XiaoMi-AI文件搜索系统
World File Search System胜过
管理建议 - 与（非）人类顾问分担责任胜过决策准确性
摘要组织越来越多地实施算法决策AIDS来建议管理决策。我们使用建议（人类和非人类）背后的经理动机，尤其是分享责任与提高决策精度的动机。我们在销售预测环境中与经验丰富的经纪人进行了在线实验，并发现当他们无法（能够）与顾问分担责任时，经理们专注于提高决策准确性（分享责任）。此外，管理人员更希望与非人类顾问分享责任，除非他们认为算法是社会胜任的。因此，结果表明，管理者不仅有动机来最大程度地减少预测错误，而在接受建议时减少个人责任。，我们通过在接受（非）人类建议时强调经理的机会主义动机来为文学做出贡献。我们的发现也对实践具有重要意义。具体来说，公司在实施算法的决策辅助工具时应意识到经理的机会性建议动机。
混合钠空气电池能否胜过非水系钠氧电池？
锂离子电池是当今电力平台的重要组成部分。锂离子电池在所有便携式电子设备、电动和混合动力汽车以及电网规模的储能系统中都有广泛的应用。[4] 但由于电池行业需要近 50% 的可用锂资源，因此锂离子电池能否大规模生产用于电网应用尚不确定。[5f] 此外，锂离子在非质子电解质中的电导率有限以及安全性较差也可能对其大规模利用造成问题。这些缺点促使研究人员寻找替代锂离子电池的新型储能技术，其中可充电金属空气电池成为一种有前途的新型电能存储技术（图 1）。通常，金属空气电池（Li 或 Na）比锂离子电池具有更高的理论比能，这使得金属空气电池系统对混合动力和混合动力电动汽车具有吸引力和实用性。 [6] 以金属为阳极、氧为阴极活性材料的电化学电力装置具有最高的能量密度，因为后者不存储在装置内部，而是可从环境中获取。锂空气电池（LAB）的理论比能量与汽油的理论比能量相当。[5c,7] 空气阴极性能限制了电池容量，危及 LAB 技术的商业成功。首先，无论是碱性还是酸性水性电解质，在阴极反应过程中都会消耗溶剂。其次，由于孔口/开口的堵塞导致放电不完全。[8] 因此，提高 LAB 性能的可能途径之一是阴极材料结构，[9] 它可以保持活性锂离子和氧气的传输，并且可以填充大量氧还原反应（ORR）的产物而不会堵塞孔隙。在燃料电池的气体扩散电极 (GDE) 领域中，双孔材料有望提高能量容量。[10] 第三，空气阴极性能下降。空气阴极提供大部分电池能量，因此电池电压降最大。[11] 放电过程中 LiO 2 的积累产生了混合产物，充电时的高电压导致溶剂分解，同时过氧化锂也发生还原。[12] 氧溶解度和扩散速率成为影响电池能量容量的关键因素。使用氧溶解度高和氧扩散率高的电解质可提高阴极容量。[8,13]
基于学习基因扰动效应的深度学习预测尚未胜过简单的线性方法
先进的深度学习方法，例如基于变压器的基础模型，有望学习生物学的表示，可以在硅中预测未见实验的结果，例如遗传扰动对人类细胞跨文字的影响。要查看当前模型是否已经达到了这个目标，我们对两个重要的用例中有意地模拟有意模拟的线性模型进行了基准测试：在两个重要用例中有意模拟的线性模型：对于两个基因的组合扰动，只能看到单个单个扰动的数据，我们发现一种简单的添加剂模型超过了基于深度学习的方法。，对于尚未看到的基因的扰动，但可以从生物学相似性或网络环境中“插值”，一个简单的线性模型与基于深度学习的方法一样好。我们的资产表明，术语模型学到的生物学尚不允许推断训练数据的特定实验条件超出特定的实验条件，而对相反的最新主张可能还为时过早。
基于学习基因扰动效应的深度学习预测尚未胜过简单的线性方法
先进的深度学习方法，例如基于变压器的基础模型，有望学习生物学的表示，可以在硅中预测未见实验的结果，例如遗传扰动对人类细胞跨文字的影响。要查看当前模型是否已经达到了这个目标，我们对两个重要的用例中有意地模拟有意模拟的线性模型进行了基准测试：在两个重要用例中有意模拟的线性模型：对于两个基因的组合扰动，只能看到单个单个扰动的数据，我们发现一种简单的添加剂模型超过了基于深度学习的方法。，对于尚未看到的基因的扰动，但可以从生物学相似性或网络环境中“插值”，一个简单的线性模型与基于深度学习的方法一样好。虽然深层神经网络对生物系统的代表和实验结果的词语的承诺是Plausible的，但我们的工作强调了对旨在将转移学习转移到生物学的直接研究工作的批判性基准的需求。
作者更正：在创造性发散思维任务中，最优秀的人类仍然胜过人工智能
开放存取本文采用知识共享署名4.0国际许可证，允许以任何媒体或格式使用、共享、改编、分发和复制，只要您给予原作者和来源适当的信任，提供知识共享许可证的链接，并表明是否做了更改。本文中的图片或其他第三方资料包含在文章的知识共享许可证中，除非在资料的致谢中另有说明。如果资料未包含在文章的知识共享许可证中，且您的预期用途不被法定规定允许或超出了允许的用途，您需要直接从版权所有者处获得许可。要查看此许可证的副本，请访问http://creativecommons.org/licenses/by/4.0/。
年龄与机器——大型语言模型对认知障碍的敏感性：横断面分析
自 2022 年底 ChatGPT 首次发布供免费在线使用以来，医学期刊上发表了无数研究，将人类医生的表现与这些超级计算机的表现进行了比较，这些超级计算机已经在人类已知的所有文本语料库上进行了“训练”。尽管大型语言模型有时会出错（例如，引用不存在的期刊文章），但它们在一系列医学考试中表现出色，在传统医学培训不同阶段的资格考试中得分超过人类医生。3 4 其中包括在欧洲核心心脏病学考试中胜过心脏病专家、在内科委员会考试中胜过以色列住院医师、在土耳其（理论）胸外科考试中胜过土耳其外科医生、在德国妇产科考试中胜过德国妇科医生。4-7 令我们非常痛心的是，它们甚至在神经病学委员会考试中胜过像我们这样的神经科医生。8
年龄与机器——大型语言模型对认知障碍的敏感性：横断面分析
自 2022 年底 ChatGPT 首次发布供免费在线使用以来，医学期刊上发表了无数研究，将人类医生的表现与这些超级计算机的表现进行了比较，这些超级计算机已经在人类已知的所有文本语料库上进行了“训练”。尽管大型语言模型有时会出错（例如，引用不存在的期刊文章），但它们在一系列医学考试中表现出色，在传统医学培训不同阶段的资格考试中得分超过人类医生。3 4 其中包括在欧洲核心心脏病学考试中胜过心脏病专家、在内科委员会考试中胜过以色列住院医师、在土耳其（理论）胸外科考试中胜过土耳其外科医生、在德国妇产科考试中胜过德国妇科医生。4-7 令我们非常痛心的是，它们甚至在神经病学委员会考试中胜过像我们这样的神经科医生。8
DeepSeek-R1：通过增强学习激励LLM中的推理能力
•分数：MMLU的90.8％，MMLU-PRO的84.0％，GPQA钻石的71.5％。•胜过DeepSeek-v3，但尾随OpenAI-O1-1217。•与其他封闭式模型相比，教育任务擅长于教育任务。SimpleQA：胜过DeepSeek-V3，展示了强大的事实查询处理。
aaai-24-oral-papers-schedule.pdf
开放式词汇360度图像生成Zhuqiang lu的自动回归全能概述； kun hu; Chaoyue Wang； Lei Bai；王王13783关于扩散模型的推理稳定性越南； Giang Vu; Tung Nguyen thanh; khoat胜过Toan Tran
![arxiv：2107.02789v2 [Quant -ph] 7月7日 - Orbilu](/simg/2\24be51af12d45343423d28f015ebc68573ec84f8.webp)
arxiv：2107.02789v2 [Quant -ph] 7月7日 - Orbilu
量子近似优化算法（QAOA）已被证明是一种有效的经典量词算法，从解决组合优化问题到找到多体量子系统的基础状态。由于QAOA是ANSATZ依赖性算法，因此总是需要设计ANSATZ以更好地优化。为此，我们提出了通过使用捷径为绝热性来增强QAOA的数字化版本。特别是，我们使用反磨蚀（CD）驾驶术语来设计更好的Ansatz，以及Hamiltonian和混合术语，从而增强全球性能。 我们将数字化 - 纯化的QAOA应用于Ising模型，经典优化问题和P -Spin模型，这表明在我们研究的所有情况下，它都胜过标准的QAOA。特别是，我们使用反磨蚀（CD）驾驶术语来设计更好的Ansatz，以及Hamiltonian和混合术语，从而增强全球性能。我们将数字化 - 纯化的QAOA应用于Ising模型，经典优化问题和P -Spin模型，这表明在我们研究的所有情况下，它都胜过标准的QAOA。