XiaoMi-AI文件搜索系统
World File Search SystemCompletion
ircoco：立即奖励指导代码完成的深入强化学习
代码完成旨在通过基于当前的编程环境预测潜在代码来提高编程生产率。最近，预先训练的语言模型（LMS）在这一领域变得突出。已经提出了各种方法使用监督的调整（SFT）技术来完成代码完成。但是，这些模型的固有暴露偏见可能会导致序列完成的早期累积错误，从而导致随后完成的更多错误。为了解决这个问题，深度加强学习（DRL）是用于完成代码完成LMS的替代技术，可以提高概括能力和整体性能。然而，将基于DRL的策略整合到代码完成中面临两个主要挑战：1）代码上下文的动态性质要求完成模型快速适应变化，这为传统的DRL策略构成了困难，该策略的重点是延迟奖励最终代码状态。2）很难评估部分代码的正确性，因此，基于奖励再分配的策略不能适应代码完成。为了应对这些挑战，我们提出了Ircoco，这是一个基于DRL的代码完成框架。此框架旨在提供即时的奖励，作为检测代码完成期间连续编辑引起的动态上下文更改的反馈。借助即时反馈，精细调整的LM可以更加精确地了解当前上下文，从而有效地调整LM并以更重新确定的方式优化代码完成。实验结果表明，使用IRCOCO进行的精细培训的LMS导致代码完成任务的显着改进，表现优于基于SFT和其他基于DRL的基础线。
使用患者门户在 eClinicalWorks EHR 中完成免疫接种系列
患者门户可用于提醒患者他们应接种还是未接种推荐的疫苗或剂量。患者门户还可用于更新患者的健康记录，记录他们在诊所外接种的疫苗；例如在药房接种的疫苗。使用患者门户可以提高医疗保健质量，例如通过提高免疫接种率。
多态度增强的卷积神经网络用于知识图完成
摘要。知识图完成（KGC，也称为链接预测）旨在预测知识图中的缺失实体和关系（kgs）。知识图嵌入（KGE）技术已被证明对链接预测有效。术语，一系列基于卷积的神经网络（CNN）基于模型（例如，凸出及其扩展模型）已获得了极好的链接预测。但是，尚未同时考虑和增强使用CNN的链接预测重要的几个方面，这显着限制了这些模型的性能。在本文中，我们探讨了一个基于CNN的有效KGE模型。我们调查并发现了四个极大的方面，这些方面对引体具有强大的影响：实体和嵌入式，实体与 - 关系相互作用方法，CNN结构和损失函数。基于上述四个方面的优化，我们提出了一种称为CONVEICF的新型KGE方法。通过广泛的实验，我们发现传达的FB15K-237和WN18RR数据集优于先前的最新链接预测基准。尤其是，ConveICF获得@10分别比FB15K-237和WN18RR数据集的10分的10分和6.5％。此外，通过深入的典范，我们观察到一种有趣的现象，并且重要的是，只要添加掉落操作，就可以在KGE中非常常见的1-N评分技术得到改善。我们的代码可在https://github.com/neu-idke/conveicf上找到。
将扩散模型缩放到现实世界3D激光雷达场景完成
计算机视觉技术在自动驾驶汽车的感知堆栈中起着核心作用。使用此类方法来感知给定数据的车辆周围环境。3D激光雷达传感器通常用于从场景中收集稀疏的3D点云。然而，根据人类的看法，这种系统努力鉴于那些稀疏的点云，因此很难塑造现场的看不见的部分。在此问题中，场景完成任务旨在预测LiDAR测量中的差距，以实现更完整的场景表示。鉴于最近扩散模型作为图像的生成模型的有希望的结果，我们建议将其扩展以实现单个3D LIDAR扫描的场景。以前的作品使用了从LiDAR数据提取的范围图像上使用扩散模型，直接应用了基于图像的扩散方法。差不多，我们建议直接在这些点上操作，并介绍尖锐的和降解的扩散过程，以便它可以在场景规模上有效地工作。与我们的方法一起，我们提出了正规化损失，以稳定在denoising过程中预测的噪声。我们的实验评估表明，我们的方法可以在单个LIDAR扫描中完成场景，作为输入，与最新场景完成方法相比，产生了更多详细信息的场景。我们认为，我们提出的扩散过程公式可以支持应用于场景尺度点云数据的扩散模型中的进一步研究。1
将扩散模型缩放到现实世界3D激光雷达场景完成
计算机视觉技术在自动驾驶汽车的感知堆栈中起着核心作用。使用此类方法来感知给定数据的车辆周围环境。3D激光雷达传感器通常用于从场景中收集稀疏的3D点云。然而，根据人类的看法，这种系统努力鉴于那些稀疏的点云，因此很难塑造现场的看不见的部分。在此问题中，场景完成任务旨在预测LiDAR测量中的差距，以实现更完整的场景表示。鉴于最近扩散模型作为图像的生成模型的有希望的结果，我们建议将其扩展以实现单个3D LIDAR扫描的场景。以前的作品使用了从LiDAR数据提取的范围图像上使用扩散模型，直接应用了基于图像的扩散方法。差不多，我们建议直接在这些点上操作，并介绍尖锐的和降解的扩散过程，以便它可以在场景规模上有效地工作。与我们的方法一起，我们提出了正规化损失，以稳定在denoising过程中预测的噪声。我们的实验评估表明，我们的方法可以在单个LIDAR扫描中完成场景，作为输入，与最新场景完成方法相比，产生了更多详细信息的场景。我们认为，我们提出的扩散过程公式可以支持应用于场景尺度点云数据的扩散模型中的进一步研究。1
提前计划：段落完成任务的自我监督文本计划
尽管上下文化的语言模型最近在各种NLP任务上取得了成功，但语言模型本身仍无法捕获长长的多句文档的文本共同（例如，段落）。人类经常就发言之前就何种方式以及如何发言做出结构性决定。通过这种高级决策和以连贯的方式构建文本的指导性实现被称为计划过程。模型可以在哪里学习这样的高级相干？段落本身包含在这项工作中称为自upervision的各种形式的归纳相干信号，例如句子顺序，局部关键字，修辞结构等。以此为动机，这项工作为新的段落完成任务p ar -c om;在图形中预测蒙版的句子。但是，该任务遭受了预测和选择相对于给定上下文的适当局部内容。为了解决这个问题，我们提出了一个自我监督的文本计划，该计划可以预测首先说出的内容（内容预测），然后使用预测的内容指导验证的语言模型（表面实现）。SSPlanner在自动和人类评估中的段落完成任务上的基线生成模型优于基线生成模型。我们还发现，名词和动词类型的关键字的组合是最有效的内容选择。提供了更多内容关键字，总体发电质量也会提高。
C51 集体投资计划管理公司表格填写指南
私营非金融公司是常驻私人实体，其主要活动是以市场价格生产市场商品和非金融服务。这些公司根据 2008 年《公司法》第 71 条注册，以盈利为目的开展经营。南非储备银行网站 (https://www.resbank.co.za/content/dam/sarb/what-we-do/statistics/guides/guides-for-the-completion-of-c-forms/List%20of%20 private%20sector%20non-financial%20corporations%20listed%20on%20the%20JSE.pdf) 上提供了在约翰内斯堡证券交易所上市的私营非金融公司名单。在约翰内斯堡证券交易所进行二次上市的私营非金融公司应在私营非金融公司和“其中：在南非交易所进行二次上市的公司”中报告。
瓦锡兰电池储能系统 (BESS) 项目即将完工
BESS 是瓦锡兰项目的关键组成部分，将有助于加强电力局的电网并为其创造额外的冗余，目前正在将其整合到 RHPP 系统中。电池储能系统利用最新的电池技术来储存低需求期间产生的多余能量，并在高峰时段释放。这有助于稳定电网，并减少在高需求期间启用运行成本更高的发电机的需要。作为瓦锡兰上线的剩余步骤之一，这一整合过程是确保最佳性能和可靠性的关键步骤。
监测认知任务完成期间儿童和成人的皮质活动
1波罗的海人工智能和神经技术中心，伊曼纽尔·康德·波罗的海联邦大学，236041 Kaliningrad，俄罗斯； hramovamv@info.sgu.ru（M.V.K.）; plo@sstu.ru（A.K.K。）; v.maksimenko@innopolis.ru（v.a.m.）; n.frolov@innopolis.ru（n.s.f.）; v.grubov@innopolis.ru（v.v.g。）; s.kurkin@innopolis.ru（S.A.K.）; Alexander.pisarchik@ctb.upm.es（A.N.P。）; nnshusharina@gmail.com（N.N.S.）2萨拉托夫州立大学计算机科学和信息技术学院，俄罗斯萨拉托夫410012 3神经科学和认知技术实验室，Innopolis大学，420500俄罗斯喀山4 Centro detecnologíaBiomédica俄罗斯的卡林宁格勒； alafedorov@kantiana.ru 6理论科学学系，圣彼得堡州立大学，199034年，俄罗斯圣彼得堡 *通信：a.hramov@innopolis.ru2萨拉托夫州立大学计算机科学和信息技术学院，俄罗斯萨拉托夫410012 3神经科学和认知技术实验室，Innopolis大学，420500俄罗斯喀山4 Centro detecnologíaBiomédica俄罗斯的卡林宁格勒； alafedorov@kantiana.ru 6理论科学学系，圣彼得堡州立大学，199034年，俄罗斯圣彼得堡 *通信：a.hramov@innopolis.ru
借助信息图表最大程度地完成两剂 COVID-19 疫苗接种
摘要：美国批准的三种 COVID-19 疫苗中有两种需要注射两剂才能达到完全疗效，世界其他地方的其他疫苗也是如此。与单剂注射相同疫苗相比，全系列多剂量 COVID-19 疫苗可提供更强的 SARS-CoV-2 感染保护。在任何公共卫生运动中，实现社区层面的完美依从性都是一项挑战，即使在非大流行时期也是如此。需要多剂接种的疫苗，加上公众在 COVID-19 大流行期间目睹的疫苗犹豫和错误信息的激增，加剧了确保世界人口获得足够水平的 COVID-19 免疫力的挑战。在这里，我们描述了我们的研究结果，在该研究中，我们试图确定是否可以通过传播信息图表来解释疫苗是什么以及为什么回来接种第二剂是有益的，从而提高两剂 COVID-19 疫苗接种方案的完成率。我们的结果表明，在向首次接种疫苗的人分发了 COVID-19 疫苗信息图后，返回接种第二剂疫苗的比例有所增加。我们认为，将沟通和外联活动扩展到诊所会对随访率产生积极影响，并且信息图是帮助和支持 COVID-19 疫苗部署的有用工具。