XiaoMi-AI文件搜索系统
World File Search SystemCONTEXTUAL
多机构儿童剥削 (MACE) 和情境保护战略 2024/27
支持整个伙伴关系中的机构有效地管理儿童和年轻人既是伤害和剥削的受害者，又在虐待中伤害其他年轻人的紧张局势。理解在这些情况下，年轻人应该首先被视为受害者，并优先采取保护措施
对 AFIS 背景信息进行量化评估，以判断后续检查结论的准确性和可靠性
技术报告最终稿 技术报告最终稿 对 AFIS 背景信息对后续审查员结论的准确性和可靠性的量化评估 DoJ/NIJ 授权号 #2009-DN-BX-K224 Itiel Dror 和 Kasey Wertheim 摘要 即使将认知任务分担给人与机器，专家在法医决策中仍然发挥着关键作用。这在模式和印象证据中尤为明显，因为自动指纹识别系统 (AFIS) 等技术引入了认知技术，从而创建了这种协作环境。在本文中，我们研究了使用 AFIS 对人类决策者的影响，特别是研究了 AFIS 背景信息对人类专家的潜在偏见影响。作为他们正常办案工作的一部分，我们向 23 名潜在指纹审查员提供了数千份 AFIS 列表。我们将匹配的指纹纳入一些列表中，并操纵匹配候选图像在 AFIS 列表中的位置（将其放在最顶部、靠近顶部、靠近底部或最底部），操纵分数（增加或减少指纹之间的范围），或将这两种操纵结合在一起。我们观察了错误决策（错误的不确定或错误的排除）是否与列表中的位置或分数有关。数据显示，潜指纹检查员受位置的影响，尤其是在比较时间较短的情况下，但他们并不
超级安慰剂：一项可行性研究，结合了上下文因素以促进安慰剂效应
迷幻药物。使用精心制作的物理环境，同盟表现出所谓的药物的影响以及仔细的期望管理，我们证明了对迷幻药物文献中意识的一些最强的安慰剂影响（24）。基于大脑的干预试验的对照组可能类似于自上而下的安慰剂研究。例如，经颅磁刺激程序包含“几乎所有可能增强安慰剂影响的因素”，包括复杂的科学机械，医学用具，与专家的互动，可靠的机构，可靠的机构和备受宽容的媒体注意力（25）。我们提出，模拟神经科学设备（例如已停用的MRI扫描仪）可以用作类似有效的安慰剂（26）。在适当的情况下，人们可以说服神经科学设备可以读取自己的思想（27），将思想插入头部（28，29），对他们的任务绩效（30）影响，移动四肢（31），甚至唤起神秘的经历（32）。在较早的自上而下的研究中，我们向参与者提出了言语建议，即精心制作（假）脑扫描仪可以激活大脑区域以将思想插入他们的头部。大多数参与者不仅相信这一点，而且许多参与者还报告了扫描仪内部不寻常的经历，包括头痛，非自愿运动，心理感觉和减少的控制感觉（29）。我们怀疑可以将类似的干预措施适应临床领域。我们将尽可能多的上下文因素组合在一起，从而可能是最精心制作的基于安慰剂的文献干预措施。因此，我们开发了一项精心设计的干预措施，利用治疗性遭遇的提示，道具和仪式以及神经科学设备的文化声望。在这项研究中，我们旨在评估这种干预的可行性。
生态含义：关于个体差异和背景影响的共识论文
体现的认知理论考虑了语言和其他认知领域的许多方面，这是感觉和运动过程的结果。在这种观点中，评估和概念的使用基于基于先前感觉运动体验的模拟机制。即使这些理论继续受到关注和支持，越来越多的证据表明需要考虑模拟过程的灵活性，并因此完善了体现的帐户。在本共识论文中，我们讨论了关于语言实施例的实验研究中的两个潜在可变性来源：个体差异和背景。具体来说，我们展示了导致个体差异的因素如何解释体现语言现象中不一致的发现。这些因素包括感觉运动或文化经验，图像，与上下文相关的因素和认知策略。我们还分析了不同的上下文调制，从单词到句子和叙述以及自上而下和自下而上的影响。同样，我们回顾了最近的努力，包括文化和语言多样性，衰老，神经退行性疾病和脑部疾病，以及双语证据到体现框架中。我们解决了在临床研究中考虑个体差异和环境以更有效地推动转化研究的重要性，并指出了有关如何在未来研究中正确解决这些问题的建议。系统地研究个体差异和上下文可能有助于理解语言过程中模拟的动态性质，完善体现的认知理论，并最终填补了人工实验环境中的认知和野外认知的认知之间的差距（即日常生活中）。
上下文子空间变分量子特征求解器和非上下文投影假设的稳定器框架
摘要：量子化学是噪声中型量子 (NISQ) 设备的一个有前途的应用。然而，量子计算机迄今为止尚未成功解决具有真正科学意义的问题，算法的进步对于充分利用当今可用的普通 NISQ 机器来说是必不可少的。我们讨论了一种基于将分子汉密尔顿量划分为两部分的基态能量估计方法：一部分是非上下文的，可以用经典方法求解，另一部分是上下文分量，可通过变分量子特征求解器 (VQE) 程序获得量子校正。这种方法被称为上下文子空间 VQE (CS-VQE)；然而，在将其部署到 NISQ 设备上之前，还有一些障碍需要克服。我们在这里解决的问题是 ansatz，即我们在 VQE 期间对其进行优化的参数化量子态；最初并不清楚汉密尔顿量的分裂应如何反映在 CS-VQE ansa ̈ tze 中。我们提出了一种“非上下文投影”方法，该方法由稳定器形式中 CS-VQE 的重新表述所阐明。这定义了从完整电子结构问题到上下文子空间的假设限制，并促进了可在 NISQ 设备上部署的 CS-VQE 的实现。我们使用量子模拟器验证了非上下文投影假设，并展示了一组小分子的化学精确基态能量计算，同时显著减少了所需的量子比特数和电路深度。
多机构儿童剥削 (MACE) 和情境保护战略 2020/23
多机构儿童剥削 (MACE) 和情境保护战略认识到，儿童和年轻人可能面临或受到来自家庭网络之外的成年人和/或其他同龄人的剥削和虐待的风险。当孩子从幼儿期进入青春期时，他们不可避免地会参与学校和家庭环境之外的社交网络、关系和环境。北约克郡的大多数儿童都以安全和充实的方式完成了这一过渡。然而，所有儿童和年轻人都可能遇到利用弱点和环境的人，这些环境使他们面临被剥削的风险。
codi：通过上下文分布整合
实验物理学主席 - 激光物理学，路德维希 - 马克西利安人 - 苏尼氏穆尼钦，巴伐利亚州85748，德国B型物理学实验室，麦克斯·普朗克量子学院，麦克斯·普朗克量子学院 Medicine, Division of Endocrinology and Diabetology, Medical University, Styria 8010, Austria e Institute of Epidemiology, Helmholtz Zentrum München, Bavaria 85764, Germany f Chair of Epidemiology, Institute for Medical Information Processing, Biometry and Epidemiology, Medical Faculty, Ludwig-Maximilians-Universität München, Bavaria 81377，德国 *应向其通信：电子邮件：tarek.eissa@mpq.mpg.de（T.E.）; mihaela.zigman@mpq.mpg.de（m.j.）编辑者：lydia kavraki
基于大脑激活和上下文信息的驾驶员转弯意图识别模型
像在路口转弯这样的交通状况注定会出现安全关键情况和事故。人为错误是这些情况下发生事故的主要原因之一。识别驾驶员转弯意图的模型可以通过在危险转弯操作之前警告驾驶员或停车来帮助减少事故。大多数旨在预测驾驶员转弯意图概率的模型仅使用上下文信息，例如间隙大小或等待时间。本研究的目的是调查上下文信息和大脑激活测量的结合是否能增强转弯意图的识别。我们进行了驾驶模拟器研究，同时使用高密度 fNIRS 测量大脑激活。在 fNIRS 和上下文数据上训练了转弯意图识别的神经网络模型。使用 SHAP（SHapley Additive exPlanations）特征重要性分析对输入变量进行了分析，以显示包含大脑激活数据的积极影响。模型评估和特征重要性分析都表明，上下文信息和大脑激活的结合可以改善转弯意图识别。 fNIRS 结果显示，在执行转弯之前的“转弯”决策阶段，左侧运动皮层部分（例如初级运动皮层 (PMC；假定的 BA 4)、运动前区 (PMA；假定的 BA 6) 和辅助运动区 (SMA；假定的 BA 8）的大脑激活差异有所增加。此外，我们还观察到左侧前额叶区域的激活差异有所增加，可能位于左侧中额叶回 (假定的 BA 9)，这与决策和行动计划等执行功能的控制有关。我们假设大脑激活测量可能是一种更直接的指标，对转弯行为具有潜在的高特异性，从而有助于提高识别模型的性能。
centerachAdapt：通过LLM推理
混合现实越来越多地用于封闭房屋和办公空间以外的移动设置。此移动性引入了适应不同上下文的用户界面布局的需求。但是，现有的自适应系统仅针对静态环境而设计。在本文中，我们介绍了centerAdapt，该系统通过在共享环境中考虑环境和社交线索来将混合现实UI的混合现实UIS调整到现实世界中。我们的系统包括对UI适应的感知，推理和优化模块。我们的感知模块标识用户周围的对象和个人，而我们的推理模块则利用视觉和语言模型来评估交互式UI元素的位置。这种调整的布局不会阻碍相关的环境线索或干扰社会规范。我们的优化模块会生成混合的现实接口，以解释这些考虑以及时间约束。进行评估，我们首先验证了与人类专家用户相比，我们的推理模块评估UI上下文的能力。在一项在线用户研究中，我们建立了centerachAdapt为混合现实生成上下文意识的布局的能力，在此效果优于以前的自适应布局方法。我们以一系列应用程序和场景结束，以证明centerachAdapt的多功能性。
使用意外和 fMRI 映射自然语言理解过程中广泛和局部语境预测的神经基础
语境会影响理解者在语言处理过程中的期望，信息论惊奇通常被用作衡量认知处理努力的指标。然而，先前使用惊奇的研究只考虑了句内语境，使用 n-gram、神经语言模型或句法结构作为条件语境。在本文中，我们扩展了惊奇方法以使用更广泛的主题语境，通过分析自然聆听过程中收集的 fMRI 时间过程来研究局部和主题语境对处理的影响。从 ngram 和 LSTM 语言模型计算出的词汇惊奇可用于捕捉局部语境的影响；为了捕捉更广泛语境的影响，我们引入了一个基于主题模型的新指标——主题惊奇。我们确定了词汇惊奇和主题惊奇的不同神经激活模式。这些不同的神经解剖学相关性表明，句子处理过程中的局部和广泛的语境线索会调动不同的大脑区域，并且语言网络的这些区域在功能上有助于在理解过程中处理不同维度的语境信息。更广泛地说，我们的方法补充了越来越多的使用计算语言学方法的文献，以操作和测试有关句子处理中的神经认知机制的假设。