应用性研究

11月13日，市社科联召开全市社科课题应用性研究推进会。市社科联党组书记、主席、一级调研员贾志秋出席会议并讲话，党组成员、副主席李光冉主持会议。驻泰部分高校社科联负责人和部分重大重点课题组负责人参加会议。与会课题组代表分别介绍了课题研究进展情况。贾志秋传达了全省社科联深化应用对策研究工作经验交流会精神，并就做好课题应用性研究提出以下要求：一要加强对党的十九届五中全会精神的学习领悟，提高应用性研究的政治站位，把党的十九届五中全会精神贯彻落实到课题研究中。二要加强调查研究，增强课题研究的针对性和应用性。加强与有关部门的对接联络，推动跨界合作、横向联合。三要加强对课题研究进度的推进，搞好本年度立项课题的过程管理和调度推进。四要加强课题组成员的沟通协调，集思广益，注重发挥好课题组每个成员的作用。五要推动课题研究成果的转化应用，积极为党委政府决策建言献策，同时也把课题研究的过程当做转化应用的过程。【来源：泰安社科】声明：转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益，请作者持权属证明与本网联系，我们将及时更正、删除，谢谢。 邮箱地址：newmedia@xxcb.cn

中国大学的分类名目繁多，对于学生和家长来说，这是一个需要时间、花精力来研究的课题；211和985大学，双一流，世界一流等等，一眼看来觉得眼花缭乱，这要怎么去选学校啊？学生读完大学，以后的就业方向更是需要考虑的，你出来社会之后，到底要去干什么，你能干什么呢？这不是随便选一个大学来读，之后就完全匹配的，很多家长和学生是不会考虑到这一点的，哪到底要怎么来区分呢？简单地说，可分为：研究型大学、应用型大学、二者合一的”应用研究型大学“。中国大学分类体系标准，将中国高校划分为研究型大学(中国研究型和特色研究型)、应用研究型大学(区域研究型和区域特色研究型)、应用型大学和技术型大学等4种类型。一、研究型大学是指把研究放在第一位的，主要集中高层次的人才培养与科技研发，提供全面的学士学位计划，(即在校研究生数量与本科生数量相当的大学，或研究生数量占有较大比重)。研究型大学拥有较多高质量生源，在中国知识创新体系中位于关键性的位置。以教书育人和科技研发为根本。科研领先校友杰出是判定研究型大学的两个核心标准，要想成为研究型大学必须满足两个条件：一是培养和造就出高层次的研究型人才，二是产生出高水平的学术研究成果并拥有卓越的师资队伍，二者缺一不可。二、应用型大学是指把应用放在首位的本科高等院校，以本科教育为主，与研究型大学概念相对。应用型着重于”应用“二字，培养具有较强社会适应能力和竞争能力的高素质应用型人才，各专业紧密结合地方特色，注重学生实践能力培养；2019中国各类型大学排名前10强

国家自然科学基金管理科学的十四五和中长期战略中指出，当今管理科学研究范式正在经历多样化和创新变革的进程。为了推动和促进我国管理科学家更好地运用“基于案例的研究方法”开展管理科学的学术理论创新，《管理科学学报》拟于2021年6月25日举办“数字化转型与管理创新”专题的案例研究论文研讨工作坊，现公开征集与该专题相关的研究论文。01工作坊征文选题（包括但不限于以下）·数字生态下的企业和组织·企业的数字化转型与管理·城市管理的智能化转型·数字技术与乡村振兴发展·数字化与政府治理·智慧医疗健康管理·资源与环境管理的数字化02工作坊征文要求1、征文投稿的稿件须是未公开发表的原创性、并采用严谨的案例研究方法的学术论文。2、计划投稿至《管理科学学报》的论文必须以中文投稿。3、因需匿名评审，投稿请提供含有作者信息（姓名、工作单位、研究方向、联系电话、电子信箱等）与不含作者信息的两个版本。电子投稿文件命名请勿出现作者信息。4、论文须提交全文，投稿阶段的格式和字数暂不限（后期发表可能需要调整）。5、投稿邮件主题请注明“数字化转型与管理创新案例研究专题征稿”，邮件正文中请给出投稿联系人信息，包括：姓名、单位、联系电话、电子信箱。6、工作坊将邀请知名案例研究专家及特邀编委组成论文评审委员会，从应征论文中评选出参会论文后，将向投稿联系人发出工作坊邀请函。03工作坊的组织·工作坊将以线下方式（暂定苏州）举行，特殊情况下可能改为线上。·工作坊的研讨形式为分小组的“论文报告+相互评论”。 每个小组报告4篇论文；工作坊为每篇入选论文安排一位学者进行评论；每个小组由一位特邀编委给予指导。·本次工作坊不收取会务费。·参会人员交通和食宿费用自理。·工作坊详细日程安排将在参会论文确定之后公布。04论文发表安排·论文评审委员会将根据投稿论文质量，在工作坊前评出参会论文；工作坊后结合特邀编委的点评情况，从参会论文中匿名评选出优秀论文。·《管理科学学报》将邀请优秀论文按特约编委和指导意见修改后投稿。·本期刊将为入选优秀论文开通快速审稿通道，经评审后录用的论文将在《管理科学学报》“案例研究专栏”上刊登发表。05关键时间和联系信息·论文投稿截止期：2021-5-31·参会论文通知期：2021-6-10·工作坊举办时间：2021-6-25·投稿邮箱：jmse@tju.e.cn·联系人员：董明华 18222592275 严雨萌 15102251634《管理科学学报》自上世纪八十年代先后创办，是国家自然科学基金委员会管理科学部根据管理科学研究与应用的发展规划而创立，并和天津大学共同主办的管理科学学术类期刊，为国家性一级学术刊物，主要刊登管理科学领域高质量的学术论文，多次获评中国百种杰出学术期刊，2020年获评“2020中国最具国际影响力学术期刊”及“FMS管理科学高质量中文期刊”。本刊长期遵循为基础理论、方法与应用等学术性研究成果及已取得社会或经济效益的应用性研究成果和科学基金项目提供交流园地，加强国际合作与学术交流，加速科研成果的推广与转化的宗旨，坚持为中国特色社会主义研究成果提供优秀的交流平台。信息来源 / 熊 熊封面图来源 / 杨鸿钦图文编辑 / 刘 洋责任编辑 / 李 庚

结合我们获评一等奖的研究，谈谈社会科学应用研究的心得：一、应用研究，必须坚持以马克思主义为指导。马克思主义是我国哲学社会科学研究的指导思想，是被实践和历史反复证明的科学理论。习近平新时代中国特色社会主义思想是引领中国、影响世界的当代中国马克思主义、21世纪马克思主义。在今天，坚持和发展马克思主义的根本战略任务，就是深入学习贯彻习近平新时代中国特色社会主义思想，并且把这一思想贯穿于社会科学研究的各个领域、各个环节和过程。在应用研究中，必须学懂弄通做实习近平新时代中国特色社会主义思想的立场、观点和方法，运用其研究现实发展中的重大问题，只有这样，才能形成科学有效管用的优秀成果。二、应用研究，必须立足于人民的根本立场。为人民求解放，是马克思主义根本立场。应用研究是为了人民和由人民评价的学问。为此，只有尊重人民主体地位和首创精神，才能使研究获得不竭的思想源泉和发展动力；只有围绕人民的获得感、幸福感和安全感，才能使研究具有重要的社会价值和广阔的前景；只有以亿万人民的伟大实践及其效果为评估标准，才能验证研究及其成果的水平和品质，保持学术研究的巨大生命力。三、应用研究，必须以中国特色社会主义事业的重大问题为导向。应用研究必须秉持中国立场，对“国之大者”了然于胸，重点研究党和国家工作大局的根本性、全局性、长远性问题，服务大局，贯彻战略，落实方略，由此把学术研究与中华民族伟大复兴、人民幸福和国家治理现代化事业紧密联系在一起。同时，应用研究需要提高精准性、科学性和效用性。这就需要研究者深入实践，科学规范地展开精细化的调查研究；以科学合理有效解决问题作为研究的使命。深化应用研究，还应该探索相关现象的发展规律，从而在实践意义上实现规范研究与实证研究的有机结合，形成中国特色、中国风格和中国气派的研究成果。四、应用研究，必须遵循社会科学应用研究发展规律，以科学的原创性和创新性作为研究取向和评价标准。展开应用研究，需要遵循应用研究的发展规律，贯彻实事求是的治学原则，积极致力于科学的原创性、创新性研究。当前，我国正开启全面建设社会主义现代化国家新征程。面对新形势，应用研究需要进一步确立创新意识，以新的实践问题为研究命题，展开原创性和创新性研究，形成创新成果，构建创新性为主要指标的评价体系，以适应创新时代高质量高效能的发展和治理实践。五、应用研究，必须从中国和人类的优秀学术成果中汲取有益要素，以助力我国治理现代化。当前，我国面临着世界百年未有之大变局，这就对我国社会科学应用研究提出了“不断在实践和理论上进行探索、用发展着的理论指导发展着的实践”的功能需求和任务要求。因此，应用研究必须在以习近平同志为核心的党中央领导下，以大历史的思维和广阔的世界视野，从中国和人类的优秀学术成果中汲取多种有益要素，汇聚成新时代推进我国国家治理体系和治理能力的思维智慧、制度智慧和政策智慧，转化为推进国家治理现代化的合力。《中国教育报》2021年03月04日第10版

技术问题为了解决网页播放摄像头视频的问题，就是可以在网站里面增加一个链接，无需要安装播放插件，这个技术问题完全解决了。安装搭建了一个云服务器，安装了一个云播放器，在本地安装了一个obs视频采集软件，推流到云直播平台，就可以在云服务器生成一个播放链接地址。直播应用效果是可以把每个服务大厅的摄像头的播放链接放到网站上，第1个可以内部管理使用，坐在办公室可以看到每个服务大厅的视频；第2个可以做一个便民服务，来服务大厅之前可以先看一下人多不多，要不要排队？先进性obs视频采集软件，性能功能强大；电教直播，视频源是采集显示器与MIC麦克风音频；视频直播的视频源是采集摄像头与MIC麦克风音频；云直播平台接收推流与转码，提供推流地址与播放地址，让云播放器实现云播放，网页播放，无需设计APP播放，无需安装播放插件；应用举例服务大厅的上级管理应用与便民应用；商务部门打造本地区知名企业、知名品牌的商城网站导航与展厅直播；电教直播应用；采集电脑采集电脑

1976年，马丁·赖因提出公共政策分析涉及讲故事这样的观念。他指出无论是科学的基础模型还是应用模型都没有为作出政策决定提供所需要的知识类型，从而结束了关于政策分析中事实角色与价值角色的长期争论。两种模型都关注事物实际存在的方式和事物可能存在的方式。换言之，两种科学的模型都关注对事实的说明和预测。两种模型都不探讨事物应该存在的方式，“应该”在这里指某些政治或道德判断。这样的判断是政策分析或任何应用科学的规范性的任务。政策分析的规范性方面涉及讲述一个把事物实际存在的方式、事物可能存在的方式和事物应该存在的方式的事实结合在一起的故事。赖因关于政策分析所说的观点可以应用于任何试图理解或改变个人或社会处境的研究类型。对赖因(1976)来说，政策分析的显著特征是“给予忠告”(giving of advice，p.261)，他把这看成是讲故事。忠告决策者总是要讲述一个把事实和价值编织在一起的故事。故事为“解释纷繁复杂的事件”提供“行动的规范性意义而不是普遍规律”(p.266)，后者是科学知识的实证主义观念。[政策]分析者必须为决策而获得的理解类型“取决于讲述相关的故事，即从过去的经历中得到解释事件如其所是的叙事并从中吸取未来行动的教训，这是指，例如，如果采取某些行动，未来可能会是什么样子”。这样，政策分析必须能够讲述一个把关于现有的事实、未来的预测和已有评估的可能性以某种可以为行动提供基础的方式结合在一起的故事。这对任何为决策者提出忠告的研究者来说都是千真万确的，对那些从事基础研究的人来说也是千真万确的。为了让人们接受他们的研究结果并把它们加进知识体系，他们必须向其他研究者讲述一个故事，虽然是一个很形式化的故事。赖因(1976)对给予忠告的政策分析的规范方面感到苦恼。它与实证主义的、说明性研究的假定不一致。在探讨二分法的价值方面的时候，他提出了对规范选择和客观研究之间关系的三种解释，却发现每一种解释都不能令人满意。按照第一种解释，价值观念组合事实，这将导致对事实的歪曲感知。也就是说，人们持有的价值观常常歪曲现实。例如，坚定地反对人工流产合法化的人可能认为即使流产可以挽救母亲的生命，流产也是错误的。按照第二种解释，事实可以与不同的价值观体系相融合，这将导致出现没有任何标准可依靠以便从中加以选择的相互竞争的行动理论。这就是使反对人工流产合法化的人和主张人工流产合法化的人(tacling past one another)的原因。按照第三种解释，事实组合价值观念，这缩小了规范性选择的范围，因为这时享有至高无上地位的是事实而不是价值观念(p.259)。换言之，只见事实就没有想象未来的任何余地，而想象未来必然涉及价值观念或规范性的立场。例如，假定人工流产的事实不可避免，如果缺乏一套价值观体系，是赞成还是反对人们就无所适从。赖因没有解决这些解释之间的冲突。相反，他采取一种“价值—批判”的立场，这种立场把价值观念留给决策过程去协商。在这个协商的过程中，可以期望更有说服力的论点将会获胜，即使人们原先抱有不同的价值立场，他们对行动的路线也将达成共识。赖因的结论与后实证主义的科学有效性观念中的理论选择逻辑非常相似(见第五章)。赖因(1976)还试图维护政策分析中的客观知识的完整性。即使给予忠告难免会作出规范性选择，他还是相信，按照故事所描述的场景检验故事的真相可以客观地论证政策故事的相关性。在他看来，通过弄清楚什么事情发生、什么事情没发生来评价故事的真实性相对容易些，而事情为什么如其所是地发生，要对其说明的有效性作出评价就很困难。说明事情为什么发生深受那些需要讲述故事的价值观念的影响。赖因主张确定故事的有效性准则部分地是逻辑的，部分地是美学的，并且不易充分理解。在后面几章，我将论证科学、文学和法学中的故事的有效性准则确实部分地是逻辑的，部分地是美学的，但它们可以得到理解。赖因(1976)反对说明性研究的实证主义理念所主张的事实与价值的严格分离。实证主义者相信，对人们拥有的价值观念，可能存在客观的知识，但是，那些价值观念绝不应该进入确定关于自然现象、社会现象或个人现象的过程之中。科学家可以有规范性的协商，可以提出规范性的要求，但是，那当然不是在从事科学工作。在第五章，我们可以看到科学实际上取决于规范性的协商，而价值观念确实进入了确定有效性要求的过程之中。由于在给予忠告的时候任何领域中的分析者或研究者都把事实和价值结合在一起，因此，赖因(1976)试图确保客观知识和规范性选择各得其所。然而，他作为政策分析者的经历与实证主义的逻辑并不一致。他所遇到的问题是：当面临两种相互竞争并被看成是价值中立的理论时，通过确定哪一个理论更精确和全面地反映了处境的真相可以作出理性的选择。然而，当面临两个把事实与价值结合在一起的故事时，事实的方面可以按照所描述的情况来确定，但是价值的因素就无法确定，因为人们认为价值观念不具有像事实那样的客观地位，因而是非理性的。讲故事不限于政策分析，规范性的协商和给予忠告既是其他“应用性”或“辅助性”领域的中心，也是一般性行政的中心。赫尔伯特·西蒙(Herbert Simon，1969)承认这一点，但只是在有限的范围内。他认为应用社会科学带有规范性的因素。在讨论处于政策和行政中心的设计过程时，他强调应用工程学的模式包括事物“应该如何才能实现目标和发挥职能”的规范性问题。但是，他的观点是一种关于行政的规范性维度的狭义观点。他的“应该”只应用于实现既定目标的手段“应该”如何协调，而并不应用于目的本身在政治或道德的意义上“应该”是什么。西蒙(1969)只是在实现既定目的或目标的范围内关注规范性的知识和推理。虽然人们认可规范性的关注是实现目的和目标的一部分，然而，更重要的是描述和说明当[政策]分析者和决策者在公共行动的相互竞争的目的和目标之间进行选择时如何解决价值观念的逻辑。西蒙坚持认为设计过程只“需要适度地适应一般的宣告式逻辑”。他用“宣告式逻辑”指科学证明的演绎逻辑，(第四章将探讨这个问题)。他主张的实证主义立场把政策分析和行政中的决策逻辑解释为给予忠告是不适合的。第四章和第六章将指出解释和批判而不是某种陈述逻辑是确定规范性目的的基础。1976年，赖因无法借助后实证主义哲学家的工作来消解事实与价值的二分法，也无法解决在相互竞争的政策故事之间进行合理选择的问题。由于无法摆脱实证主义的框架，他误解了他所面临的问题。第五章将指出科学哲学的最近发展揭示了根本不存在价值中立的理论。事实上，科学家把事实和价值观念结合在一起来建立理论，而那些价值观念正如事实一样合理。而且，在相互竞争的科学命题之间进行合理的选择正如在纯粹规范性的命题之间进行选择一样困难和复杂。然而，它们在实践的话语中仍然有合理的基础。在质疑政策分析的实证主义逻辑20多年之后，赖因(1976)仍然保持他对讲故事的痴迷。在他与唐纳德·A.舍恩合作的著作中，他们用“框架反思”(frame reflection)这个词说明决策者如何解决表面上“棘手的”政策争论的逻辑(Sch觟n and Rein，1994)。那些争论以常常相互冲突的政策故事的形式出现。确实，人们带入政策问题的框架非常像故事，因为它们把事实和价值观念都结合进一幅世界图画之内。许多政策文献充斥着说明性研究和决策的工具性模式的逻辑，却不能说明实际的政策决定方式，赖因和舍恩转到“框架反思”就是要避免这种逻辑。他们还用某些后现代哲学来说明解决复杂的公共问题的逻辑。

很多同学在选择考研的时候，会经常纠结选哪一个学校，选哪一座城市，学术型硕士和专业型硕士该如何选择？下面笔者来为大家简要介绍一下，希望对同学们有所帮助。考研之前大家首选要明确一件事情，那就是你读研的目的是什么？你是想继续深造还是以就业为导向。大家可以根据自己的就业目的，来选择读学术型硕士还是专业型硕士，原则上如果想要继续深造就要选择学术型硕士，如果想要就业的话就应该选择专业型硕士。接下来我们再谈谈专业的问题，这一点至关重要。考研时的专业选择都与你以后的职业岗位相关，毕业后真正决定你以后在哪里工作，从事什么样工作的，其实就是你的专业，你的专业属于什么类型呢？根据专业性质目前专业可以分为研究性学科和应用型学科。研究性学科都要哪些？如何选择学校？如果你的专业本身是一个研究性的学科，比如说你的专业是理学、工学、医学、农学，这些专业它本来就属于研究型的学科，它的门槛比较高，学习这些专业的同学选考研学校的时候，一定要看中学校的学科建设水平，也要看重学校的名气，如果这所学校排名靠前，学科资源也会比较的丰富，以后就业也能够得到社会的认可。在读研期间，不管是在深度上还是在广度上，你都能够胜人一筹。应用性学科指的是什么？如何选择学校？应用型学科指的是我们所学的东西并不在于知识本身，而在于掌握知识背后的深层逻辑，如何去运用这些知识。我们如果就读的研究生专业是一个应用实践型的学科，比如说管理学，工学中的专业硕士，那么你在选择学校的时候，就要看中这所学校所在的地域，这所学校所在的城市决定了以后就业和实践的机会多少。以计算机技术专业硕士为例，主要是从事互联网相关的工作，那么我们在选择学校的时候就可以考虑北京、广州、深圳、成都这些互联网比较发达的城市，还比如说你学的是金融学的专业，那么你要考虑哪些城市呢？就要考虑经济及长三角或者珠三角。学校在这个地方你就业的渠道信息也自然会多很多。那么哲学、艺术学、历史学，这些专业它到底是属于研究型还是属于应用型的？其实这些专业两边都可以靠一靠，我们在选择的时候就要结合自身的实际情况来看，考研选院校确实是一个技术活，一定要结合自己的实际情况，有时候去不了特别好的学校，但是你把城市选好，就业之后的路子也会非常的广。毕业进入社会发展几年之后，大家就会发现学历只是一块敲门砖，个人能力才会决定你的发展前途。

论文摘要当前最先进的语义角色标记（SRL）使用深度神经网络，但没有明确的语言特征。之前的工作表明，抽象语法树可以显著改善SRL，从而提高模型准确性。在这项研究中，我们提出了语言学的自我关注（LISA）：该神经网络模型将 multi-head self-attention 与多任务学习相结合，包括依赖解析、词性标注、谓词检测和语义角色标记。与先前需要大量预处理来准备语言特征的模型不同，LISA 可以仅使用原始的 token 对序列进行一次编码，来同时执行多个预测任务。此外，如果已经有高质量的语法分析，则可以在测试时加入，而无需重新训练我们的SRL模型。在CoNLL-2005 SRL的实验中，LISA使用预测谓词和标准字嵌入帮助模型实现了最新的最先进性能。LISA还通过上下文编码（ELMo）词表示超出了最新技术水平。总结来自UMass Amherst信息与计算机科学学院和Google AI语言的研究人员介绍了基于语言学的自我注意（LISA），这是一种结合了深度学习和语言形式主义的神经网络模型，因此它能够更有效地利用句法解析来获得语义。实验表明，LISA不仅在新闻领域应用表现优秀，它还在分析写作风格方面取得了最先进的表现，而且还可以很好地概括在不同领域的写作风格，如新闻和小说写作。论文的核心思想是什么？· 基于Transformer编码器的语言学自我关注（LISA）模型。· 网络的输入可以是一系列标准的预训练GloVe字嵌入，但是通过预先训练的ELMo表示与任务特定的学习参数相结合，可以实现更好的性能。· 为了将语言知识传递到后面的层次，研究人员建议训练自我关注机制以处理与句子的句法结构相对应的特定标记。此外，可以在测试时执行辅助解析信息的注入，而无需重新训练模型。· 遵循多任务学习方法，共享语义角色标记（SRL）模型中较低层的参数以预测词性和谓词。取得了什么关键成就？· 开发一种将语法集成到神经网络模型中的新技术。· 在语义角色标记中实现最新的最先进性能：1、使用GloVe嵌入：在新闻领域上获得+2.5 F1积分，在域外文本上获得+ 3.5F1分数;2、使用ELMo嵌入：在新闻上获得+1.0 F1点，在域外文本上获得+2.0F1分数。AI社区对其评价是什么？1.该论文被EMNLP 2018评为最佳长篇论文奖，EMNLP 2018是自然语言处理领域的领先会议。 未来的研究领域是什么？· 提高模型的解析精度。· 开发更好的训练技巧。· 适应更多任务。什么是可能的商业应用？1、语义角色标记对许多下游NLP任务很重要，包括：§ 信息提取;§ 问题回答;§ 自动摘要;§ 机器翻译。你在哪里可以得到实现代码？本研究论文的实施可从这里获得。论文摘要我们已经投入了大量精力来评估是否可以利用多任务学习在各种自然语言处理的应用中使用丰富表示。然而，我们真正缺乏的是对多任务学习具有显著影响的设置的理解。在这篇论文中，我们介绍了在一个精心挑选在多任务学习设置中训练的分层模型。该模型以分层方式进行训练，通过监督模型底层的一组低级任务和模型顶层的更复杂任务来归纳偏差。该模型在许多任务上实现了最优秀的结果，例如命名实体识别。分层训练监督在模型的较低层引入一组共享语义表示，我们已经证实，当我们从模型的底层移动到顶层时，层的隐藏状态往往代表更复杂的语义信息。总结研究人员为一组相互关联的NLP任务引入了一种多任务学习方法：命名实体识别，实体指代识别，共指消解和关系提取。他们证实，以分层方式训练的单一模型可以解决上述的四项任务。此外，与单任务模型相比，多任务学习框架显着加快了训练过程。本文的核心思想是什么？· 多任务学习方法可以有效地用于一组相互依赖的NLP任务。· 四个基本语义NLP任务：命名实体识别，实体指代识别，共指消解和关系提取相互受益，因此可以组合在单个模型中。· 该模型假定所选语义任务之间存在层次结构：某些任务更简单，需要对输入进行较少的修改，因此可以在神经网络的较低层进行监督学习，而其他任务则更加困难，需要更复杂的处理输入，因此，应该在神经网络的更高层监督学习。什么是关键成就？· 分层多任务学习模型（HMTL）在4个任务中的挑战了其中三个最先进的结果，即命名实体识别，关系提取和实体指代检测任务。· 与单任务模型相比，多任务学习框架大大加快了训练速度。AI社区对其的看法是什么？该论文将在2019年1月的AAAI会议上发表。未来的研究领域方向是什么？· 将多任务学习模型与预训练的BERT编码器相结合。· 搜索多任务学习的其他设置。什么是可能的商业应用？1、企业可以利用这种多任务学习方法的优势，即高性能和高训练速度，来增强：§ 聊天机器人和语音助理的表现;§ 在文件中查找相关信息;§ 分析客户评论等；你在哪里可以得到实现代码？你可以在GitHub上的获得这篇研究论文的代码。论文摘要提取阅读理解系统通常可以在上下文文档中找到问题的正确答案，但是它们也倾向于对在上下文中没有陈述正确答案的问题做出不可靠的猜测。现有数据集太专注于可回答的问题，为了解决这些弱点，我们提供了SQuAD 2.0，这是斯坦福问答数据集（SQuAD）的最新版本。SQuAD 2.0将现有的SQuAD数据与众包工作者写的50000多个无法回答的问题结合起来，看起来类似于可回答的问题。为了在SQuAD 2.0上做得好，系统不仅要在可能的情况下回答问题，还要确定段落何时不支持答案并且不回答问题。总结斯坦福大学的一个研究小组扩展了著名的斯坦福问答数据集（SQUAD），增加了超过5万个个无法回答的问题。这些问题的答案无法在段落中找到，但问题与可回答的问题非常相似。更重要的是，段落包含对这些问题的合理（但不正确）答案。这使得新的SQuAD 2.0对现有的最先进模型极具挑战性：在引入无法回答的问题之后，一个强大的神经系统在之前版本的SQuAD上达到86％的准确率，而现在只有66％。本文的核心思想是什么？· 当前的自然语言理解（NLU）系统远非真正的语言理解，其中一个根本原因是现有的Q＆A数据集关注的是在上下文文档中保证正确答案存在的问题。· 要真正具有挑战性，应该创建无法回答的问题，其中：§ 它们与支持段落相关;§ 该段包含一个似是而非的答案，其中包含与问题要求相同类型的信息，但不正确。什么是关键成就？· 通过53777个新的无法回答的问题扩展SQuAD，从而构建具有挑战性的大规模数据集，迫使NLU系统学习何时无法根据上下文回答问题。· 通过显示现有模型66％的准确性，为NLU系统创造新的挑战。· 显示合理的答案确实可以作为NLU系统的有效干扰者。AI社区对其的看法是什么？· 该论文被2018年计算语言学协会（ACL）公布为最佳短篇论文。· 新的数据集增加了NLU领域的复杂性，实际上可以为该研究领域带来巨大的绩效训练。未来的研究领域是什么？开发“知道他们不知道的东西”的新模型，从而更好地理解自然语言。可能的商业应用是什么？在这个新数据集上训练阅读理解模型应该可以提高他们在现实情况下的表现，而这些情景往往无法直接获得答案。

吃鸡和王者荣耀的玩家是同一群体吗？黄色包装还是红色包装更适合饮品？纸尿裤的电商界面如何优化？如何提炼香味的关键词？这些问题可以靠经验、靠审美、靠调研反馈，也可以靠神经学实验。布雷恩是提供神经学消费者研究的公司，可以量化测试情绪、记忆转化和唤醒/激发度，帮助企业进行营销效率和产品成功率的测试。具体而言，通过眼动追踪、脑电技术、皮电技术等神经学研究方法，布雷恩提供广告效果和媒体效果评估，以此结果指导企业提升营销效率；提供用户体验研究和产品需求研究，以此结果指导企业提升产品成功率。布雷恩提供以下场景的消费者研究：广告与媒介研究、产品和包装体验研究、电商消费者体验研究、线下购物体验研究、游戏可玩性研究。以游戏可玩性研究为例，接下来会介绍布雷恩的试验、分析与应用流程。布雷恩会根据客户的需求，选取一定数量的匹配用户或者竞品用户作为被试，有偿邀请后，为其进行洗发、佩戴设备等准备，通过脑电、皮电实验，测试用户对于游戏的沉浸感和心流体验。完成实验后，布雷恩的研究人员会对实验数据进行标记、整理和分析，得出结论报告，例如游戏体验不佳是机制问题还是目标问题，指导客户修改、优化内容。在游戏研发的过程中，概念是否创新、美术风格是否搭配、玩法是否引起共鸣、新手操作是否简单、系统迭代是否有隐患、以及最重要的上线调优、什么地方用户容易流失等都可以通过消费者研究提前测试，指导调整。对于不同目标受众的游戏内容，用户的正向情绪+紧张感、正向情绪+轻松感、负向情绪+紧张感，都可能需要包含和交织在游戏的设计环节中，但负向情绪+无聊感是游戏用户留存中最差的表现，需要避免。基于以上种种，通过脑电波，布雷恩可以推断游戏的收入，为企业提供参考。目前，布雷恩对综艺广告投放和产品包装指导的方法论已经可以产品化量产。例如在灯箱、近景、全屏时能更好的进行品牌logo露出；产品展示比品牌logo效果好；符合产品定位并被消费者认可的代言人才能更好推动产品宣传等等。经过近9年的实践，布雷恩已经服务了腾讯游戏、保洁、伊利等消费品和游戏公司；通过游戏股份分成的方式和人工时定价的方式收取费用，客单价 20-60万不等；年营收额700-1000万人民币，有盈利能力。 布雷恩的技术能力从全人工实验、分析和计算，发展到自动计算，降低实验门槛，内部人员有研发能力。目前，布雷恩与中科院自动化所、哈佛等高校的研究人员沟通，正在寻求注入AI技术的方法，让AI进行标记和相似查找，提升工程化能力。未来，布雷恩通过收集脑电信息，跳过语言了解消费者真实想法、喜好、认知偏好，获取精准的个人小数据，绘制全面的心智地图，可在娱乐，消费，教育等与情绪和认知相关的领域中应用于监测产品体验或者认知效果。产品规划分为两个阶段：1.0 产品Mind Reader读脑阶段，正在进行中：找到消费者真正所爱元素，反馈于产品研发，提升创新成功率。另不再以社会属性收入为消费者贴标签，而是通过对喜好的定位，将用户按性格分类，打通用户在产品习惯，娱乐，消费之间的标签。通过定义全新的客群标签，帮助客户获取增量。2.0 产品Mind Booster神经反馈阶段:：脑电探测真实想法，AI技术可以识别想法的共性，达到读心的效果。每个人的喜好受到先天擅长与性格的影响，每个人都是独特个体，有特殊的认知模式，定义人的神经元的刺激偏好，寻求更有效的认知反馈内容，提高学习效率。布雷恩的创始人唐瑞鸿毕业于约克大学，研究领域是认知神经学。此前，布雷恩曾获寒武创投的200万种子轮投资，目前，正在寻求能够帮助其提升工程化能力的投资伙伴。