有效性受到质疑：研究发现Paxlovid未能降低Long-COVID风险

有效性受到质疑：研究发现Paxlovid未能降低Long-COVID风险 对未接种疫苗的高危人群来说，Paxlovid 治疗急性COVID-19已被证明是有效的。但这种治疗对Long-COVID风险的影响，包括是否能保护已接种疫苗的人免于感染Long-COVID还不太清楚。研究小组从加州大学旧金山分校的COVID-19公民科学研究中挑选了一组接种过疫苗的人，他们在2022年3月至8月期间报告了首次COVID-19检测呈阳性，并且没有住院治疗。其中一些参与者表示在感染 COVID-19的急性期口服了 Paxlovid，而另一些则没有。2022 年 12 月，他们受邀回答了一项后续调查，其中包含有关长期 COVID、COVID 反弹症状以及持续检测呈阳性时间的问题。研究人员发现，两组患者的情况相似。在接受 Paxlovid 治疗的患者中，约有 16% 的人长期出现 COVID 症状，而在未接受该药物治疗的患者中，这一比例仅为 14%。常见的症状包括疲劳、呼吸急促、精神错乱、头痛以及味觉和嗅觉改变。服用Paxlovid后出现Long-COVID症状的人与未服用Paxlovid的人报告的Long-COVID症状一样多。有一小部分人出现了严重的Long-COVID症状，而那些接受过Paxlovid治疗的人和没有接受过Paxlovid治疗的人出现严重的Long-COVID症状的可能性一样大。在 Paxlovid 治疗期间症状有所改善的患者中，有 21% 出现了反弹症状。在有反弹症状的患者中，10.8%报告了一种或多种Long-COVID症状，而没有反弹症状的患者仅占8.3%。在检测结果呈阴性并完成治疗后重复进行抗原检测的参与者中，25.7%的人报告检测结果呈阳性反弹。总共有 26.1% 的人报告出现反弹症状或检测呈阳性。"我们发现临床反弹的比例高于之前的报道，但并未发现治疗后反弹对Long-COVID症状的影响，"该研究的第一作者、医学硕士、心脏病专家、加州大学旧金山分校医学助理教授Matthew Durstenfeld说。"我们发现，在急性感染期间进行 Paxlovid 治疗与降低Long-COVID的几率无关，这让我们感到惊讶，但这与另外两项严格的研究结果一致，即在感染后 4 到 6 个月期间，罹患COVID-19后的情况没有任何差异。"作者指出，这项研究可能受到了观察性质所带来的局限性的影响，研究人员依赖于患者对治疗和Long-COVID症状的自我报告。编译来源：ScitechDaily ... PC版： 手机版：

POGO问题仍未解决！内政部长质疑SIM卡注册法有效性

POGO问题仍未解决！内政部长质疑SIM卡注册法有效性 内政部长Jonvic Remulla周二在总统府新闻发布会上表示，SIM卡注册法在打击非法活动方面的成效有限，特别是在与菲律宾离岸博彩运营商（POGO）相关的犯罪行为上。 Remulla透露，911紧急热线中有60%的来电为恶作剧电话。他指出，这种现象与未能有效执行SIM卡注册法可能有关。 “问题在于，国家身份证系统尚未与电信公司整合。POGO问题依然猖獗，因为SIM卡注册法并未发挥应有的效果，部分原因是缺乏与国民身份证的整合，”Remulla表示。他进一步指出，部分个人甚至可以轻松购买多达100张SIM卡，这一漏洞亟待解决。 2022年，费迪南德·“邦邦”·马科斯总统签署了SIM注册法案（共和国法案11934），该法案旨在通过要求用户登记SIM卡信息来遏制与短信及网络诈骗相关的犯罪活动。然而，Remulla认为，仅靠这一法律不足以完全解决问题。 他强调，SIM注册法的初衷是通过对SIM卡销售和使用进行严格规范，提高用户责任意识。然而，在实践中，该法案面临许多执行挑战，特别是在处理与POGO相关的诈骗活动方面。 国家电信委员会在2024年6月曾承诺采取进一步措施解决相关问题，同时承认SIM注册法并非打击短信诈骗的“万能药”。 为应对POGO带来的社会和经济问题，总统马科斯已下令全面禁止该行业在菲律宾的运营。尽管如此，与POGO相关的非法活动仍在一定程度上持续存在，显示出更严格监管和多部门合作的必要性。 Remulla呼吁进一步加强立法和执法力度，包括将SIM注册系统与国家身份证系统整合，以全面遏制犯罪活动和保护公众安全。

【软件名称】书签网址有效性检测

【软件名称】书签网址有效性检测 【软件功能】浏览器工具 【支持平台】#Windows 【软件简介】一款浏览器书签网址有效性检测工具，浏览器的收藏夹收藏了好多网址，时间长了，有些网址可能失效了，如果书签多的话，清理起来就会很慢，这个工具可以实现这个功能，帮助检测删除。

一个评估 prompt 清晰有效性的 prompt.

一个评估 prompt 清晰有效性的 prompt. 我们知道，写 prompt 的核心原则就是清晰明确地描述需要 AI 去完成的任务。具体的技巧都是围绕这个核心原则。 当我们要写一个 prompt 完成相对复杂一些的任务的时候，我们可能会竭尽所能地增加各种约束、规则、步骤、样例描述等等。但这里有一个问题，我们很难知道到底哪些限定词是真正影响输出结果的？它们到底有多大的影响？ 另外，一个相对复杂的 prompt 发送给 AI 的时候，它是否能够完全理解？ 所以，我想是不是可以通过一个 prompt 来让 AI 自己去理解 prompt 并让其对具体的 prompt 的清晰有效性进行评估。 目前，我的想法是让其通过阅读理解、分析逻辑、回忆上下文三个方面来对具体的 prompt 进行评估。 附图是我让它评估我写的雅思口语评估助手。 基于 GPT 3.5-turbo 模型测试下来，英文输出的评估结果更加详细和具体。所以我在 prompt 里设置了默认输出是英文。如果不想读英文，可以在评估结果出来之后，发送 “将上面的回复完整地翻译为地道的中文，不要遗漏任何信息。” 效果见图二。 从评估结果可以看到当前模型是如何理解我们的 prompt 的。 更进一步，在评估结果出来之后，我们让 AI 自己尝试优化我们的 prompt，发送 “基于以上评估和用户的，请修改出一个你认为更高效、更精简的版本。确保你的修改不遗漏原的任务目标。” 即可。效果见图三。 让 AI 修改 prompt 不是说直接用它修改的版本，而是参考它修改的点。如图三，它精简了我的 prompt 中的关于雅思口语考试详细的评估标准和高分答案标准。 我参考它的优化建议修改了我原来的 prompt，测试下来，输出结果和原来差不多。相当于在 prompt 里去掉了一些冗余信息，也省了点 tokens. Prompt 评估助手： （原版）雅思口语答案评估助手： （基于 Prompt 评估助手优化版）雅思口语答案评估助手：