XiaoMi-AI文件搜索系统
World File Search System语言
RFC 9741：简洁数据定义语言（CDDL）
控制器数组的元素需要是字符串（文本或字节字符串）。如果该数据项也是字符串，则控制操作员与数据项匹配，该字符串是通过连接数组中的字符串而构建的。此串联的结果与数组的第一个元素相同的字符串（文本或字节）。（如果数组中没有元素，则.join构造匹配两种空字符串，显然会受到控制运算符目标的约束。）在字符串中的字节序列上执行串联。如果串联的结果是文本字符串，则如果结果是有效的文本字符串（即有效的UTF-8），则结果字符的顺序仅与目标数据项匹配。请注意，与RFC 8949第3.2.3节中使用的算法相反，不需要所有单个字节序列进入串联以构成有效的文本字符串。
（联合国）以气候危机语言的可持续性折叠
摘要在《资本循环》中，该概念论文通过后人类的镜头研究了生态教育中的“可持续性”。i展示了Deleuzoguattarian的概念如何有助于重新配置“可持续性”的功能，以作为面对日益暴力的气候危机事件时的不稳定稳定力量。目前，生态教育和“可持续性”是对这些影响的解决方案。越来越多地将“可持续”的事物用作阐明其美德的标准，尤其是在产品，消费和能源的营销中。然而，与生态女权主义的新材料批评保持一致，我建议可持续性已将其沉淀成惯性的政权，从而使已知的实践永久性地对环境有害，这是停止的命令。本文为环境教育语言提出的问题提供了新的观点，以提出激进的重新构想，以开发能够利用气候危机混乱的教育学发展。
Robodexvlm：视觉语言模型模型的任务计划和灵活机器人操纵的运动控制
摘要 - 本文介绍了Robodexvlm，这是一个用于机器人任务计划的创新框架，并掌握了配备灵敏手的协作操纵器的检测。以前的方法着眼于简化且有限的操纵任务，这些任务通常忽略了以长期培训方式抓住各种对象相关的复杂性。相比之下，我们提出的框架利用灵巧的手能够抓住不同形状和大小的对象，同时根据自然语言命令执行任务。所提出的方法具有以下核心组件：首先，设计了一个具有任务级恢复机制的稳健任务计划器，该机制设计了视觉语言模型（VLMS），这使系统能够解释和执行长序列任务。第二，基于机器人运动学和正式方法提出了语言引导的灵活掌握感知算法，该方法是针对带有多种物体和命令的零摄像的灵巧操作量身定制的。全面的实验结果验证了Robodexvlm在处理长层场景和执行灵巧抓握方面的有效性，适应性和鲁棒性。这些结果突出了该框架在复杂环境中运行的能力，展示了其进行开放式灵巧操作的潜力。我们的开源项目页面可以在https://henryhcliu.github.io/robodexvlm上找到。
AMPC扩增的进展引用发布版本（APA）：Yiwen，H.，Karabulut，E。，＆Degeler，V。O.（印刷中）。饮酒的本体学习的大型语言模型
摘要当前，大多数本体论都是手动创建的，这是耗时且劳动力密集的。同时，大型语言模型（LLM）的高级功能已被证明在各个领域中有益，从而显着提高了文本处理和文本生成的效率。因此，本文着重于将LLMS用于本体学习。它使用手动本体构建方法作为促进本体学习LLM的基础。所提出的方法基于检索增强产生（RAG），并将其传递给LLM的查询基于手动本体论方法 - Lite本体论。已经对LLM的两种不同变体进行了实验，它们都以不同程度的程度证明了本体学学习的能力。这种方法显示了使用LLMS（半）自动化本体学习学习的方向的有希望的初始结果，并使没有先前领域专业知识的人的本体论施工过程更容易。最终的本体论是由域专家评估的，并根据定义的标准对其进行了排名。基于评估结果，最终的本体论可以用作基本版本，但是它需要域专家的进一步微调以确保其准确性和完整性。
深海：大型语言模型揭示了全球海洋微生物组的隐藏生物合成潜力
图2：在隐性BGC的验证数据集（n = 940）的验证数据集上的现有方法的比较。a，BGC的数量通过每种方法预测至少一个化学有效的结构，并以每种方法（成功率）的至少一个为每种BGC预测的化学有效结构的百分比（成功率）。b，每种方法预测的化学有效SM结构的数量，并用每种方法预测的独特结构的百分比（唯一性）。c，通过每种方法的预测SM结构的化学空间。d，通过每种方法的分子量的分子量分布。e，通过每种方法的综合可访问性（合成可访问性得分）的分布。f，通过每种方法对预测的SM结构的QED分布（药物的定量估计值）。源数据在源数据文件中提供。
将临床知识合并到大型语言模型中，以进行医学研究和应用：调查
临床知识是从有关原因，预后，诊断和治疗疾病的研究中学到的信息的收集。这种类型的知识可以改善治愈性能并促进身体健康。随着大型语言模型（LLM）的出现，旨在将学术医学AI系统应用于现实世界中医学场景的医学机构（医学AI）已进入了一个新的发展时代，从而从学术和工业研究中获得了出色的著作，例如Doctorgpt和Pangus-Drug。但是，该领域缺乏对学术界和行业建立医疗AI系统的全面汇编和比较。因此，这项调查重点介绍了医疗AI系统的建筑范例，包括使用临床数据库，数据集，培训管道，整合医学知识图，系统应用程序和评估系统。我们希望这项调查可以帮助相关实践研究人员了解医疗保健各个领域的学术模型的当前表现，以及实施这些科学成就的潜在问题和未来的方向。
（2024）DeanThropomorphisting NLP：语言模型可以意识到吗？ Plos One，19（12）。 E0307521 ISSN 1932-6203
这项工作旨在作为先前主张的讨论中的声音，即基于变压器模型体系结构的验证大型语言模型（LLM）可能是一种陈述。已经对LAMDA模型提出了此类主张，也是关于LLM驱动的聊天机器人（例如Chatgpt）的当前浪潮的。如果确认，由于广泛使用类似模型，该主张将在自然语言处理（NLP）社区中产生严重的影响。但是，在这里，我们认为这样的大语言模型无法意识到，尤其是LAMDA比其他类似的模型没有任何进步。我们通过通过综合信息理论分析变压器架构来证明这一点。我们将感性的主张视为在NLP报告中使用拟人化语言的更广泛倾向的一部分。不管主张的真实性如何，我们认为这是一个合适的时机，可以盘点语言建模的进步并考虑任务的道德含义。为了使这项工作对NLP社区以外的读者有所帮助，我们还提出了语言建模的必要背景。
意大利文化遗产的视觉语言模型的比较研究
摘要：人类的交流长期以来一直依赖视觉媒体进行交互，并通过访问视觉数据的电子设备来促进。传统上，这种交换是单向的，受到基于文本的查询的约束。但是，人类 - 计算机互动的进步已经引入了诸如逆向图像搜索和大语言模型（LLM）之类的技术，从而使文本和视觉查询既可以进行。这些创新在文化遗产应用中特别有价值，例如在城市访问期间将游客与利益识别系统联系起来。本文研究了各种视觉语言模型（VLM）用于文化遗产视觉问题的使用，包括带有GPT-4的Bing的搜索引擎以及Qwen2-VL和Pixtral等开放模型。选择了二十个意大利地标进行研究，包括罗马斗兽场，米兰大教堂和米开朗基罗的大卫。对于每个地标，选择了两张图像：一个来自Wikipedia的图像，另一个来自科学数据库或私人收藏。这些图像输入了每个VLM，并具有有关其内容的文本查询。我们根据其完整性研究了响应的质量，评估了查询中各种细节的影响。此外，我们探讨了语言（英语与意大利语）对模型提供准确答案的能力的影响。我们的发现表明，在多语言数据集中训练的较大模型，例如qwen2-vl和bing+chatgpt-4，在英语和意大利语中都表现更好。令人惊讶的是，Wikimedia数据集的性能没有按预期执行，模型之间的结果有所不同。标志性的地标，例如罗马斗兽场和佛罗伦萨的Duomo，很容易被认可，并提供背景（例如，城市）证明了识别精度。可以在消费者工作站上运行的QWEN2-VL之类的开放模型显示出类似于较大型号的性能。虽然该算法表现出很强的结果，但它们还产生了偶尔的幻觉措施，强调了对文化遗产应用程序的AI系统进行持续改进的必要性。
比较医学概念表示和患者轨迹预测的神经语言模型
医学概念的有效表示对于电子健康记录的次要分析至关重要。神经语言模型在自动从临床数据中得出医学概念表示方面已显示出希望。但是，尚未对不同语言模型的比较性能，用于创建这些经验表示形式及其编码医学语义的程度，尚未得到广泛的研究。本研究旨在通过评估三种流行语言模型的有效性 - word2vec，fastText和手套 - 在创建捕获其语义含义的医学概念嵌入中的有效性。通过使用大量的数字健康记录数据集，我们创建了患者轨迹，并用它们来训练语言模型。然后，我们通过与生物医学术语进行明确比较来评估学到的嵌入式编码语义的能力，并通过预测具有不同级别可用信息的患者结果和轨迹来隐含。我们的定性分析表明，FastText学到的嵌入的经验簇与从生物医学术语获得的理论聚类模式表现出最高的相似性，分别在0.88、0.80和0.92的经验簇和0.92之间的诊断，过程和医疗代码分别为0.88、0.80和0.92之间。相反，为了预测，Word2Vec和Glove倾向于优于快速文本，而前者的AUROC分别高达0.78、0.62和0.85，分别用于现场长度，再入院和死亡率预测。在预测患者轨迹中的医疗法规时，手套在诊断和药物代码（分别为0.45和0.81）的最高级别上达到了语义层次结构的最高性能（AUPRC分别为0.45和0.81），而FastText优于其他模型的过程代码（AUPRC为0.66）。我们的研究表明，子词信息对于学习医学概念表示至关重要，但是全球嵌入向量更适合于更高级别的下游任务，例如轨迹预测。因此，可以利用这些模型来学习传达临床意义的表示形式，而我们的见解突出了使用机器学习技术来编码医学数据的潜力。
身体不满意的时间感知和互感相互作用 bimsa：使用内存处理加速长序列对齐 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 psilocybin导致性别，时间和剂量依赖性变化
此外，在帕金森氏病，抑郁症，躁郁症，焦虑症和精神分裂症等精神病和神经系统疾病中观察到的时间感知的扭曲仍然知之甚少（Teixeira等，2013）。例如，患有抑郁症的人通常集中于过去的过去经历，并且经常报告时间似乎缓慢甚至感觉已经停止了（Ren等，2023）。同样，患有帕金森氏病的患者也倾向于感知时间更慢。另一方面，焦虑会引起时间的加速感知，尤其是在高压力和唤醒时期（Holman等，2023）。患有注意力缺陷多动障碍的人可能会感觉到时间比实际的时间更快或慢（Ptacek等，2019）。Stanghellini等。发现，精神分裂症患者可能将时间的看法描述为缺乏连续性，而感到彼此断裂的时刻（Stanghellini等，2016）。这可能表现为即时时间流的损失，使事件感到孤立和无关，这有助于组织日常活动和维持社交互动的困难。因此，时间感知的研究不仅是理解人类认知的基础，而且对实用应用具有巨大的潜力，这些应用可能会对个人和社会福祉产生积极影响，并且对于诊断和治疗各种精神病学和神经疾病具有实际意义。