XiaoMi-AI文件搜索系统
World File Search System微调
面对内幕威胁：基于LLM微调
基于异常的检测可有效防止不断发展的内幕威胁，但精度仍然低。当前的数据处理可能会导致信息丢失，并且模型通常会努力区分良性异常和实际威胁。这两个问题都阻碍了精确检测。为了解决这些问题，我们提出了基于大语言模型（LLM）微调的精确异常检测解决方案。通过代表自然语言的用户行为，我们减少了信息丢失。我们使用用户行为模式对比度对异常检测的任务进行微调，使用两阶段策略：首先学习一般行为模式，然后使用特定于用户的数据来改进，以改善良性异常和威胁之间的差异化。我们还实施了一个细粒度的威胁追踪机制，以提供行为级别的审计步道。据我们所知，我们的解决方案是第一个在内幕威胁检测中应用LLM微调的方法，在CERT V6.2数据集中达到了0.8941的F1分数，超过所有基线。
对文本的微调语言模型的影响 -
基于文本的强化学习涉及使用观察到的文本和自然语言的可接受动作来完成任务的代理人与虚构环境进行交互。以前的作品表明，即使在完全没有语义理解或其他语言能力的情况下，代理也可以在基于文本的交互式环境中成功。这些代理商在玩这样的游戏中的成功表明，语义理解可能并不重要。这提出了一个重要的问题，即LMS通过游戏指出代理商的好处。在这项工作中，我们证明了丰富的语义理解会导致对基于文本的RL代理的有效培训。此外，我们描述了基于文本的强化学习（TBRL）中语言模型的不适当微调的结果。具体来说，我们描述了LM中单词的出现表示的转变，以及它如何影响代理在与训练游戏的语义上相似的任务中的性能。这些结果可能有助于制定更好的策略，以在基于文本的RL方案中微调代理。
微调在LLMS中提示的功效
本文介绍了我们参加FinCausal 2025 Compeition的方法和发现（Moreno-Sandoval等人。，2025），解决了从财务文件中得出的因果问题，特别是英语和西班牙年度报告。与基于BERT的代币分类（例如基于BERT的提取方法）相比，我们研究了生成模型（例如Llama）的有效性。虽然迅速的优化和很少的学习提供了一些改进，但它们不适合持续超过Fincausal的提取方法，并且患有hAlu take。相比之下，微调生成模型被证明对于最小化的幻觉和实现了卓越的表现至关重要。使用我们的微调多语言模型完成这两个任务，我们的表现要优于我们的外来和单语言方法，在比赛中获得了西班牙语的最高成果，而在比赛中获得了第二好的结果。我们的发现表明，微调的大语言模型非常适合复杂的财务叙事中的因果问答，提供了强大的多语言帽子，并有效地减轻了幻觉。
基于量子退火的 Transformer 微调实例选择方法
摘要 目前，深度学习（DL）被广泛用于解决非常复杂的任务。然而，DL模型的训练需要庞大的数据集和漫长的训练时间。我们引入了一种新颖的量子实例选择（IS）方法，该方法将训练数据集的大小减少了多达 28%，同时保持了有效性，提高了训练效率和可扩展性。我们的方法利用量子退火（QA），一种特定的量子计算范式，可以解决优化问题。这是首次尝试使用 QA 解决 IS 问题，我们为其提出了一种新的二次无约束二元优化（QUBO）公式。对多个自动文本分类（ATC）数据集进行的大量实验表明，我们的解决方案是可行的，并且与当前最先进的 IS 解决方案具有竞争力。
终身自主对野外导航基础模型的自主微调
摘要：最近的作品提出了许多通用机器人装置模型，这些模型可以控制各种机器人平台以执行一系列不同的任务，包括在导航和操纵领域中。，这种模型通常是通过模仿学习来训练的，这排除了通过机器人聚集在工作中的经验自主适应的能力。在这项工作中，我们的目的是在机器人导航领域中训练通用机器人基础模型，目的是实现自主性自我改善。我们表明，将预训练与离线封根学习和连续自动操作的完整系统结合在一起，这将导致一个机器人学习框架，不仅始于广泛的二元能力，而且可以进一步专业化并适应这些能力，并在给定部署地点执行导航任务过程中。据我们所知，该结果展示了第一个通过开放世界设置中的自主互动不断学习的导航机器人基础模型。
推动贸易：微调太阳能和风能价值链的贸易政策
引言 ................................................................................................4 1. 应对气候变化和能源获取 ......................................................5 2. 太阳能和风能推动能源转型 ..............................................8 3. 绿色能源价值链的结构 ..............................................................13 4. 遵循历史贸易模式的新技术 ............................................................................15 5. 绿色能源价值链上的贸易壁垒 ......................................................................................19 6. 微调贸易政策以加强可再生能源技术 .............................................................26 7. 附件 .............................................................................................................28
gen-drive：通过奖励建模和强化学习微调
摘要 - 自主驾驶需要能够推理交通代理之间未来互动的能力，并对计划进行明智的评估。本文介绍了Gen-Drive框架，该框架从传统预测和确定性计划框架转变为一代人，然后评估计划范式。该框架采用行为扩散模型作为场景生成器来产生各种可能的未来情况，从而增强了联合交互推理的能力。为了促进决策，我们提出了一个场景评估者（奖励）模型，该模型通过通过VLM援助收集的成对偏好数据训练，从而降低了人类的工作量和增强可扩展性。此外，我们还利用RL微调框架来提高扩散模型的发电质量，从而使其更有效地计划任务。我们对NUPLAN数据集进行了培训和闭环计划测试，结果表明，采用这种生成时代评估策略的表现优于其他基于学习的APCARCHES。此外，微调的生成驾驶政策显示出计划绩效的显着增强。我们进一步证明，与依靠人类设计的奖励相比，利用我们学习的奖励模型进行评估或RL微调导致了更好的计划绩效。项目网站：https：//mczhi.github.io/gendrive。
大型语言模型的微调可在太空系统中更好地表现
•自主和专业工作，正确管理时间，并自主评估计划概述的任务的进步。•找到有关工作区域的相关文献，对其进行批判性分析，并尽可能将其整合到工作中。•了解决策的工程权衡，并充分记录下来。•定期与顾问和主管进行沟通，并在需要反馈时及时及时进行沟通。每周出席主席，以促进沟通和工作进步，并至少参加每周一次的会议。•例如，以未来的硕士论文框架中的未来出版或工作来指出有关工作领域的科学或研究问题。•按照我们的内部评估，可以在世界一流的国际会议上呈现候选人的资金，以呈现工作结果。
将维格纳的朋友场景与非经典因果兼容性、一夫一妻制关系和微调联系起来
非经典因果模型是为了解释违反贝尔不等式而开发的，同时遵循相对论因果结构和可靠性——即避免微调因果解释。最近，基于维格纳朋友思想实验的扩展，得出了一个可以被视为比贝尔定理更强的不通定理：局部友好 (LF) 不通定理。在这里，我们表明，即使考虑非经典和/或循环因果解释，LF 不通定理也对因果模型领域提出了巨大的挑战。我们首先将 LF 不等式（LF 不通定理的关键元素之一）重新定义为源于统计边际问题的一夫一妻制关系的特殊情况。然后，我们进一步将 LF 不等式重新定义为因果兼容性不等式，它源于非经典因果边际问题，其因果结构由有理有据的因果形而上学假设所暗示。我们发现，即使允许观察到的事件的潜在原因接受后量子描述（例如在广义概率论或更奇特的理论中），LF 不等式仍会从这种因果结构中出现。我们进一步证明，没有非经典因果模型可以在不违反无微调原则的情况下解释 LF 不等式的违反。最后，我们注意到，即使诉诸循环因果模型，也无法克服这些障碍，并讨论了因果建模框架进一步扩展的潜在方向。
RJ24/RJR24 – 3/8˝ 方形 Trimpot® 微调电位器
Bourns ® 产品数据表中列出的特性和参数基于实验室条件，有关产品适用于某些应用类型的陈述基于 Bourns 对通用应用中典型要求的了解。Bourns ® 产品在用户应用中的特性和参数可能与数据表特性和参数不同，原因是 (i) Bourns ® 产品与用户应用中其他组件的组合，或 (ii) 用户应用本身的环境。Bourns ® 产品的特性和参数在不同应用中也可能存在差异，实际性能可能随时间而变化。用户应始终在其特定设备和应用中验证 Bourns ® 产品的实际性能，并自行判断在其设备或应用中设计额外的测试裕度，以补偿实验室条件和实际条件之间的差异。