最新

我写了一个简单的 Bash 脚本，用于在 Arch Linux 上安装程序、配置设置和安装点文件。<p>我写这个脚本是因为每次安装 Arch 时，我总是会遗漏那些繁琐的微小设置调整。<p>这是一个非常简单的脚本，所以你可以随意修改。<p>我还没有在全新安装环境下进行足够的测试，但多次运行该脚本应该是安全的（如果你愿意的话）。<p>美化配置还在进行中。

免费 PC 瓶颈计算器 - 检查 CPU 和 GPU 瓶颈分析。 了解您的处理器是否会限制您的显卡性能。

各位 HN 用户好， 我是 HN 的老用户（从 2007 年开始）。 我正在研究 HN 用户在求职过程中如何实际应用 AI，以及哪些方法真正有效，哪些效果不佳。 如果您愿意分享，请提供以下信息： - 职位/资历/地区（可选） - 1-2 个最有帮助的 AI 工作流程，以及您使用的工具/模型（包括简历/求职信产品） - 您使用的工具，例如 Jobscan、Rezi Resume.io 等 - AI 在哪些方面帮助最大（研究、简历优化、联系） - 招聘经理/招聘人员：您如何看待 AI 优化过的申请？ 我将在大约两周后发布一份匿名总结。简短的匿名 Google 表格将在第一个评论中提供。我的个人资料中包含联系方式，欢迎有兴趣深入交流的朋友联系我。

我们构建了Onco-Insight，旨在帮助临床医生和癌症研究人员进行生存分析和机器学习，无需在SPSS/SAS中浏览复杂的菜单，也无需编写代码。 Onco-Insight由Claude Sonnet 3.5 (AWS Bedrock) 提供支持，但它不仅仅提供代码片段，而是使用混合用户界面。您首先描述您的任务，例如“KM曲线分析OS，按分期分层；然后进行Cox回归分析，纳入年龄/ER状态”。人工智能代理会提出一个方案，包括模型、变量和检查。 “人机协同”（HITL）步骤允许您审查和确认该方案。这包括检查模型列表、预测变量、删失规则、时间和终点，以及诸如竞争风险等关键考虑因素，这些因素会显著影响生存结果。 只需一键运行，Onco-Insight就会执行流程并提供结果、假设检验以及用通俗易懂的语言进行的解释。然后，您可以通过接受或完善代理的后续步骤进行迭代，例如比例风险诊断、RSF基准测试或校准。 为什么采用这种方法？ 我们发现，虽然大型语言模型（LLM）擅长规划，但如果它们只是让您复制和粘贴代码，则可能不可靠。我们的代理 + HITL方法让您掌控一切，同时消除了繁琐的工作。大多数运行都会提供图表/表格、模型诊断，以及方法和解释的简洁草稿。 目前包含哪些内容？ 生存分析：Kaplan-Meier（分组）、Cox比例风险模型（带比例风险检验）、AFT模型（选择族）、RSF模型（袋外指标）和时间依赖性AUC。 数据保护：缺失值报告、事件/删失检查、数据泄露检查，以及在可用时对mCODE/FHIR字段进行基本协调。 数据来源：您可以使用您自己的数据集以及SEER等公共数据共享平台。 输出：该工具生成图表/表格和一个可审计的“分析计划”，其中显示了运行了什么、使用的参数以及质量控制步骤。 我们希望收到以下方面的反馈： “人机协同”（HITL）检查点是否足够？（例如，指定变量类型、时间原点、左截断、竞争风险）。 在用户界面中，哪些生存/机器学习诊断是最重要的？ 临床期刊或注册机构需要哪些基本输出？ 我们仍处于早期阶段，目前正在与医院合作伙伴进行Beta测试。我们很乐意回答您关于验证、可重复性和数据处理的任何详细问题。 谢谢！ DATAIZE团队 (<https://dataize.me>)

我曾经以我的文字功底为傲，现在它却将自己和我一起推向谴责或默默无闻的境地，但我坚决拒绝使用故意的拼写错误或“人性化”应用。我甚至非常想回到过去，在我的杰作里点缀使用长破折号。