FLOW：用于工作与福祉研究的合成数据集Paper#AI in Wellbeing Research🔬 Research|分析: 2026年1月3日 19:24•发布: 2025年12月28日 14:54•1分で読める•ArXiv分析本文介绍了FLOW，一个合成纵向数据集，旨在解决现实世界数据在工作与生活平衡和福祉研究中的局限性。该数据集允许在压力建模和机器学习等领域进行可重复的研究、方法基准测试和教育，在这些领域中，获取真实世界数据的机会受到限制。使用基于规则的、反馈驱动的模拟来生成数据是一个关键方面，它提供了对行为和情境假设的控制。要点•介绍了FLOW，一个用于工作和福祉研究的合成纵向数据集。•解决了由于隐私和伦理问题导致的真实世界数据访问限制。•使用基于规则的、反馈驱动的模拟来生成数据集。•提供可配置的数据生成工具，用于可重复的实验。•旨在支持探索性分析、方法开发和基准测试。引用 / 来源查看原文"FLOW is intended as a controlled experimental environment rather than a proxy for observed human populations, supporting exploratory analysis, methodological development, and benchmarking where real-world data are inaccessible."AArXiv2025年12月28日 14:54* 根据版权法第32条进行合法引用。较旧MO-HEOM: Extending Hierarchical Equations of Motion to Molecular Orbital Space较新Diversity or Precision? A Deep Dive into Next Token Prediction相关分析Paper基于选择策略的协调人形机器人操作2026年1月3日 06:10Paper从未对齐图像即时进行3D场景编辑2026年1月3日 06:10Paper用于未来预测的LLM预测2026年1月3日 06:10来源: ArXiv