XiaoMi-AI文件搜索系统
World File Search System超越
超越炒作：对生成AI研究，教学实践和工具的当前趋势的全面回顾
生成的AI（Genai）正在迅速发展，计算教育中的文献几乎正在扩大。对Genai工具的初始赞助是在恐慌和乌托邦式的乐观主义之间混合的。许多人迅速指出了Genai的机会和挑战。研究人员报告说，这些新工具能够解决大多数入门编程任务，并在整个课程中造成干扰。这些工具可以编写和解释代码，增强错误消息，为讲师创建资源，甚至为像传统助教这样的学生提供反馈和帮助。2024年，新的研究开始对计算教室中Genai使用的影响产生。这些新数据涉及使用Genai来大规模支持课堂教学，并教学生如何与Genai进行编码。为了支持前者，新的工具正在出现，可以向学生提供个性化的反馈，以完成他们的编程任务，或同时教授编程和提示技能。随着文献的扩展如此迅速，本报告
人工智能中不确定性的表现：超越概率和可能性
统计推断证据范式的扩展，而 Shafer 将这些上限和下限概率解释为可信度和信念函数，而不参考具有一对多映射的底层概率空间。这样获得的方法被 Shafer 称为证据理论。它专门用于表示和合并不可靠的证据。相反，由于对随机变量的观察不完整，Dempster 设置中的上限和下限概率也可能模拟未知的概率。第二个想法是使用（凸）概率集，要么是因为统计模型不为人所知，要么是因为生成主观概率的通常协议发生了改变，承认与风险事件相关的彩票的买卖价格可能不同。后者是沃利低预测和不精确概率理论的基础。事实证明，沃利的框架在数学上比 Dempster-Shafer 理论更通用。本章介绍了贝叶斯概率论的这些概括。
到辐射的未来和超越
神经母细胞瘤是一种小儿癌，高危病例的五年生存率仅为50％。治疗方案具有侵略性，导致广泛的副作用显着影响患者的生活质量。靶向放射性核素疗法（TRT）涉及癌症特异性放射性轭物的全身施用。本论文的重点是针对生长抑素受体2（SSTR2）和抗原CD44V6的TRT，这两个靶标在神经母细胞瘤中过表达的两个靶标，放射性敏感性使细胞对辐射更敏感，可以对疗效提高疗效并有可能提高辐射DOSE所需的辐射DOS，以实现抗杀菌效应。本论文通过p53的稳定和热休克蛋白90（HSP90）的抑制作用研究了放射敏化，这两种蛋白参与细胞对DNA损伤的反应。在论文I和II中，我们研究了SSTR2靶向放射性偶联物177 lu-二烷酸酯与p53稳定的肽VIP116进行神经母细胞瘤治疗的组合。联合疗法在体外和体内研究中使用携带人神经母细胞瘤异种移植的小鼠的抗肿瘤作用增强。值得注意的是，未处理和单链的对照没有显示肾毒性。在论文III中，我们证明了将外束放射疗法与HSP90抑制剂Onalespib结合起来，在一系列神经母细胞瘤细胞系中在体外产生了添加剂或协同作用。此外，与对照组相比，用这种组合治疗的蛋白神经母细胞瘤肿瘤异种移植物具有显着提高的治疗疗效。在论文IV中，我们开发并表征了人类抗CD44V6分子放疗的抗体。这项工作确定了一名铅候选人UU-40，该候选人表现出高亲和力，强烈的肿瘤吸收和有利的生动性分发，使其成为对CD44V6表达癌症的未来使用的有前途候选人。总而言之，本论文表明，放射性化增强了神经母细胞瘤临床前模型中辐射疗法的抗肿瘤作用。我们希望这些发现能够对神经母细胞瘤儿童更有效和有害治疗。本论文还产生了一种抗CD44V6抗体，该抗体具有在靶向放射性核素治疗中的未来使用，为CD44V6表达癌症（包括神经母细胞瘤）的创新治疗铺平了道路。
超越边界：在跨数据集和语言中学习通用实体分类法，以获取命名实体识别
开放命名实体识别（NER）涉及从任意域中识别任意类型的实体，对于大语言模型（LLMS）仍然具有挑战性。最近的研究表明，对数据数据的微调LLM可以提高其性能。但是，直接对现有数据集进行培训会忽略其不一致的实体定义和冗余数据，从而将LLMS限制为数据集 - 特定的学习和阻碍域外适应性。为了解决这个问题，我们提出了B 2 NERD，这是一个紧凑的数据集，旨在指导LLMS在通用实体分类学下的开放NER中的概括。b 2书呆子使用两个步骤的过程从54个Ex-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is。首先，我们检测到跨数据集的不一致的实体定义，并通过可区分的标签名称来澄清它们，以构建400多种实体类型的Uni-Glesal分类学。第二，我们使用数据修剪策略来解决冗余，该策略选择了更少的类别和语义多样性的样本。综合评估表明，B 2 NERD显着增强了LLMS的开放式NER功能。我们的B 2 NER模型，在B 2 NERD上训练，超过6.8-12.0 f1点，并超过15个数据集和6种语言的3个室外基准标记中的先前方法。数据，模型和代码可在https://github.com/umeannever/b2ner上公开获取。
超越信仰
为了理解教育意义，人工智能被概念化为关系，即通过人与技术之间的关系构建的东西。行动者网络理论 (ANT) 的理论和方法论方法进一步强调了人工智能的关系概念化，其中人工智能可以被理解为由行动者留下的人类和非人类痕迹构建的网络。ANT 支持一项多地点的民族志，包括在瑞典小学和中学进行的实地考察。重点是教师、学生和三种不同的人工智能技术之间的互动：基于机器学习的智能辅导系统、配备学习分析的学习管理系统和幸福感应用程序。数据生成主要依赖于学校的观察、访谈和视频录制会议。此外，分析工作还受到民族戏剧、通过漫画思考和视觉网络分析的影响，每种都有不同的表现方式。实地考察产生了四篇论文（论文 II-V）。该论文还包括第五篇论文（论文 I），其中包括对教师与人工智能相关的专业知识的文献综述。该评论采用亚里士多德的三重知识划分方法（知识、技术和实践智慧），区分了专业知识的不同方面。
超越成本：各国对未来制造业和供应链的准备程度
持续的全球供应链中断迫使制造商重新考虑其运营。他们不再只关注成本，而是在成本考虑因素与性能、弹性和可持续性等因素之间寻找平衡。对于许多制造商来说，这意味着重新关注区域化，根据世界经济论坛和科尔尼公司对 300 多名全球运营高管和 60 场咨询进行的一项调查，超过 90% 的制造商优先考虑这种方法。该调查的结果（摘自之前的白皮书《从中断到机遇：重塑全球价值链的策略》）显示，近三分之二的制造商正在采用“二力”地理方法，确保其大部分直接支出来自两个不同的地区。
生成的AI - 超越欣快和简单解决方案
自2022年Ameri-Software Company Openai发布文本生成器和Chatbot Chatgpt以来，生成人工智能（AI）席卷了数字世界； AI应用程序现在可以访问，并且具有多种用途。仅在两个月内就可以访问约1亿用户。此外，还已经广泛使用了用于自动创建影像图像和视频的工具，例如Midjourney，Dall-E或Gemini，现在许多工具现在都提供了多模式输出。单击按钮，这些应用程序可以通过生成AI创建高质量的文本，图像或视频。通过Internet免费访问即时使用此类工具，而简单的界面则负责此胜利；用户几乎不需要先验知识，只有少数技术要求才能在几秒钟内收到各种问题的答案或生成文本，图像和视频。生成AI的基础和核心是根据从各种起源和质量的多种数据数据中获得新的语言或视觉产品的能力。重要的是，这种新内容的创建纯粹基于相关性或概率，而不是真正的理解。chatgpt是一种所谓的大型语言模型（LLM），接受了大量文本培训：网站，书籍，文章，歌词，帖子，帖子，推文，评论或其他语句 - 简而言之，所有文本类型都可以在Internet上找到。培训特别包括根据从这些数据中学到的语言模式预测提供的句子细分的下一个单词。为此，Chatgpt首先通过使用统计过程来分析句子的上下文，然后根据概率计算产生下一个单词。以这种方式，Chatgpt可以以统计上合理的方式回答Word的问题，并产生新的文本。句子
超越增长：欧盟走向公平经济的道路
多项科学评估证实，当前全球利用资源实现经济增长的模式正在引发前所未有的三重地球危机：气候变化、生物多样性丧失和污染。欧盟的物质足迹（即其消耗的化石燃料、生物质、金属和矿物的总量）目前高达每年人均 14.8 吨，是可持续和公平水平的两倍多。这意味着，如果每个人都像欧洲人一样生活和消费，我们将需要三个地球。与此同时，经济增长将满足所有社会成员需求的想法完全是不正确的。联合国的数据显示，2022 年，全球 9% 的人口生活在极端贫困中，而根据世界银行的数据，2023 年，全球 45.6% 的人口每天的生活费不足 6.85 美元。
