XiaoMi-AI文件搜索系统
World File Search SystemFeed
比较颤音和皮肤拉伸的触觉反馈，以将虚拟物体的空间信息传达给盲目的VR用户
感知虚拟对象的空间信息（例如，方向，距离）对于寻求不可思议的虚拟现实（VR）体验的盲人用户至关重要。为了促进盲人用户的VR访问权限，在本文中，我们研究了两种类型的触觉提示（多余的提示和皮肤伸展线索）在传达虚拟物体的空间信息时，当应用于盲人手的背侧时。我们与10个盲人用户进行了一项用户研究，以调查他们如何使用定制的触觉机构在VR中感知静态和移动对象。我们的结果表明，盲人用户可以在接收皮肤拉伸线索时更准确地理解对象的位置和移动，这是对纤维曲折提示的。我们讨论了两种类型的触觉提示的利弊，并以设计建议的设计建议，以实现VR可访问性的未来触觉解决方案。
二人：从人类反馈中学习的多样，不确定的，不确定的，上的查询产生和选择，用于增强
定义奖励功能通常是系统设计师在增强学习中的一项具有挑战性但至关重要的任务，尤其是在指定复杂行为时。从人类反馈（RLHF）中学习的强化是一种承诺的方法来规避这一点。在RLHF中，代理通常通过使用轨迹段的成对比较来查询人类老师来学习奖励功能。这个领域中的一个关键问题是如何减少需要学习内容丰富的奖励功能的查询数量，因为要求人类老师太多的查询是不切实际且昂贵的。为了解决这个问题，大多数现有的方法主要集中于改进探索，引入数据增强或为RLHF设计复杂的培训目标，而查询生成和选择方案的潜力尚未得到充分利用。在本文中，我们提出了二人组，这是一种新颖的方法，用于RLHF中的多种，不确定的，上的查询生成和选择。我们的方法会产生（1）与政策培训更相关的查询（通过政策标准），（2）更有用的信息（通过认知不确定性的原则衡量）和（3）多样化（通过基于聚类的过滤器）。对各种运动和机器人操纵任务的实验结果表明，我们的方法可以超越最先进的RLHF方法，并给出相同的查询预算，同时对可能的非理性教师有力。
MISO 对反馈的回应
MidAmerican 很高兴有机会就 2024 年 12 月 6 日提出的加快资源充足性研究提案向 MISO 提供意见。MidAmerican 支持 ERAS 提案，作为 MISO DPP 流程的替代途径，以获得支持负荷服务实体所经历的负荷增长所需的资源。虽然 MidAmerican 了解 MISO 对受影响系统研究几乎没有控制权，但我们担心受影响系统的项目成本仍将存在长期不确定性，因为此类研究比 ERAS 流程花费的时间要长得多。MISO 与 SPP 在联合输电互连队列项目上的合作是一个很好的例子，以新的方式解决这个协调问题，我们鼓励 MISO 与其他受影响的系统合作加快研究流程。MidAmerican 还参与了 MISO 输电所有者提交的意见。
前馈机械信号回路导致 BRAF 突变型黑色素瘤对针对 MAPK 通路的疗法产生耐药性
$ 共同第一作者 *共同最后作者 连载标题：靶向疗法机械地重新编程黑色素瘤细胞 关键词：黑色素瘤、细胞外基质、YAP、MRTF、靶向疗法、耐药性 利益冲突。作者声明不存在潜在利益冲突。财政支持：这项工作得到了癌症计划框架内的国家健康与医学研究所 (Inserm)、Ligue Contre le Cancer、国家癌症研究所 (INCA_12673)、ARC 基金会、ITMO Cancer Aviesan（国家生命科学与健康联盟、国家生命科学与健康联盟）和法国政府的资金支持（国家研究机构，ANR）通过“未来投资”LABEX SIGNALIFE：计划编号# ANR-11-LABX-0028-01。我们还感谢 Conseil général 06 和 Canceropôle PACA 的财政支持。 RBJ 获得了 ARC 基金会的博士奖学金。 IB 获得了抗癌联盟的博士奖学金。通讯作者：Sophie Tartare-Deckert tartare@unice.fr 和 Marcel Deckert deckert@unice.fr，Inserm UMR1065/C3M，151 Route de Ginestière BP2 3194，F-06204 Nice cedex 3。
通过在线学习中使用BUNDIT反馈
由于沟通成本高，联合学习（FL）系统需要采样每一轮培训的客户的子集。因此，客户采样在FL系统中起着重要作用，因为它影响了用于训练机器学习模型的优化算法的收敛速率。尽管其重要性，但如何有效地对客户进行采样的工作有限。在本文中，我们将客户取样作为在线学习任务，并使用Bandit反馈进行，我们使用在线随机镜下降（OSMD）算法来解决，该算法旨在最大程度地减少采样差异。然后，我们在理论上展示了我们的采样方法如何在广泛使用的均匀采样上提高联合优化算法的收敛速度。通过模拟和实际数据实验，我们从经验上说明了拟议的客户采样算法的优势，而不是统一采样和现有的基于在线学习的采样策略。所提出的自适应采样程序适用于此处研究的FL概率，可用于改善随机优化程序的性能，例如随机梯度下降和随机坐标下降。
改进了基于IR的错误本地化，具有智能相关性反馈
摘要 - 软件错误在开发和维护过程中构成了巨大的挑战，从业者将近50％的时间用于处理错误。许多现有技术采用信息检索（IR），使用错误报告和源代码之间的文本和语义相关性来本地化报告的错误。但是，他们经常难以弥合需要深入上下文理解的错误报告和代码之间的关键差距，这超出了文本或语义相关性。在本文中，我们提出了一种用于错误本地化的新技术 - 大脑 - 通过评估与大语言模型（LLM）之间的相关性来解决上下文差距。然后，它利用LLM的反馈（又称智能相关性反馈）来重新调整查询并重新排除源文档，从而改善错误本地化。我们使用基准数据集–Bench4BL和三个完善指标评估大脑，并将其与文献的六个基线技术进行比较。我们的实验结果表明，MAP，MRR和HIT@K的大脑的表现分别超过了87.6％，89.5％和48.8％的利润率。此外，由于相应的错误报告质量较差，因此可以将≈52％的错误定位为无法通过基线技术定位的错误。通过解决上下文差距并引入智能相关性反馈，大脑不仅提高理论，而且可以改善基于IR的错误本地化。索引术语 - Bug本地化，查询重新印象，智能相关性反馈，信息检索，大语言模型，自然语言处理，软件工程
SmartFeed 2.0 自动送料器使用说明书
请仔细完整地阅读本使用说明书，确保您在安装水族箱之前已收到所有组件。请遵守本手册中提供的安全说明和维护指南。本使用说明书经过精心编写，为您提供准确、完整的信息。我们已尽一切努力确保提供的信息准确无误。但是，我们不对印刷或其他错误承担责任。技术细节始终是近似值，不保证特性，可能会随时更改，恕不另行通知。
改变触觉反馈收益对平衡的影响由感觉冲突估算
抽象轻轻接触实心物体会减少姿势摇摆。在这里，我们确定人为修改触觉反馈以达到平衡的效果。参与者闭着眼睛站着，轻轻地抓住了一个与身体摇摆同步移动的杂志，以系统地增强或减弱+2至2之间的反馈增益，分别对应于与身体相同或相反方向的运动。这种干预对姿势摇摆有系统的影响，姿势摇摆表现出不对称的U形功能，相对于触觉反馈增益。旋转在零增益周围的最小值，对应于静态对象。摇摆以低于-0.25的收益略有增加，但在+0.25以上的增长下大大增加。在+2时，大约是无接触条件的两倍。手和manipulandum之间的平均相互作用力在整个过程中保持<0.9 n，尽管它在极端增长下略有增加。在最少摇摆条件下，手部力和躯干位置之间的互相关最高，这表明更高质量的触觉反馈与更大的摇摆减少有关。我们使用反馈控制模型成功地复制了摇摆行为，该模型在触觉和本体感受信号之间的差异达到阈值时会减弱触觉反馈信号。我们的发现表明，中枢神经系统可以利用增强的触觉反馈来实现Bal-ance，但只有对自然反馈增益的变化相对较小。在健康的志愿者中，它比静态物体提供了最小的好处。触觉反馈是最佳的。
使用IoT和语音控制
摘要拥有宠物的相当复杂的方面之一是提供日常喂食和浇水，以保证一致性的方式。这一挑战尤其普遍存在，因为宠物主人有忙碌的时间表，或者当他们经常去商务旅行时。如果有智能解决方案或能力自动化这一过程的功能，它将极大地减轻这些负担的许多宠物主人。因此，物联网（IoT）正在迅速成为自动化宠物护理的解决方案。在这项工作中，我们提出了一个创新的基于IoT的和语音控制的宠物喂养和浇水自动化系统，该系统可以远程为宠物主人提供服务，以便在实时实施此练习时可以在任何地方进行。这项研究广泛地涉及系统的设计，开发，实施和实验，最后展示了自动化和智能技术如何改变我们今天了解的宠物护理的面貌。关键字：物联网（IoT），语音控制，自动化宠物馈线，Google Assistant，Nodemcu ESP8266，Adafruit IO，宠物护理自动化
rem高级设计利益相关者反馈
直接能量担心Aeso单方面确定在没有发电机的物理日期承诺的情况下，必须创建DAC产品。这不是能源市场在整个非洲其他地区的运作方式，也不需要他们在艾伯塔省的工作方式。通常，精心设计的现货能源市场还将以财务日期市场为特色，这将导致所需资源的物理单位承诺以满足需求。就没有发生的程度，然后像Aeso这样的系统运营商可能会涉及影响市场清算价格的其他承诺，然后影响能源奇异商品的贸易。DAC威胁要无情地分叉这个市场。直接能源认为将能力产品纳入与政府维持唯一能源市场的政策方向相反。DAC只是过渡了传统的能力市场设计，并创建了日常的小时容量产品，该产品将有助于增加消费者的成本，静音能源价格信号并限制零售产品差异化。疏远可靠性成本与能源价格的疏远将损害可靠性以及指导创新和投资的能源价格形成。