XiaoMi-AI文件搜索系统
World File Search System解释
从滞胀到大通胀：解释……
本文概述了从 1975 年到 2013 年宏观经济学家对 20 世纪 70 年代美国滞胀的解释的演变历史。通过定性和定量方法，1）我观察到不同时期共存的不同解释类型；2）我评估了每个时期哪种解释类型占主导地位；3）我确定了不同解释类型的主要影响来源。20 世纪 70 年代末和 80 年代初，供给冲击和通胀惯性是解释滞胀的基本概念。1985 年以后，人们对这个话题的兴趣逐渐消失。在 20 世纪 90 年代，它成为了全新的文献，几乎没有参考过去的解释。这些文献主要关注货币政策在 20 世纪 60 年代末和 70 年代对通胀上升的影响。新古典经济学家的贡献，如卢卡斯（1976）、基德兰和普雷斯科特（1977）或巴罗和戈登（1983a），这些贡献在20世纪70年代/80年代的滞胀解释中被忽视，但在20世纪90年代却成为解释20世纪70年代滞胀的主要参考。
解释者：循环经济
• 缺乏国家政策框架：现有的政策环境是线性经济，遵循资源开采、生产、使用和废弃的模式。这种传统的经济模式与循环经济所要求的减少、再利用、翻新、修复和回收模式相矛盾，难以大规模实施循环经济。 • 监管和标准化差距：过时的废物定义、各州和各地区之间不一致的法规以及缺乏循环经济实践的国家标准阻碍了进展。 • 缺乏能力：对材料来源的了解不足，或缺乏进行生命周期分析 (LCA) 的技能和资源。缺乏循环材料采购的合作伙伴网络也会加剧这种情况。 • 缺乏数据：缺乏循环的中央数据中心会阻碍产品认证，并为循环产品的比较造成差距。 • 孤立的采购：分散的采购流程降低了规模经济、购买力和循环经济实践的有效性。 • 市场壁垒：对二次材料的偏见和消费者偏好限制了循环经济实践的采用。 • 创新和研究需求：针对性研究和创新的不足，特别是在材料替代、废物最小化和减排技术等领域，阻碍了循环经济实践的进步。 • 从研究到商业化的不确定途径：新创造的循环产品在扩大到商业可行性方面面临挑战。
文化背景和日语的解释'...
摘要：自1990年代初以来，日本动画电影或动漫一直在西方流行。但是，媒体对动漫（尤其是在英国）的兴趣倾向于集中于动漫关于暴力，性行为和年轻女孩的负面代表。目前的论文对“洛丽塔综合体”或罗里肯动漫的类型进行了检查，这是这些关注点的重点。有人认为，“洛丽塔”一词具有文化特定的含义，它在西方文化中与日本具有不同的含义。这导致了对日本社会及其文化产品（例如动漫）方面的误解。此外，人们认为罗里肯动漫反映了青少年对成人世界的焦虑，社会和性别角色的变化而不是贬低男性的性欲。对Rorikon动漫元素的研究表明，它不是文化“其他”的产物，而是反映了日本和西方文化中常见的特征。
计算和解释估计的后...
寿命匹配的目的是确保那些期望运作最长的肾脏经常被移植到那些预期寿命最长的候选人中，以实现从最高质量的肾脏中获得最大的好处。将高寿命肾脏移植到移植后不预计会寿命不长的患者中，导致这些珍贵的，捐赠的礼物从未利用的移植物中。同样，移植肾脏不会持续到高长寿命接受者会导致较高的移植率失败率并返回等待名单，从而进一步增加对肾脏的需求。通过更好的寿命匹配来实现每个捐赠器官的“最佳使用”是肾脏分配系统的主要目标。
Biochip技术解释
通过核酸（DNA/RNA）分析检测病原体可提供病毒，细菌和原生动物病原体的快速，敏感，多重检测。在从各种样本类型（痰，尿液，拭子等）中提取核酸后，目标DNA/cDNA在单个反应中得到扩增，然后杂交到包含23个病原体特异性探针的生物芯片阵列。这个快速，高度敏感和特定的过程可以同时识别初级和共同感染，通常在无症状的患者中，并且具有许多病原体面板的能力。
attexplore：解释的归因
由于现实世界中的噪音和人为增强的扰动，达到深度神经网络（DNNS）的信任度是一项艰巨的任务。因此，为这些非线性和复杂的参数化模型做出的决策提供解释至关重要。归因方法对于这个目标有希望，但其性能可以进一步提高。在本文中，我们首次提出了归因的决策边界探索方法与可转移的对抗攻击的过程一致。具体而言，可转移的对抗性攻击来自源模型的一般对抗性，这与可以跨越属性中多个决策边界的副本样本的生成一致。UTI-liz liz of the Enstancions，我们通过模型Pa-Rameter探索引入了一种新颖的归因方法。此外，灵感来自研究模型参数的频率能力，我们通过基于频率信息来探索不同模型的决策范围的输入功能来为DNN提供增强的解释。大规模实验表明，使用模型参数e x ploration（attexplore）进行电子i xplanation的方法优于其他最先进的可解释性方法。此外，通过采用其他可转移攻击技术，Attexplore可以探索归因结果的潜在变化。我们的代码可在以下网址提供：https：//github.com/lmbtough/attexplore。
解释自治：通过与大语言模型的解释生成增强人类机器人互动
本文介绍了一个系统，旨在为人类机器人相互作用（HRI）中的自主机器人执行的动作产生解释。机器人技术中的解释性封装在可解释的自主机器人（XAR）的概念中，是一个不断增长的研究领域。本文所描述的工作旨在利用大型语言模型（LLMS）执行自然语言处理任务的功能。这项研究重点是使用此类模型与检索增强生成（RAG）方法结合使用的可能性，以解释从自主系统日志中收集的数据。此外，这项工作还提出了拟议的解释系统的形式化。已通过欧洲机器人联盟（ERL）的导航测试进行了评估，欧洲机器人联盟（ERL）是一项欧洲范围内的社会机器人竞赛。关于获得的结果，已经进行了验证问卷，以从技术用户的角度衡量解释的质量。实验期间获得的结果突出了LLM在实现机器人中的解释能力方面的潜在效用。