Video Friday: Robot Dog Can’t Fall
视频星期五是每周精选的精彩机器人视频，由 IEEE Spectrum robotics 的朋友收集。我们还发布未来几个月即将举行的机器人活动的每周日历。请将您的活动发送给我们以供收录。RoboCup 德国公开赛：2024 年 4 月 17 日至 21 日，德国卡塞尔UVSI XPONENTIAL 2024：2024 年 4 月 22 日至 25 日，圣地亚哥Eurobot Open 2024：2024 年 5 月 8 日至 11 日，法国拉罗什河畔ICRA 2024：2024 年 5 月 13 日至 17 日，日本横滨RoboCup 2024：2024 年 7 月 17 日至 22 日，荷兰埃
直接在 RStudio 中与 Github Copilot 和 OpenAI 的 GPT（ChatGPT）模型交互。`chattr` Shiny 插件让您可以轻松地与这些和其他大型语言模型 (LLM) 进行交互。
RisePro stealer targets Github users in “gitgub” campaign
RisePro 重新出现，采用新的字符串加密和臃肿的 MSI 安装程序，使 IDA 等逆向工具崩溃。“gitgub”活动已经向 Telegram 发送了 700 多个被盗数据档案。
23/6/21: Covid19 Deaths and Income Inequality
关于 Covid19 死亡决定因素的一个有趣但直观的说明：https://twitter.com/youyanggu/status/1407418434955005955。正如 Youyang Gu @youyanggu 所说，“我认为收入不平等是美国 Covid 死亡总数的最佳预测因素。不是收入，而是收入*不平等*。R^2 出奇地高：0.35。”此分析存在一些潜在的重要问题（其中一些问题在此处进行了探讨：https://github.com/jsill/usstatecovidanalysis/blob/main/usStateCovidAnalysis.pdf），但结论似乎在质量上是稳健的
这是一个用于分析 OneNote 文件的新工具（基于我的二进制文件 Python 模板）。此版本仅限于处理嵌入文件（目前）。由于我可能仍会对用户界面进行重大更改，因此我已将此工具放在我的 GitHub 测试版存储库中。
#341 – Guido van Rossum: Python and the Future of Programming
Guido van Rossum 是 Python 编程语言的创建者。请查看我们的赞助商来支持此播客：- GiveDirectly：https://givedirectly.org/lex 可获得高达 1000 美元的礼品- Eight Sleep：https://www.eightsleep.com/lex 可获得特别优惠- Fundrise：https://fundrise.com/lex- InsideTracker：https://insidetracker.com/lex 可获得 20% 的折扣- Athletic Greens：https://athleticgreens.com/
2021 年 10 月，我们宣布收购了 MuJoCo 物理模拟器，并将其免费提供给所有人，以支持各地的研究。我们还致力于开发和维护 MuJoCo，这是一个免费、开源、社区驱动的项目，具有一流的功能。今天，我们很高兴地报告开源已经完成，整个代码库都在 GitHub 上！在这里，我们解释了为什么 MuJoCo 是一个很棒的开源协作平台，并分享了我们未来路线图的预览。
Discovering the systematic errors made by machine learning models
使用跨模态嵌入发现系统性错误在这篇博文中，我们介绍了 Domino，这是一种发现机器学习模型系统性错误的新方法。我们还讨论了定量评估 Domino 等方法的框架。链接：📄 论文（ICLR 2022）🌍 更长的演练💻 GitHub📘 文档📒 Google Colab 实现高总体准确率的机器学习模型通常会在连贯的验证数据切片上犯系统性错误。什么是切片？切片是一组具有共同特征的数据样本。例如，在大型图像数据集中，老式汽车的照片构成一个切片（即切片中的所有图像都有一个共同的主题）。术语切片有许多您可能更熟悉的同义词（例如子组、子群体、地层）。这些术语基本上可以互换，但在本文中我们将坚持使用“切片”。如
Discovering the systematic errors made by machine learning models
使用跨模态嵌入发现系统性错误在这篇博文中，我们介绍了 Domino，这是一种发现机器学习模型系统性错误的新方法。我们还讨论了定量评估 Domino 等方法的框架。链接：📄 论文（ICLR 2022）🌍 更长的演练💻 GitHub📘 文档📒 Google Colab 实现高总体准确率的机器学习模型通常会在连贯的验证数据切片上犯系统性错误。什么是切片？切片是一组具有共同特征的数据样本。例如，在大型图像数据集中，老式汽车的照片构成一个切片（即切片中的所有图像都有一个共同的主题）。术语切片有许多您可能更熟悉的同义词（例如子组、子群体、地层）。这些术语基本上可以互换，但在本文中我们将坚持使用“切片”。如
BanditPAM: Almost Linear-Time k-medoids Clustering via Multi-Armed Bandits
TL;DR想要比 \(k\)-means 更好的东西吗？我们最先进的 NeurIPS \(k\)-medoids 算法 BanditPAM 现已公开！\(\texttt{pip install banditpam}\)，您就可以开始了！与 \(k\)-means 问题一样，\(k\)-medoids 问题是一个聚类问题，我们的目标是将数据集划分为不相交的子集。然而，在 \(k\)-medoids 中，我们要求聚类中心必须是实际数据点，这允许对聚类中心进行更好的解释。\(k\)-medoids 还可以更好地处理任意距离度量，因此如果您使用 \(L_1\) 之类的度量，您的聚类对异常值会更稳健。尽
BanditPAM: Almost Linear-Time k-medoids Clustering via Multi-Armed Bandits
TL;DR想要比 \(k\)-means 更好的东西吗？我们最先进的 NeurIPS \(k\)-medoids 算法 BanditPAM 现已公开！\(\texttt{pip install banditpam}\)，您就可以开始了！与 \(k\)-means 问题一样，\(k\)-medoids 问题是一个聚类问题，我们的目标是将数据集划分为不相交的子集。然而，在 \(k\)-medoids 中，我们要求聚类中心必须是实际数据点，这允许对聚类中心进行更好的解释。\(k\)-medoids 还可以更好地处理任意距离度量，因此如果您使用 \(L_1\) 之类的度量，您的聚类可以对异常值更具鲁棒
Stanford AI Lab Papers and Talks at NeurIPS 2021
第三十五届神经信息处理系统会议（NeurIPS）2021 将于 12 月 6 日至 14 日以线上方式举办。我们很高兴与大家分享 SAIL 在主会议、数据集和基准测试轨道以及各种研讨会上展示的所有工作，您可以在下面找到论文、视频和博客的链接。我们 SAIL 社区的一些成员还担任 12 月 13 日至 14 日举行的几场激动人心的研讨会的共同组织者，所以我们希望您能关注它们！欢迎直接联系联系作者和研讨会组织者，以了解斯坦福大学正在进行的工作！主会议通过将表示解码为输入来提高神经网络的组合性作者：Mike Wu、Noah Goodman、Stefano Ermon联系方式：wumike@stanf
Stanford AI Lab Papers and Talks at NeurIPS 2021
第三十五届神经信息处理系统会议（NeurIPS）2021 将于 12 月 6 日至 14 日以线上方式举办。我们很高兴与大家分享 SAIL 在主会议、数据集和基准测试轨道以及各种研讨会上展示的所有工作，您可以在下面找到论文、视频和博客的链接。我们 SAIL 社区中的一些成员还担任 12 月 13 日至 14 日举行的几场激动人心的研讨会的共同组织者，所以我们希望您能关注它们！欢迎直接联系联系作者和研讨会组织者，以了解斯坦福大学正在进行的工作！主会议通过将表示解码为输入来提高神经网络的组合性作者：Mike Wu、Noah Goodman、Stefano Ermon联系方式：wumike@stan
#226 – Jo Boaler: How to Learn Math
Jo Boaler 是斯坦福大学的数学教育教授，也是 youcubed 的联合创始人。请查看我们的赞助商来支持此播客：- Truebill：https://truebill.com/lex- Fundrise：https://fundrise.com/lex- ExpressVPN：https://expressvpn.com/lexpod 并使用代码 LexPod 获得 3 个月免费使用权- Indeed：https://indeed.com/lex 获得 75 美元信用额度- Stamps.com：https://stamps.com 并使用代码 LEX 获得免费邮资和磅秤剧集链接：Jo
CARLA: A Python Library to Benchmark Algorithmic Recourse and Counterfactual Explanation Algorithms
CARLA（反事实和追索库）是一个 Python 库，用于对不同数据集和不同机器学习模型中的反事实解释方法进行基准测试。总之，我们的工作提供了以下贡献：（i）对 11 种流行的反事实解释方法进行了广泛的基准测试，（ii）用于研究未来反事实解释方法的基准测试框架，以及（iii）一套标准化的综合评估措施和数据集，用于对这些方法进行透明和广泛的比较。我们在 Github 上开源了 CARLA 和我们的实验结果，使它们可以作为有竞争力的基准。我们欢迎其他研究小组和从业人员的贡献。
Moral Hazard in Climate Change Adaptation
雅加达海平面上升的迷人色彩，以及对某些类型适应相关的道德风险的良好洞察。https://allanhsiao.github.io/files/Hsiao_jakarta.pdfhttps://allanhsiao.github.io/摘要：海平面上升对雅加达构成了生存威胁，雅加达面临频繁且日益严重的洪水灾害。政府已提议修建海堤作为回应。在这种情况下，我研究了政府干预如何使长期适应气候变化变得复杂。我表明，政府干预会造成沿海道德风险，并使用动态空间模型量化这种力量，在该模型中，开发商和居民在行动时会考虑洪水风险。我发现道德风险会产生严重的锁定效应，并限制向内陆迁移，即使从长远来看也是如此。
#206 – Ishan Misra: Self-Supervised Deep Learning in Computer Vision
Ishan Misra 是 FAIR 的一名研究科学家，致力于自我监督视觉学习。请查看我们的赞助商来支持此播客：- Onnit：https://lexfridman.com/onnit 可享受高达 10% 的折扣- The Information：https://theinformation.com/lex 可享受首月 75% 的折扣- Grammarly：https://grammarly.com/lex 可享受 20% 的高级折扣- Athletic Greens：https://athleticgreens.com/lex 并使用代码 LEX 可获得 1 个月的鱼油剧集链接：Ishan
