| ID号 |
词典对应ID |
中文名 |
英文名 |
缩写 |
释义 |
栏目 |
修改 |
| 1615304 |
0 |
无症状严重主动脉瓣狭窄 |
asymptomatic severe aortic stenosis |
|
无症状重度主动脉瓣狭窄是一种进行性的疾病，会发展到有症状阶段，目前指南建议患者在出现症状前定期进行监测，但定期超声心动图和临床随访的负担对于某些患者来说较重。该研究说明，重度主动脉瓣狭窄患者即使没有症状，也应根据病情，尽早手术治疗。 |
医学 |
已审核通过
|
| 1615303 |
0 |
贝组替凡 |
belzutifan，Welireg[商品名] |
|
贝组替凡（Belzutifan）是一种首创的HIF-2α抑制剂，已被批准用于治疗von Hippel-Lindau综合征相关肾细胞癌和晚期肾细胞癌。卡博替尼是一种多激酶酪氨酸激酶抑制剂，可靶向血管生成通路中的多个受体，包括VEGFR、c-MET和AXL。贝组替凡和卡博替尼的组合治疗具有协同作用潜力，因为贝组替凡可以抑制HIF-2α驱动的VEGF基因表达，而卡博替尼则抑制VEGF受体，此外，贝组替凡还可以抑制其他HIF-2α依赖性致癌基因，而卡博替尼则特异性靶向MET和AXL受体。 |
药物名称 |
已审核通过
|
| 1615302 |
0 |
深度学习超采样 |
deep learning super sampling, DLSS |
|
DLSS，全称为Deep Learning Super Sampling，意即通过深度学习实现超采样。该技术旨在通过神经网络来生成高分辨率图像，以增强游戏的画质。DLSS的核心原理在于利用AI对游戏画面进行预测和重建，它通过分析大量高分辨率图像来学习最佳的渲染方式，从而在保持图像质量的同时，提高帧率。
DLSS的工作原理
DLSS的工作依赖于一种名为“生成对抗网络”（GAN）的深度学习架构。GAN由两个神经网络组成：生成器和判别器。生成器负责生成图像，而判别器则对生成的图像进行评价。DLSS首先使用图像分辨率较低的游戏帧，通过AI模型预测出在高分辨率下的画面效果。这种技术不仅降低了显卡的计算压力，还在要求更高帧率的游戏场景中确保了画面的流畅性。
目前，DLSS支持多个主流游戏，如《控制》、《赛博朋克2077》等，在这些游戏中，玩家可以选择开启DLSS选项，以享受更高的画质和极致的游戏体验。
DLSS与传统超采样技术的比较
对于许多游戏玩家而言，传统的超采样技术往往需要玩家牺牲性能以获得更好的画质，而DLSS则巧妙地平衡了这两者。通过AI驱动的图像重建，DLSS能在较低的计算成本下，提供相似甚至更优的图像效果。这使得即便在较低配置的电脑上，玩家也能够享受高质量的游戏体验。
DLSS的用户体验
许多使用DLSS的玩家反馈称，在启用该技术后，游戏的流畅度显著提升，尤其是在进行激烈的战斗场景时。玩家不再需要忍受由于硬件性能不足而产生的卡顿情况。相较于关掉高分辨率设置，DLSS允许他们在不牺牲视觉效果的情况下，获得更多的帧数，极大改善了游戏的可玩性。
未来趋势：DLSS与AI技术的结合
随着AI技术的不断发展，DLSS的潜力和应用场景将继续扩展。未来，可能会出现更多创新型的AI技术来提升游戏的图形表现，例如动态光影、物理模拟等，DLSS有望与这些技术结合，创造更为沉浸的游戏体验。此外，随着云游戏技术的提升，DLSS在云端的应用也将为玩家提供更广阔的游戏视野，使得高质量游戏不再局限于高性能设备。 |
科技 |
已审核通过
|
| 1615301 |
0 |
知识蒸馏 |
knowledge distillation |
|
知识蒸馏（knowledge distillation）是模型压缩的一种常用的方法，不同于模型压缩中的剪枝和量化，知识蒸馏是通过构建一个轻量化的小模型，利用性能更好的大模型的监督信息，来训练这个小模型，以期达到更好的性能和精度。最早是由Hinton在2015年首次提出并应用在分类任务上面，这个大模型我们称之为teacher（教师模型），小模型我们称之为Student（学生模型）。来自Teacher模型输出的监督信息称之为knowledge(知识)，而student学习迁移来自teacher的监督信息的过程称之为Distillation(蒸馏)。
知识蒸馏（KD）旨在将具有大容量的高性能教师模型中的知识迁移到轻量级的学生模型中。近年来，知识蒸馏在深度学习中受到了越来越多的关注，并取得了显著进展，在视觉识别、目标检测等多个领域得到了广泛应用。
在其开创性工作中，Hinton等人引入了Kullback-Leibler散度（KL-Div）用于知识蒸馏，约束学生模型的类别概率预测与教师模型相似。
从那时起，KL-Div在Logit蒸馏中占据主导地位，并且其变体方法DKD、NKD等也取得了令人瞩目的性能。此外，这些Logit蒸馏方法还可以与将知识从中间层传递的许多先进方法相互补充。
1、 离线蒸馏离线蒸馏方式即为传统的知识蒸馏，如上图（a）。用户需要在已知数据集上面提前训练好一个teacher模型，然后在对student模型进行训练的时候，利用所获取的teacher模型进行监督训练来达到蒸馏的目的，而且这个teacher的训练精度要比student模型精度要高，差值越大，蒸馏效果也就越明显。一般来讲，teacher的模型参数在蒸馏训练的过程中保持不变，达到训练student模型的目的。蒸馏的损失函数distillation loss计算teacher和student之前输出预测值的差别，和student的loss加在一起作为整个训练loss，来进行梯度更新，最终得到一个更高性能和精度的student模型。2、 半监督蒸馏半监督方式的蒸馏利用了teacher模型的预测信息作为标签，来对student网络进行监督学习，如上图（b）。那么不同于传统离线蒸馏的方式，在对student模型训练之前，先输入部分的未标记的数据，利用teacher网络输出标签作为监督信息再输入到student网络中，来完成蒸馏过程，这样就可以使用更少标注量的数据集，达到提升模型精度的目的。
3、 自监督蒸馏自监督蒸馏相比于传统的离线蒸馏的方式是不需要提前训练一个teacher网络模型，而是student网络本身的训练完成一个蒸馏过程，如上图（c）。
具体实现方式 有多种，例如先开始训练student模型，在整个训练过程的最后几个epoch的时候，利用前面训练的student作为监督模型，在剩下的epoch中，对模型进行蒸馏。这样做的好处是不需要提前训练好teacher模型，就可以变训练边蒸馏，节省整个蒸馏过程的训练时间。
1.3 知识蒸馏的功能
1、提升模型精度用户如果对目前的网络模型A的精度不是很满意，那么可以先训练一个更高精度的teacher模型B（通常参数量更多，时延更大），然后用这个训练好的teacher模型B对student模型A进行知识蒸馏，得到一个更高精度的模型。
2、降低模型时延，压缩网络参数用户如果对目前的网络模型A的时延不满意，可以先找到一个时延更低，参数量更小的模型B，通常来讲，这种模型精度也会比较低，然后通过训练一个更高精度的teacher模型C来对这个参数量小的模型B进行知识蒸馏，使得该模型B的精度接近最原始的模型A，从而达到降低时延的目的。
3、图片标签之间的域迁移用户使用狗和猫的数据集训练了一个teacher模型A，使用香蕉和苹果训练了一个teacher模型B，那么就可以用这两个模型同时蒸馏出一个可以识别狗，猫，香蕉以及苹果的模型，将两个不同与的数据集进行集成和迁移。
4、降低标注量该功能可以通过半监督的蒸馏方式来实现，用户利用训练好的teacher网络模型来对未标注的数据集进行蒸馏，达到降低标注量的目的。
|
科技 |
已审核通过
|
| 1615300 |
0 |
上古卷轴 |
the elder scrolls |
|
《上古卷轴》（The Elder Scrolls，简称 TES）是由Bethesda Softworks开发的一款角色扮演游戏系列。系列首部作品是1994年3月在DOS平台上推出的《上古卷轴：竞技场》。
现在上古卷轴指的埋在地下的古老文字记录。 |
科技 |
已审核通过
|
| 1615299 |
0 |
未调整的事实性得分 |
unadjusted factuality score |
|
未调整的事实性得分(Unadjusted Factuality Score) |
科技 |
已审核通过
|
| 1615298 |
0 |
内联标记 |
inline tagging |
|
内联标记（Inline tagging）：用户可以在聊天框中输入「@」触发GPT提及功能，系统会显示可用的GPT模型列表，用户可以在一次对话中集成和与多个AI模型交互。 |
科技 |
已审核通过
|
| 1615297 |
0 |
深度网络幻觉 |
deep network hallucination |
|
AI「幻觉」可能在一般人看来是模型的胡言乱语，但它为科学家提供了新的灵感。David Baker甚至利用AI「幻觉」赢得了诺贝尔化学奖。就在最近，计算机科学家Amy McGovern表示：「公众认为这完全是坏事。但实际上，它为科学家提供了新的灵感，让他们得以探索一些原本可能不会想到的思路。」
如今，AI的「幻觉」正在重新激发科学的创造力。
|
科技 |
已审核通过
|
| 1615296 |
0 |
猪巨细胞病毒 |
porcine cytomegalovirus,PCMV |
|
全球首例接受猪心脏移植的男子去世。因在其移植的猪心脏中检出猪巨细胞病毒（porcine cytomegalovirus，PCMV）DNA，该病毒引起了研究人员关注。PCMV可引起仔猪包涵体鼻炎以及母猪繁殖障碍。1955年，Done在英格兰首次发现并报道PCMV引起的疾病。我国在20世纪90年代已有PCMV感染的报道。PCMV呈全球分布，能够引起感染仔猪死亡，侵害成年猪免疫系统，降低其免疫力，从而继发其他病原体感染。PCMV多呈隐性感染，成年猪感染后通常不表现临床症状，因而研究人员对该病毒关注度不高，其对养猪业的危害尚不清晰。
猪巨细胞病毒感染症又称包涵体鼻炎，主要侵害猪的鼻甲黏膜黏液腺、泪腺、唾液腺及肾小管上皮，种猪感染后可引起胚胎和子猪发育不良，子猪鼻炎、肺炎以及增重缓慢等。 症状 若无并发症，3周龄以上的猪通常不表现临床症状，2周龄左右的子猪发病后表现为打喷嚏、咳嗽、流涕。
这是一种疱疹病毒，在新生仔猪全身组织中都有存在，会导致鼻炎。PCMV在全世界几乎所有猪群，－ 至少在大多数猪群当中都有存在，但多为亚临床感染，少见发病。比如，英国进行的血清学检查就显示，90%以上的猪群都感染过这种病毒。
这种病毒引起的鼻炎很少见，主要发生于新生仔猪当中，与导致萎缩性鼻炎的产毒多杀巴氏杆菌没有关系。因此这种病不太重要，只是有时造成轻微的喷嚏，并不影响猪只健康 |
微生物学 |
已审核通过
|
| 1615295 |
0 |
衰老逆转 |
senoreverse |
|
一种名为“Senoreverse”的“返老还童”新策略，人胚胎干细胞来源的外泌体（hESC-Exo）通过其携带的 miR-302b 逆转衰老细胞的增殖停滞，从而让衰老小鼠“返老还童”，该研究为抗衰老疗法开辟了新的方向。 |
细胞生物学 |
已审核通过
|
| 1615294 |
0 |
衰老逆转 |
senoreverse |
|
一种名为“Senoreverse”的“返老还童”新策略，人胚胎干细胞来源的外泌体（hESC-Exo）通过其携带的 miR-302b 逆转衰老细胞的增殖停滞，从而让衰老小鼠“返老还童”，该研究为抗衰老疗法开辟了新的方向。 |
细胞生物学 |
审核中
|
| 1615293 |
0 |
抑制病理性SASP信号 |
senomorphic |
|
衰老细胞（Senescent Cell，SnC）在衰老过程中积累并分泌衰老相关分泌表型（SASP），促进继发性衰老并破坏正常组织功能。因此，靶向衰老细胞成为延长健康寿命和推迟年龄相关疾病发病的有希望的策略。
靶向衰老细胞的疗法可以大致分为两大类——Senolytic（清除衰老细胞）和 Senomorphic（抑制病理性SASP信号）。这两种策略在衰老和相关疾病中显示出治疗益处，包括延长寿命、减轻炎症和改善认知功能。然而，它们都具有一定的局限性。
Senolytic 策略在衰老细胞较少时可能有效，但随着年龄的增长，组织中的衰老细胞普遍程度增加，此时的清除可能会导致相当严重的组织损伤，并损害器官的正常功能。Senomorphic 策略具有恢复年轻活力的作用，但也会阻碍对病原体和癌细胞的免疫监视。 |
科技 |
已审核通过
|
| 1615292 |
0 |
清除衰老细胞 |
senolytic |
|
衰老细胞（Senescent Cell，SnC）在衰老过程中积累并分泌衰老相关分泌表型（SASP），促进继发性衰老并破坏正常组织功能。因此，靶向衰老细胞成为延长健康寿命和推迟年龄相关疾病发病的有希望的策略。
靶向衰老细胞的疗法可以大致分为两大类——Senolytic（清除衰老细胞）和 Senomorphic（抑制病理性SASP信号）。这两种策略在衰老和相关疾病中显示出治疗益处，包括延长寿命、减轻炎症和改善认知功能。然而，它们都具有一定的局限性。
Senolytic 策略在衰老细胞较少时可能有效，但随着年龄的增长，组织中的衰老细胞普遍程度增加，此时的清除可能会导致相当严重的组织损伤，并损害器官的正常功能。Senomorphic 策略具有恢复年轻活力的作用，但也会阻碍对病原体和癌细胞的免疫监视。 |
科技 |
已审核通过
|
| 1615291 |
0 |
衰老细胞 |
senolytic |
|
衰老细胞（Senescent Cell，SnC）在衰老过程中积累并分泌衰老相关分泌表型（SASP），促进继发性衰老并破坏正常组织功能。因此，靶向衰老细胞成为延长健康寿命和推迟年龄相关疾病发病的有希望的策略。
靶向衰老细胞的疗法可以大致分为两大类——Senolytic（清除衰老细胞）和 Senomorphic（抑制病理性SASP信号）。这两种策略在衰老和相关疾病中显示出治疗益处，包括延长寿命、减轻炎症和改善认知功能。然而，它们都具有一定的局限性。
Senolytic 策略在衰老细胞较少时可能有效，但随着年龄的增长，组织中的衰老细胞普遍程度增加，此时的清除可能会导致相当严重的组织损伤，并损害器官的正常功能。Senomorphic 策略具有恢复年轻活力的作用，但也会阻碍对病原体和癌细胞的免疫监视。 |
科技 |
审核中
|
| 1615290 |
0 |
衰老细胞 |
senescent cell，SnC |
|
衰老细胞（Senescent Cell，SnC）在衰老过程中积累并分泌衰老相关分泌表型（SASP），促进继发性衰老并破坏正常组织功能。因此，靶向衰老细胞成为延长健康寿命和推迟年龄相关疾病发病的有希望的策略。
靶向衰老细胞的疗法可以大致分为两大类——Senolytic（清除衰老细胞）和 Senomorphic（抑制病理性SASP信号）。这两种策略在衰老和相关疾病中显示出治疗益处，包括延长寿命、减轻炎症和改善认知功能。然而，它们都具有一定的局限性。
Senolytic 策略在衰老细胞较少时可能有效，但随着年龄的增长，组织中的衰老细胞普遍程度增加，此时的清除可能会导致相当严重的组织损伤，并损害器官的正常功能。Senomorphic 策略具有恢复年轻活力的作用，但也会阻碍对病原体和癌细胞的免疫监视。 |
科技 |
已审核通过
|
| 1615289 |
0 |
自监督验证器 |
self-supervised verifier |
|
自监督验证器（Self-Supervised Verifier） |
科技 |
已审核通过
|
| 1615288 |
0 |
自监督验证器 |
self-supervised verifier |
|
自监督验证器（Self-Supervised Verifier） |
科技 |
已审核通过
|
| 1615287 |
0 |
预言验证器 |
oracle verifier |
|
预言验证器（Oracle Verifier）：利用所选样本最终评估的完整特权信息。 |
科技 |
已审核通过
|
| 1615286 |
0 |
尺度定律;标度律;比例定律;标度规律;标度率;定标定律; |
scaling law |
|
规模化法则（Scaling Law）也称尺度定律，是被业界认为是大模型预训练第一性原理，也是在机器学习领域，特别是对于大型语言模型而言，模型性能与其规模（如参数数量）、训练数据集大小以及用于训练的计算资源之间存在的一种可预测的关系。这种关系通常表现为随着这些因素的增长，模型性能会按照一定的幂律进行改善。
Scaling Law在中文中通常被翻译为“缩放定律”或“规模定律”。这个术语在不同学科领域中有不同的应用，但在人工智能和机器学习领域，它主要用来描述模型性能如何随着模型大小、数据集大小和计算资源的增加而变化。
在大语言模型中，边际效益递减是指随着模型规模的增大，每增加相同数量的参数或计算资源，获得的性能提升逐渐减少的现象。这是Scaling Law中非常关键的一个方面，它对于理解和决策模型设计及其部署策略有着重要的指导意义。
|
科技 |
已审核通过
|
| 1615285 |
0 |
AI疲劳症 |
AI fatigue |
|
在科技飞速发展的今天，人工智能（AI）无处不在，已深入我们的工作和生活。与此同时，许多人开始感受到一种新型的疲劳症：AI疲劳症。随着AI技术的不断突破，崭新的模型和应用接连不断，许多人的心理负担却随之加重。从认知超载到情绪焦虑，现代人如何面对这场技术革命带来的困扰，已成为我们不可回避的问题。
AI疲劳症的根源
AI疲劳症的产生，首先源于我们每天接触的信息量大增。统计数据显示，2024年12月，仅在arXiv上就新增了6052篇与AI相关的论文，这意味着平均每天都有288篇新研究问世。对于普通人来说，这无异于一场知识马拉松，纵使全身心投入，也只能勉强跟上AI发展的步伐。正如纽约大学的Kyunghyung Cho教授所说，AI研究已从注重开放性逐渐演变为商业应用的竞技场，多数研究人员发现自己被迫在技术和实际应用之间反复挣扎，难免感到无奈。
其次，过于快速的技术迭代以及新产品的推陈出新，使得工程师和研究者倍感压力。在这种情况下，可能会出现情绪焦虑和自我怀疑，面对技术的飞速发展，个体在知识更新和工作表现上的压力与日俱增。更为令人担忧的是，调查显示，愿意主动接受变革的员工数量明显下降，体现了人们内心深处的抗拒与疲惫。
如何应对AI疲劳症？
为了有效应对这一现象，我们需要从多个角度进行反思和调整。以下是五大有效应对策略，为身处AI浪潮中的每一个个体提供借鉴。
1. 直面AI疲劳
无论是组织还是个人，都需要明确认识到AI疲劳的存在。我们首先需要承认这种情绪，并了解它的潜在影响。通过讨论与分享，打破隔阂，鼓励团队中的每一位成员谈论自己的感受，可以帮助建立一种包容的文化。
2. 聚焦实际问题
当我们在考虑导入新技术时，首先要明确要解决的核心问题。企业应当在正式启动AI项目之前，进行全面的需求分析，找出真正的业务痛点，而不是盲目跟随潮流。这一经营理念也有助于减少资源浪费与失误，确保项目能够高效推进。
3. 设定合理目标
成功的关键在于设定切实可行的目标。许多项目的失败并非源于技术本身，而是因为在早期阶段目标设定过于理想化。因此，制定小型、可管理的目标，并在此基础上逐步推进，不仅能激励团队士气，也能确保工作进度。
4. 培养变革文化
一旦引入新工具，企业需要建立一种积极的变革文化，使员工愿意主动接纳技术变革而不是感到畏惧。在这个过程中，领导者的角色至关重要，他们要为团队提供支持和信心，营造一个安全的工作环境，让每个人都能顺利过渡。
5. 采用利器——搜狐简单AI
为了解决上述挑战，企业可以采取更具针对性的工具来简化工作流程。搜狐简单AI作为一款高效的智能辅助工具，其文生图与文生文功能，能够帮助用户轻松生成所需的图形和文本，减少信息处理中的压力。无论是团队协作还是个人创意，搜狐简单AI都能让工作变得更简单，进而有效降低AI疲劳感。
总结
AI疲劳症是现代科技快速发展下的一种必然现象。通过认清自身所面临的挑战，并采取积极的应对策略，我们不仅能够应对此症，更能在AI逐渐成为生活常态的未来，找到自我调适与提升的平衡。让我们行动起来，借助搜狐简单AI等高效工具，迎接这一场变革的挑战，迈向更美好的未来。 |
科技 |
已审核通过
|
