XiaoMi-AI文件搜索系统
World File Search System聊天
建议引用：Nichifor, Eliza；Trivan, Adrian；Nechifor, Elena Mihaela (2021)：电子商务中的人工智能：基本聊天机器人和消费者旅程，Amfiteatru Economic Journal，ISSN 2247-9104，布加勒斯特经济研究大学，布加勒斯特，第 23 卷，Iss。56，第 87-101 页，https://doi.org/10.24818/EA/2021/56/87
摘要 本研究旨在从通信过程中实施的内容方面实证研究通过聊天机器人使用人工智能对在线零售的影响。本研究通过分析感知效用并展示技术接受模型的关键概念，为专业文献做出了贡献。为此，研究了罗马尼亚的十家在线商店，根据用户数量进行选择，研究通过非反应性方法进行 - 内容分析。数据收集方法是“神秘客户”的方法，以免改变研究实体的行为。通过内容网格获得的数据的解释允许横向和纵向方法，从而导致一系列结果证实了市场领导者的低水平绩效，以及这种技术在该领域应用的巨大潜力。关于使用聊天机器人的影响，已经表明，向用户显示的内容质量差会影响消费者的旅程，在这种情况下无法达到满意的程度。关键词：聊天机器人、商业人工智能、客户服务、电子商务、购买行为、客户参与度 JEL 分类：O30、M31、M10
建议引用：Adam, Martin；Wessel, Michael；Benlian, Alexander (2020)：基于人工智能的聊天机器人在客户服务中的应用及其对用户合规性的影响，《电子市场》，ISSN 1422-8890，Springer，柏林，海德堡，第 31 卷，Iss。2，第 427-445 页，https://doi.org/10.1007/s12525-020-00414-7
摘要 通过实时聊天界面与客户沟通已成为许多电子商务环境中提供实时客户服务的一种越来越流行的方式。如今，人类聊天服务代理经常被对话软件代理或聊天机器人所取代，这些系统旨在通过通常基于人工智能 (AI) 的自然语言与人类用户进行交流。尽管节省成本和时间的机会引发了基于人工智能的聊天机器人的广泛实施，但它们仍然经常无法满足客户的期望，这可能导致用户不太愿意遵守聊天机器人提出的要求。借鉴社会反应和承诺一致性理论，我们通过随机在线实验实证检验了语言拟人化设计提示和登门槛技术如何影响用户请求的遵从性。我们的结果表明，拟人化以及保持一致性的需求都显著增加了用户遵守聊天机器人的服务反馈请求的可能性。此外，结果表明，社交存在感会介导拟人化设计线索对用户遵从性的影响。
在Visual编程中使用AI聊天机器人
摘要 - 编程自我效能感（PSE）对于增强学习者的技能，认知能力和职业兴趣至关重要。尽管具有重要意义，但现有的研究经常忽略在高年级学习者中提高PSE的策略。这项研究评估了创新的电子学习工具AI聊天机器人对学生PSE的影响。在中国北部大陆的一所小学进行，该实验将AI聊天机器人融为一体，作为视觉编程课程的干预。它涉及98名五年级学生分为实验组和对照组，这两者都由同一老师指导。访谈。的发现表明，与传统的教师主导的指导相比，AI聊天机器人显着增强了学生在编程技能方面的PSE，而在编程知识方面的PSE提高了PSE仍然不重要。该研究还调查了AI聊天机器人为学生提供易于访问的，个性化的学习支持的机制，以便自我指导学习，并在寻求帮助时减少情绪障碍。关键字 - 编程自我效能感，AI辅助学习，人工智能，视觉编程
利用 LLM 聊天机器人对加密协议进行形式化描述
提示︓ 以下是用自然语言编写的Yahalom协议、Needham-Schroeder对称密钥认证协议的描述，以及Tamarin Prover的Needham-Schroeder对称密钥认证协议脚本。请为Tamarin Prover编写一个Yahalom协议的脚本……
高等教育中的人工智能聊天机器人 - 在线和数字学习
David Schuff：当然。如果我使用聊天功能生成考试题目，我不会直接将其复制粘贴到考试中，而是会根据我所知道的内容进行验证。我会确保问题有意义。这是一项很好的技能，或者说是学生应该具备的一项非常重要的技能，如果他们从 ChatGPT 获得答案，他们应该能够做到，他们不应该只是听信其言，他们应该根据他们所知道的内容进行三角测量，就像他们用 Google 搜索某些东西或去 StackOverflow 查找某些东西时，他们不应该只相信其表面意思。
chirp聊天机器人用于壁内
董事办公室（OD）尼克·安德拉德（Nick Andrade）| nick.andrade@nih.gov |培训专家，数据科学策略办公室伊夫林·博茨威| botchwaye@od.nih.gov |数据科学策略办公室计划分析师Philip Chiang | chiangpt@od.nih.gov |校内研究办公室布莱恩特·詹（Bryant Jen）办公室专家| jenb2@od.nih.gov |室内研究办公室Nitin Kumar办公室专业经理| kumarn6@od.nih.gov |壁内研究办公室基础设施系统官员Etan Kuperberg | etan.kuperberg@nih.gov |卫生科学政策分析师，校外研究办公室Alison Lin博士| alison.lin@nih.gov |培训，劳动力倡议和社区参与（两次）部门负责人，数据科学办公室策略Steevenson Nelson博士| nelsons2@od.nih.gov |程序总监Rashod Qaim | qaimra@od.nih.gov |机器学习工程师，执行办公室卡洛斯·桑切斯（Carlos Sanchez）| sanchezc3@od.nih.gov |执行办公室的计划官克里斯·索尔兹（Chris Sowards）| chris.sowards@nih.gov |信息系统安全官，信息技术办公室Ylang Tsou | tsouyh@od.nih.gov |壁内研究办公室荣誉荣誉办公室| zhouh5@od.nih.gov |计划官员，执行办公室
基于人工智能的聊天机器人促进健康行为改变：系统评价
背景：基于人工智能 (AI) 的聊天机器人可以提供个性化、引人入胜且按需的健康促进干预措施。目的：本系统评价的目的是评估人工智能聊天机器人促进健康行为改变的可行性、有效性和干预特征。方法：在 7 个书目数据库（PubMed、IEEE Xplore、ACM 数字图书馆、PsycINFO、Web of Science、Embase 和 JMIR 出版物）中全面搜索 1980 年至 2022 年发表的评估人工智能聊天机器人改变行为的可行性或有效性的实证文章。对已确定的文章进行筛选、提取和分析，遵循 PRISMA（系统评价和荟萃分析的首选报告项目）指南。结果：在纳入的 15 项研究中，有几项证明了 AI 聊天机器人在促进健康生活方式（n=6，40%）、戒烟（n=4，27%）、治疗或药物依从性（n=2，13%）和减少药物滥用（n=1，7%）方面具有很高的功效。然而，在可行性、可接受性和可用性方面，结果好坏参半。选定的行为改变理论和专家咨询被用于制定 AI 聊天机器人的行为改变策略，包括目标设定、监控、实时强化或反馈以及按需支持。在聊天机器人平台上收集实时用户聊天机器人交互数据，例如用户偏好和行为表现，以确定提供个性化服务的方式。AI 聊天机器人通过可访问的设备和平台（例如智能手机和 Facebook Messenger）部署，展示了可扩展性的潜力。参与者还报告说，AI 聊天机器人提供了一个非评判性的敏感信息交流空间。然而，由于内部有效性存在中度至高度风险、对人工智能技术的描述不足以及普遍性受限，因此需要谨慎解读报告的结果。结论：人工智能聊天机器人已证明健康行为改变干预措施在大量不同人群中的有效性；然而，未来的研究需要采用强有力的随机对照试验来得出明确的结论。
转录组和文本的多模式学习启用与自然语言聊天的交互式单细胞RNA-seq数据探索
此预印本版的版权持有人于2024年12月17日发布。 https://doi.org/10.1101/2024.12.16.628764 doi：biorxiv Preprint
Intellistatcan：Gen-AI聊天机器人用于获取统计信息
StatCan website GenAI Chat Bot (IntelliStatCan) using Retrieval-Augmented Generation (RAG) Infrastructure • Back-end: Data Analytics as a Service Development Environment + Production • Front-end: Webapp hosted in Kubernetes AI Engine • MS Azure OpenAI Model API service (Model as a service): GPT 3.5 Turbo 16K vs. GPT-4 Omni • Azure AI Search (formerly Cognitive搜索）数据•生产：PDF中的18,000多个网站出版物，英语和法语•每天添加出版物•排除：表格数据和非文本媒体（图形，视频等）技术堆栈 - 请参阅附件A
在开放LLMS上应用检索功能的一代，以支持高血压患者的医疗聊天机器人
抽象疾病管理，特别是对于慢性病或老年人，涉及持续监测，生活方式调整和频繁的医疗互动，需要有效的家庭护理解决方案。为了满足这些需求，聊天机器人技术已成为支持患者自主管理健康的有前途的工具。在这种情况下，聊天机器人必须提供及时，准确的信息和持续的善解人意支持，以维持患者的参与度。此外，数据隐私问题需要避免第三方自然语言处理和发电服务。为了满足这些需求，在本文中，我们建议开发聊天机器人，以支持患者管理慢性病，重点关注高血压。特别是，由于隐私要求，我们使用开源大型语言模型来避免专有系统。鉴于他们的性能基于最先进的指标，我们不竞争第三方服务，因此我们结合了检索增强发电（RAG）技术，建立了一个知识库，并通过医学专业人员的投入来提高模型性能。我们评估了七个开源型号，其中包括两个在医疗领域进行的专门培训。我们的结果表明，抹布可显着提高性能，超过没有抹布的专门医疗域模型。这种方法提供了一种有希望的解决方案，用于独立安全地管理慢性条件。