施开发。目的：我们的目标是使用混合方法方法应用我们的方法来（1）表征DSM中特定于上下文特定社会影响模式的作用，并且（2）得出介入的介入目标，以增强个人参与DSM。方法：使用美国糖尿病协会支持DSM的同伴信息（n = 〜73,000个从2014年到2021年），（1）产生了一组标记的同伴相互作用集（n = 1501，用于美国糖尿病的n = 1501，通过手动学习模型，（2）用于Qualitiel dectie decter（2），（2）均具有Qualiit datired colditiper（2）整个模型（2），该模型（2）整个代码（2）整个代码效果（2）回顾性分析和（4）社交网络分析技术被用来描绘嵌入在同伴互动中的通信维度（内容和上下文）之间的大规模模式和关系。结果：从属关系模型表明，通过共享交互式沟通风格的演讲行为与社区用户接触与社区用户的参与有积极的联系。结论：在这项研究中，我们表征了社会影响在DSM中的作用，如大规模社交媒体数据集所示。我们的结果还表明，使用交互式通信风格的演讲行为（交流环境）表达患者报告的结果和进步主题（通信内容）时，患有2型糖尿病的用户更有可能在社区中参与社区。它表明了基于用户的上下文和与同行交流的结构更改形式进行有针对性的社交网络干预措施的潜力，这可以发挥社交影响来修改用户参与行为。对多组分数字干预措施的影响。
社交媒体平台网络犯罪及其挑战
摘要-社交媒体是一种既能建设又能破坏的武器。通过见证这些平台大规模产生的影响力，人们可以明显看出当前社交媒体平台的真正威力。它在日常生活中发挥着重要作用。由于它能够让人们与亲朋好友建立联系，因此越来越受欢迎，为全世界分享照片、感受、视频铺平了道路，而这些都具有很高的安全隐患。然而，大多数社交媒体用户并不知道各自账户的底层安全级别，包括在存在危险情况时必须考虑这些社交媒体的哪些功能。因此，这将有助于警方识别会制造更多犯罪的人。这些结果将有助于警方缩小对罪犯的搜索范围，以便更好地进行监视。警方在监控社交媒体时必须关注具有这些因素的人。
在2024年的社交媒体法案中保护佐治亚州的孩子
近年来，儿童使用社交媒体已成为常态。1的研究表明，青少年对社交媒体的使用与抑郁症和焦虑等疾病之间存在关系。2此外，消息人士发现，大多数青少年在在线空间中遭受欺凌。3美国外科医生于2023年5月发布了有关社交媒体对青年心理健康的负面影响的咨询。4三十五的青少年“几乎不断地”使用至少一个社交媒体平台。 5个十三岁至17岁的青少年中，近一半在使用社交媒体后对自己的身体形象感到更糟。6个未成年人（18％）的近五分之一的网络欺凌经验。7佐治亚州的孩子也不例外。8参议院法案（SB）351通过，佐治亚州学校没有实施工具来打击网络欺凌和不受限制的互联网使用的具体框架。9此外，孩子有
社交媒体内容示例 — 联合抗击流感 2025 年 1 月 执行摘要：1 月是流感、COVID-19 和呼吸道合胞病毒的高发月份之一，
社交媒体内容示例 — 2025 年 1 月联合抗击流感 执行摘要：1 月是流感、新冠肺炎和呼吸道合胞病毒的高发月份之一，这些疾病导致全国儿童和成人的住院率上升。美国医院协会正在努力鼓励普通民众，特别是符合条件儿童的父母和最易感人群，接种流感和新冠肺炎疫苗。以下是社交媒体帖子和个性化图形示例，用于宣传和倡导新冠肺炎和流感疫苗 — 我们鼓励您在社交媒体上使用这些帖子和图形来帮助传播信息。所有图形和标题都可以发布到任何社交媒体平台，并可以优化标题以在每个相应平台上使用。网络链接（请使用这些链接获取所有内容）：TWITTER/X：https://www.aha.org/ahia/promoting-healthy-communities/united-against- #flu?utm_source=twitter&utm_medium=organic&utm_campaign=uaf FACEBOOK：https://www.aha.org/ahia/promoting-healthy-communities/united-against- #flu?utm_source=facebook&utm_medium=organic&utm_campaign=uaf
您是否正在采用人工智能产品？社交
消费者是否接受基于人工智能的产品？哪些社会人口统计数据影响了这些产品的采用？本研究测试了影响创新与基于人工智能的产品之间关系的潜在用户的社会人口统计数据。后者包括机器人（例如聊天机器人）和人工智能（例如推荐系统等）。采用混合方法，使用定性和定量分析以及非度量多维尺度（NMDS）来绘制对数字密集型产品（例如机器人和人工智能）的看法以及对创新的态度。该研究使用了西班牙创新晴雨表调查（N = 3,005）中有关一般人群的数据。研究结果表明，对创新持消极态度的人对机器人和人工智能也持消极看法。在社会人口统计数据方面，年龄和经济条件会缓和这种影响，导致年轻人和社会经济水平较高的人对数字密集型产品的看法更为积极。性别的调节作用增强了这些影响。
Valentina Dragos、Bruce Forrester、Kellyn Rein。混合 AI 是否适合混合威胁？来自社交媒体分析的见解。2020 IEEE 第 23 届信息融合国际会议 (FUSION)，2020 年 7 月，南非鲁斯滕堡 (Virtuel)。 pp.1-7, 10.23919/FUSION45008.2020.9190465. hal- 03212312
摘要 — 社交媒体为真正互联的世界创造了机会，改变了人们沟通、交换思想和组织虚拟社区的方式。了解在线行为和处理在线内容对于安全应用都具有战略重要性。然而，大量、嘈杂的数据和主题的快速变化带来了挑战，阻碍了分类模型的有效性和语义模型的相关性。本文对用于分析社交数据流的监督、非监督和语义驱动方法进行了比较分析。本文的目标是确定实证研究结果是否支持增强决策支持和模式识别应用。本文报告了使用各种方法来识别社交数据集合中隐藏模式的研究，其中文本高度非结构化，带有多种模态，并且可能具有不正确的时空标记。结论报告指出，在挖掘社交媒体数据时，机器学习模型和语义驱动方法的脱节使用存在一些弱点。索引词 — 社交网络、混合人工智能、国防和安全