XiaoMi-AI文件搜索系统
World File Search System程序化
我们的程序化策略
在新冠疫情爆发之前，世界在消除贫困方面取得了进展，但残疾人却被抛在了后面。如今，疫情有可能破坏消除极端贫困方面的进展，并揭示了残疾人遭受排斥和歧视的程度。CBM Global 的计划战略基于一些严峻的事实： 我们七分之一的人是残疾人——全世界有十多亿人，其中 80% 生活在发展中国家。 生活在发展中国家的最贫困人口中，五分之一 (20%) 是残疾人。 贫困和残疾形成了一个恶性循环。如果你是穷人，你就更有可能患上残疾，因为缺乏医疗、清洁水和卫生设施；营养不良和不安全的工作条件。残疾人在卫生、教育和生计等方面面临的歧视和排斥使他们更加脆弱，更有可能陷入贫困并继续贫困。 目前，数百万残疾人受到人道主义危机的影响。残疾人最有可能受到最严重的影响，也最不可能得到帮助。 新冠肺炎危机对残疾人的影响尤为严重。一些关键问题包括缺乏可获得的救命公共卫生信息、缺乏实施卫生措施的支持、缺乏可获得的医疗设施，以及在一些国家存在消极态度和歧视，导致残疾人无法获得救命的医疗服务。
final-eis-0557-太阳能-程序化-vol-1-2024-10-16.pdf
土地管理局已完成一项程序分析，以评估亚利桑那州、加利福尼亚州、科罗拉多州、爱达荷州、蒙大拿州、内华达州、新墨西哥州、俄勒冈州、犹他州、华盛顿州和怀俄明州的土地管理局资源管理计划的潜在修订，以促进公共土地上的太阳能开发，同时最大限度地减少资源冲突。潜在的修订将有助于引导太阳能开发通行权申请远离已知资源冲突可能性高的公共土地，同时保持足够的灵活性，以调整开发选址配置，以应对通过项目特定分析确定的特定地点的资源问题。潜在的修改将支持国家气候优先事项和公共土地的可再生能源部署目标，并将提供管理方向，以应对未来 20 年或更长时间内预计的可再生能源开发需求。
程序化分类排除 (PCE)
发现：其他；注释中提供了简要叙述。注释：根据以下影响标题下列出的发现，拟议的行动不会对第 4(f) 节或第 106 节保护的财产产生重大影响。4. 项目发起人确认，拟议的行动不会导致与任何联邦、州或地方法律、要求或与行动的环境方面有关的行政决定不一致。影响：5. 拟议的行动将不涉及获取超过少量的临时或永久通行权。
铅中毒的程序化框架，纯地球
简介纯地球是一个致力于保护人和环境免受有毒污染物危害的国际环境卫生组织。纯粹的地球通过与公共，私人和民间社会组织合作实施可持续的，具有成本效益的干预措施来促进其目标，从而实现可衡量的影响。根据我们2020 - 2030年的战略计划，Pure Earth当前的组织优先事项是减少低收入和中收入国家（LMIC）的铅和汞中毒，尤其是在儿童以及怀孕和哺乳期妇女中。的确，纯粹的地球及其合作伙伴负责大量的科学文献，数据，倡导和干预案例研究，围绕LMIC中的潜在客户暴露。Pure Earth已在1,600多个由铅污染的地点进行了现场评估，并在50多个社区进行了减少暴露计划。2017年，纯地球领导了柳叶刀污染与健康委员会的起草，1和2020年7月，纯地球和联合国儿童基金会出版了“有毒真理”，2一份报告着针对铅暴露的来源，对儿童健康的影响和缓解策略的影响。目前，Pure Earth拥有多年的多年赠款，支持Clarios Foundation，Givewell，Takeda Pharmaceutical Company Limited（“ Takeda”）等人的铅曝光计划。本文档的目的是建立和描述纯地球的铅编程框架（“框架”）。通过这种结构，我们解释了我们的主要策略，并创建一种资源来帮助员工设计并实施与该策略一致的主要项目。该框架是通过一组元素提出的，包括：
实时战略游戏的程序化策略
基于搜索的系统已被证明可用于零和博弈中的规划。然而，基于搜索的方法具有重要的缺点。首先，搜索算法的决策大多是不可解释的，这在需要可预测性和信任的领域（例如商业游戏）中是个问题。其次，基于搜索的算法的计算复杂性可能会限制其适用性，特别是在资源与其他任务（例如图形渲染）共享的环境中。在这项工作中，我们介绍了一种用于合成实时战略 (RTS) 游戏的程序化策略的系统。与搜索算法相比，程序化策略更容易解释，并且一旦程序被合成，往往会很高效。我们的系统使用一种简化领域特定语言 (DSL) 的新算法和一种通过自对弈合成程序的本地搜索算法。我们进行了一项用户研究，招募了四名专业程序员来开发 µ RTS（一款极简 RTS 游戏）的编程策略。结果表明，通过我们的方法合成的程序可以超越搜索算法，并且可以与程序员编写的程序相媲美。
程序化增长 - 心血管卫生服务线
•一种以患者为中心的方法•强调跨学科的协调患者护理•从预防到筛查到治疗的完整翻译范围•利用跨学科的团队方法•专注于质量/安全，访问，患者的经验和成本效率和成本效率•保持一致的人才和基础设施支持，在一个共同的单位下，将
SHA-256与程序化SAT碰撞攻击
抽象的加密哈希功能在确保数据安全性，从可变长度输入中生成固定长度哈希至关重要。Hash函数SHA-256因其二十多年的严格审查后的弹性而被信任数据安全性。其关键特性之一是碰撞电阻，这意味着找到具有相同哈希的两个不同输入是不可行的。当前，最佳的SHA-256碰撞攻击使用差分密码分析在SHA-256的简化版本中找到碰撞，这些碰撞减少以更少的步骤，从而使发现碰撞是可行的。在本文中，我们使用满意度（SAT）求解器作为搜索步骤减少的SHA-256碰撞的工具，并借助于计算机代数系统（CAS），动态地指导求解器，用于检测不一致之处并推断信息，否则求解器将不会单独检测到求解器。我们的混合动力SAT + CAS求解器明显超过了纯SAT方法，从而使我们能够在步骤减少的SHA-256中发现碰撞，并具有更大的步骤。使用SAT + CAS，我们找到了带有修改初始化向量的SHA-256的38步碰撞，这是由Mendel，Nad和Schläffer的高度复杂搜索工具首先找到的。相反，纯粹的SAT方法可能会发现不超过28个步骤的碰撞。但是，我们的工作仅使用SAT求解器Cadical及其程序化接口Ipasir-Up。
指引我！综合程序化策略的双层搜索
程序化策略的综合需要在计算机程序的大型不可微空间中进行搜索。当前的搜索算法使用自对弈方法来指导搜索。这些方法的问题在于，指导函数通常提供的搜索信号较弱。这是因为自对弈函数仅衡量程序相对于其他程序的表现。因此，虽然对失败程序的微小更改可能不会将其转变为获胜程序，但这种更改可能代表着朝着获胜程序迈出的一步。在本文中，我们引入了一种双层搜索算法，该算法同时在程序空间和状态特征空间中进行搜索。特征空间中的每次搜索迭代都会定义程序空间中的搜索试图实现的一组目标特征（即，在遵循程序中编码的策略时观察到的特征）。我们假设自对弈函数和基于特征的函数的组合为综合提供了更强的搜索信号。虽然这两个函数都用于指导程序空间中的搜索，但自对弈函数用于指导特征空间中的搜索，以便选择更有可能导致获胜程序的目标特征。我们在实时战略游戏 MicroRTS 中评估了我们的双层算法。我们的结果表明，双层搜索综合了比仅在程序空间中搜索的方法更强大的策略。此外，我们的方法综合的策略在模拟锦标赛中获得了最高的获胜率，其中包括来自最近两次 MicroRTS 比赛的最佳代理。
人工智能训练和计算机图形的程序化内部生成
自从计算机诞生以来，各种任务的数据存储和创建问题一直存在。在计算机图形学和视频游戏方面，对资产的需求一直存在。虽然现在空间问题不再是开发人员的主要关注点之一，但能够自动创建资产的需求仍然很重要。现代观众和应用程序所要求的图形保真度需要艺术家和设计师付出大量努力，这需要花费很多钱。3D 场景的自动生成在人工智能 (AI) 机器人训练任务中至关重要，由于机器学习算法需要大量数据，训练期间生成的数据量甚至无法由一个人查看。家具生成和放置、材料和照明随机化是一项完全独立但对于集成解决方案而言必不可少的任务。在本文中，我们提出了用于计算机图形学和机器人学习应用的室内生成器。建议的框架能够以照片般逼真的质量生成和渲染带有家具的室内装饰。我们结合了现有的生成计划和布置室内装饰的算法，最后添加了材料和照明随机化。我们的解决方案包含 3D 模型和材料的语义数据库，这使生成器能够获得具有随机化和每像素掩码的逼真场景，以训练检测和分割算法。
ISBA 普华永道程序化供应链研究 II（摘要）
本文件仅为英国广告主联合会 (ISBA) 准备，且仅用于我们于 2022 年 4 月 25 日与 ISBA 达成的协议中约定的目的和条款。除非另有书面约定，否则我们不对与本文件有关的任何其他人承担任何责任（包括疏忽），也不得将本文件提供给任何其他人。