测量 - AI在线

Nature 子刊，纠缠数据有双重效应，武大、北大「量子纠缠」研究新进展

编辑 | X量子纠缠是量子计算的核心资源。将纠缠集成到量子机器学习（QML）模型的测量中，导致训练数据大小大幅减少，超过指定的预测误差阈值。然而，对数据纠缠度如何影响模型性能的分析理解仍然难以捉摸。在此，来自武汉大学、北京大学、南洋理工大学和悉尼大学的研究团队，通过建立量子「没有免费的午餐」 (no-free-lunch，NFL) 定理来解决这一知识差距。与之前的发现相反，研究证明纠缠数据对预测误差的影响表现出双重效应，具体取决于允许的测量数量。通过足够数量的测量，增加训练数据的纠缠可以一致地减少预测误差，或减小实

用大模型测试人格 / 抑郁 / 认知模式：通过游戏剧情发展测量心理特质，清华出品

心理测量在精神健康、自我了解、和个人发展方面都发挥着重要的作用。传统的心理测量范式以自我报告类型的问卷为主，常常通过参与者回忆自己的日常生活行为模式或情绪状态进行测量。这样的测量方式虽然高效便捷，但可能引发参与者的抗拒心理，降低被测意愿。随着大语言模型（LLM）的发展，很多研究发现 LLM 能够展现出稳定的人格特质，模仿人类细微的情绪与认知模式，还能辅助各种各样的社会科学仿真实验，为教育心理学、社会心理学、文化心理学、临床心理学、心理咨询等诸多心理学研究领域，提供了新的研究思路。近日，清华大学的研究团队基于大语言模