XiaoMi-AI文件搜索系统
World File Search System竹滴
所需疫苗接种/滴度：
• 学生应计划在秋季学期来校前至少 2 周完成所需的疫苗接种。在有限情况下或无法获得双价加强针的国际学生可在校园内接种疫苗。 • 医疗豁免申请需要获得耶鲁健康部门的批准 • 疫苗接种可能会因过去 90 天内检测呈阳性、某些医疗状况、计划治疗或怀孕而推迟。这可以通过豁免程序提出申请。
图形图中的参数化复杂性 - 滴
参数化的复杂性。已知许多广泛关注的计算问题通常是NP -HARD。然而，通常可以使用隐式的许多现实实例来有效地找到确切的解决方案。在特定类别的各种实例上，对各种问题进行了长期的系统研究，并且朝这个方向进行研究构成了计算机科学的基本领域之一。但是，在许多现实情况下，不可能定义我们希望解决的明确类别的实例；实例不像是黑白（是否属于特定类别），而是具有各种灰色阴影（具有一定程度的内部结构）。相对年轻的参数化复杂性范式[6，4，8，16]提供了处理这种情况的理想工具。在参数化设置中，我们将每个实例与数值参数相关联，该参数捕获了该实例的“结构化”。这样就可以开发其性能的算法强烈取决于参数 - 而不是经典设置，在这种情况下，我们经常将拖延性与多项式运行时间相关联，而棘手的性能与超多种元素相关联，参数化算法自然而然地“缩放”与实例中包含的结构量相关联。参数化设置中的易处理性的中心概念是固定参数的拖延（简而言之），这意味着可以通过f（k）·n o（k）·n o（1）的运行时解决给定的问题（f是任意可计算的功能，k是k的值，k是k的值，k是参数的值，n是输入大小）。除了固定参数障碍性外，参数化的复杂性景观还包括各种伴侣概念，例如XP索取性，内核化和W- hardness。
简单类型的定量版本 - 滴
这项工作介绍了简单类型分配系统的定量版本，从适当限制非数字相交类型开始。所得系统是可决定的，并且具有与简单类型系统相同的特征性功率；因此，将类型分配给术语提供了简单类型给出的相同定性信息，但同时可以提供一些有趣的定量信息。众所周知，简单类型的特征性等同于统一。我们证明了新引入系统的结果类似。更确切地说，我们表明，典型性等同于统一问题，统一问题是经典统一的问题：除了统一规则外，我们的打字算法还利用了扩展操作，该扩展操作可在需要时增加多群的基数。
使用神经网络的定量验证 - 滴
我们提出了一种数据驱动的方法，用于概率程序和随机动力学模型的定量验证。我们的方法利用神经网络计算紧密和声音的边界，以使随机过程在有限的时间内达到目标状况的可能性。此问题涵盖了各种定量验证问题，从离散时间随机动力学模型的可及性和安全性分析到对概率计划的断言和末端分析的研究。我们依靠神经网络代表产生这种概率界限的超级智能证书，我们使用反例引导的电感综合循环对其进行计算：我们在使用随机优化的状态限制的概率上训练神经证书，然后使用随机优化的状态进行拧紧的概率，然后我们正式使用所有可能的状态，使用所有可能的状态使用满足性模量，以实现证书的有效性；如果我们收到反例，我们将其添加到我们的样本集中，然后重复循环，直到确认有效性。我们在各种基准基准上证明，由于神经网络的表达能力，我们的方法比现有的符号方法在所有情况下都产生的概率范围更小或可比，并且我们的方法在模型上完全取得了成功，这些模型完全超出了此类替代技术的范围。
量子密码学中的单向性 - 滴
单向函数的存在是经典cryp-图表中最基本的假设之一。在量子世界中，有些证据表明，即使单向函数不存在，也可以存在一些加密原语[Kretschmer，TQC 2021; Morimae和Yamakawa，Crypto 2022； Ananth，Qian和Yuen，Crypto 2022]。因此，我们在量子密码学中存在以下重要的开放问题：量子密码学中最基本的假设是什么？In this direction, [Brakerski, Canetti, and Qian, ITCS 2023] recently defined a notion called EFI pairs, which are pairs of efficiently generatable states that are statistically distinguishable but computationally indistinguishable, and showed its equivalence with some cryptographic primitives including commitments, oblivious transfer, and general multi-party computations.但是，他们的工作着重于决策类型的基础，并且不涵盖搜索类型的原始图，例如量子货币和数字签名。在本文中，我们研究了单向状态发生器（OWSG）的性质，这是Morimae和Yamakawa提出的单向函数的量子类似物。我们首先重新访问OWSG的定义，并通过允许混合输出状态进行概括。然后我们显示以下结果。
算法勾结而没有威胁 - 滴
最近一直担心自动化定价算法可能会学会“相交”。超级竞争价格的价格可能会成为反复定价游戏的纳什均衡，在这种情况下，如果卖家从竞争对手中“缺陷”，卖家会发挥策略，这些策略有可能惩罚他们的竞争对手，并且可以自动学习这些策略。，但威胁的脸上是反竞争的。实际上，标准的经济直觉是，超级竞争性的价格来自使用威胁，或者一方未能正确优化其回报。这是正确的吗？在卖方优化自己的收入时，会明确防止算法决策中的威胁防止超竞争价格吗？编号我们表明，即使两个玩家都使用没有明确编码威胁并为自己的收入进行优化的算法，竞争性价格也可以强劲地出现。由于部署算法是一种承诺形式，因此我们研究了顺序的Bertrand定价游戏（和连续的变体），其中第一个搬运工部署了算法，然后在结果环境中进行了第二个搬运工。我们表明，如果第一个搬运工部署了任何没有重新保证的算法，然后第二个搬运工甚至在这个现在静态的环境中大致优化了，则会出现类似垄断的价格。实际上，存在一系列策略，它们都没有明确编码在算法空间中同时定价游戏的NASH均衡的威胁，并导致了几乎垄断价格。该结果适用于第一搬家部部署的任何无regret学习算法，以及第二名搬运工的任何定价政策，这些算法至少获得了与随机定价一样高的利润 - 因此，即使第二种推动者仅在非响应定价分布的空间内进行优化，这些结果即使仅在非响应定价分布的空间内进行优化，这些分配具有相当可观的机构威胁。这表明可能需要扩展“算法勾结”的定义，以包括没有明确编码威胁的策略。
未知先验的信息设计 - 滴
古典信息设计模型（例如，贝叶斯说服和便宜的谈话）要求玩家对世界状态的先前分布有完整的了解。我们的论文研究重复说服问题，其中信息设计师不知道先验。信息设计师学会从与接收器重复相互作用中设计信号方案。我们为信息设计师设计学习算法，与在接收者决策的两个模型下使用最佳信号计划与已知先验的最佳信号计划相比，没有后悔：（1）第一型模型假设接收器知道先验并可以执行后验更新并对信号进行最佳响应。在此模型中，我们为信息设计者设计了一种学习算法，以在一般情况下实现O（log t）遗憾，而在接收器只有两个动作的情况下，在θ（log log t）遗憾的另一种算法（log log t）后悔。我们的算法基于多维和保守的二进制搜索技术，该技术绕过ω（√
各向异性量子大厅液滴
我们研究了强磁场中非相互作用电子的二维（2D）液滴，并以任意形状放置在狭窄的电势中。使用适合最低兰道水平的半经典方法，我们获得了近高斯能量特征状态，这些特征态位于电势的水平曲线并具有位置依赖性高度。这个单粒子的见解使我们能够推断出在热力学极限下的局部多体观测值（例如密度和电流）的期望值。特别是沿边缘的相关性是长期的且不均匀的。正如我们所显示的，这与系统的通用低能描述是边缘模式的免费1D手性相形的野外理论，这是简单几何形式中早期作品所知的。征收本征函数的径向依赖性和角度依赖性之间的微妙相互作用最终确保了该理论在潜力的规范角度变量方面是均一的，尽管其明显的不均匀性在更幼稚的角度坐标方面。最后，我们提出了一种方案，通过将液滴降低到微波辐射中来测量各向异性。我们计算相应的吸收率，并表明它取决于液滴的形状和波浪的极化。这些结果，无论是局部还是全局，在固态系统或2D电子气体的量子模拟器中都可以观察到，并具有高度控制限制电位的量子。