XiaoMi-AI文件搜索系统
World File Search SystemEfficient
节能边缘计算：当Lyapunov符合分布的强化学习
摘要 - 在这项工作中，我们研究了通过边缘计算启用的流量计算的能量计算的问题。在考虑的情况下，多个用户同时竞争有限的无线电和边缘计算资源，以在延迟约束下处理经过处理的流量任务，并有可能利用所有网络节点的低功率睡眠模式。无线电资源分配考虑了细胞间和细胞内干扰，并且必须共同优化无线电和计算设备的职责周期，以最大程度地减少整体能源消耗。为了解决这个问题，我们将基本问题提出为动态的长期优化。然后，基于Lyapunov随机优化工具，我们将该法式问题与CPU调度问题和无线电资源分配问题分配为每插槽。虽然第一个可以使用快速迭代算法来最佳且有效地解决，但第二个可以使用分布式的多代理增强式学习来解决第二个算法，因为其非凸性和NP固定度。所得框架最多可实现96。基于详尽搜索的最佳策略的5％性能，同时大大降低了复杂性。与基准启发式方法相比，提出的解决方案还允许提高网络的能量效率。
通过语言引导的偏好学习有效地产生表达的四倍行为
摘要 - 表达机器人行为对于在社交环境中广泛接受机器人至关重要。学习的腿部运动控制器的最新进展已实现了更具动态和多功能的机器人行为。，确定在各种情况下与不同用户互动的最佳行为仍然是一个挑战。当前方法要么依赖于自然语言输入，这是有效但低分辨率的，要么从人类的偏好中学习，尽管高分辨率却是效率低下的样本。本文介绍了一种新的方法，该方法利用了预先训练的LLMS产生的先验，并在偏好学习的精确度上。我们的方法称为语言引导的偏好学习（LGPL），使用LLMS生成初始行为样本，然后通过基于偏好的反馈来完善这些样本，以学习与人类期望紧密相符的行为。我们的核心见解是，LLM可以指导偏好学习的抽样过程，从而实现样本效率的实质性提高。我们证明，LGPL可以快速学习精确和表现力的行为，只有四个查询，既优于纯语言参数模型和传统的偏好学习方法。带有视频的网站：此HTTP URL。
有效提供惯性特斯拉汽车澳大利亚，Pty Ltd（...
5 https://aeeo.com.au/-/medii-fes/nineering-ficoc-fac-fac-face-----5 https://aeeo.com.au/-/medii-fes/nineering-ficoc-fac-fac-face-----
路边单元的标签效率3D对象检测
摘要 - 遮挡对安全至关重要的应用（例如自动驾驶）提出了重大挑战。集体感知最近引起了巨大的研究兴趣，从而最大程度地减少了闭塞的影响。尽管已经取得了重大进步，但是这些方法的渴望数据的性质为其现实世界部署带来了重大障碍，尤其是由于需要带注释的RSU数据。鉴于交叉点的数量和注释点云所涉及的努力，手动注释培训所需的大量RSU数据非常昂贵。我们通过根据无监督的对象发现为RSU设计标签有效的对象检测方法来应对这一挑战。我们的论文介绍了两个新模块：一个基于点云的空间时间聚集，用于对象发现，另一个用于改进。fur-hoverore，我们证明，对一小部分带注释的数据进行微调使我们的对象发现模型可以使用甚至超过完全监督的模型范围缩小性能差距。在模拟和现实世界数据集中进行了广泛的实验，以评估我们的方法†。
利用可变刚度弹簧实现高速机器人的节能拾放运动
通常，对于高速运行的拾放机器人，在机器人制动阶段会损失大量能量。这是因为在这种运行阶段，大部分能量都以热量的形式耗散在电机驱动器的制动电阻上。为了提高高速拾放循环中的能源效率，本文研究了与电机并联配置的可变刚度弹簧 (VSS) 的使用。这些弹簧在制动阶段储存能量，而不是耗散能量。然后释放能量以在下一个位移阶段驱动机器人。这种设计方法与运动发生器相结合，通过基于机器人动力学求解边界值问题 (BVP)，寻求优化轨迹以减少输入扭矩（从而减少能耗）。在五杆机构上对所提出方法的实验结果表明，输入扭矩大幅减少，因此能量损失也随之减少。
Adapt-Prouner：适应性的结构修剪，用于有效的小语言模型培训
小语言模型（SLM）由于在边缘设备中的广泛应用而引起了学术界和行业的极大关注。为了获得具有强大性能的SLM，传统方法要么从头开始预训练模型，这会产生大量的计算成本，或者压缩/修剪现有的大语言模型（LLMS），这会导致性能下降，并且与预训练相比差不多。在本文中，我们研究了涉及结构化修剪和模型训练的加速方法家族。我们发现1）层面的适应性修剪（适应性培训）在LLM中非常有效，并且对现有的修剪技术的改善具有显着改善，2）适应性修剪，配备了进一步的训练导致模型，可与模型相当，与那些从抓挠中进行预训练的模型相当，3）逐步训练，仅通过促进培训，而仅通过互动而进行较小的培训（仅在较小的培训中），并且仅通过互动而进行互动（仅在较小的情况下），并且促进了较小的培训。一次5％）。对Llama-3.1-8b的实验结果表明，适应性抗性的表现要优于常规修剪方法，例如LLM-PRUNER，FLAP和SLICEGPT，平均在平均基准的准确度中以1％-7％的速度为1％-7％。此外，改编普朗纳（Adapt-Pruner）在MMLU基准测试上恢复了Mobilellm-125m的性能，并通过从其较大的对应物中修剪来降低代币，并发现了超过多个基准标记Llama-3.2-1B的新型1B模型。
有效的视觉语言模型用于文本 - ...
本文介绍了HFUT-LMC团队对基于文本的人异常搜索（TPA）的www 2025挑战的解决方案。这一挑战的主要目标是准确识别大型行人图像库中表现出正常行为或异常行为的步调。与传统的视频分析任务不同，TPA非常强调理解和解释文本描述与视觉数据之间的微妙关系。此任务的复杂性在于该模型不仅需要将个人与大量图像数据集中的文本描述匹配，而且还可以准确地区分搜索结果，而搜索结果则在遇到模拟描述时。为了克服这些挑战，我们介绍了相似性覆盖率分析（SCA）策略，以解决由类似文本描述引起的参考难度。此策略有效地增强了模型管理微妙差异的能力，从而提高了搜索的准确性和可靠性。我们提出的解决方案在这一挑战中表现出色。
MSCI中国所有股份IMI有效的能源指数（USD）
未经MSCI事先书面许可，本文包含的信息（“信息”）不得全部或部分重新染色。该信息不可用来验证或纠正其他数据，以创建索引，风险模型或分析，或与发行，发行，赞助，管理或营销任何证券，投资组合，财务产品或其他投资工具有关。历史数据和分析不应作为对未来绩效，分析，预测或预测的指示或保证。任何信息或MSCI指数或其他产品或服务都不构成购买或出售的要约，或任何担保，财务工具或产品或交易策略的促销或建议。此外，没有任何信息或任何MSCI指数旨在构成投资建议或建议（或避免做出）任何类型的投资决定，并且不得依靠。信息提供的信息是“原样”，并且该信息的用户假定其可能造成或允许对信息的任何用途的全部风险。MSCI Inc。或其任何一个子公司，其或其直接或间接供应商或参与信息制作或编译的任何第三方（每个人（每个）（每个是“ MSCI党”）使任何保证或陈述都在法律允许的最大范围内，每个MSCI党都明确地表明了所有符合所有符合保证金的人，包括所有符合保证金，包括所有商人的权利，均为财产。上述规定不得排除或限制不适用法律不受适用法律的责任。在法律允许的最大范围内，没有任何直接，间接，特殊，惩罚性，惩罚性，后果（包括损失的利润）或任何其他损害，即使被告知有可能造成此类损害的可能性，在任何情况下，任何人都不得对任何信息均不承担任何责任。在任何情况下，任何人都不得对任何信息均不承担任何责任。
2025第29届国际计算机会议，伊朗计算机协会（CSICC）Point-LN：一个轻巧的框架云分类
摘要 - 我们介绍了Point-LN，这是一种针对有效的3D点云分类设计的新型轻量级框架。点-LN整合了必需的非参数组件 - 最远的点采样（FPS），K-Nearest邻居（K-NN）和非可学习的位置编码 - 具有流线的可学习分类器，可以显着增强分类准确性，同时维持最小参数脚部。这种混合架构可确保较低的计算成本和快速推理速度，从而使Point-LN非常适合实时和资源受限的应用程序。在包括ModelNet40和ScanObjectnn在内的基准数据集的全面评估表明，与最先进的方法相比，Point-LN在提供出色的效率的同时，达到了竞争性能。这些结果将点ln建立为一种可靠的可扩展解决方案，用于各种点云分类任务，突出了其在各种计算机视觉应用中广泛采用的潜力。有关更多详细信息，请参见以下代码：https：//github.com/asalarpour/point_ln。索引术语 - 3D点云分类，轻量级框架，非参数位置编码，机器学习，计算机视觉
UHRF1碱基翻转活性的抑制剂显示针对癌细胞的细胞毒性
Ritesh Haldar，Hongye Chen，Antoine Mazel，Dong-Hui Chen，Gaurav Gupta等人。天线：实现晶体化的伪装性果皮中实现良好的光波长转化的关键。高级材料界面，2021，8（10），pp.2100262。10.1002/admi.202100262。hal-03384232