XiaoMi-AI文件搜索系统
World File Search SystemGent
2022 年俄乌战争
1 Mark Galeotti，《普京的战争：从车臣到乌克兰》（英国牛津：Osprey Publishing，2022 年）。2 同上。3 David Hambling，“乌克兰如何应对俄罗斯的‘蜂群’无人机攻势”，《福布斯》（2022 年 9 月 28 日），访问自 https://www.forbes.com/sites/davidhambling/2022/09/28/how-can-ukraine-counter-russias- swarm-drone-offensive。4 Daniel Brown，“据报道，俄罗斯的 Uran-9 机器人坦克在叙利亚表现糟糕”，Business Insider（2019 年 7 月 9 日），2022 年 12 月 13 日访问自 https://www.businessinsider.com/russias-uran-9-robot-tank-performed-horribly-in-syria-2018-7?r=US&IR=T 。5 David Hambling，“乌克兰战斗机器人加入对抗俄罗斯入侵的战斗”，福布斯（2022 年 6 月 16 日），访问自 https://www.forbes.com/sites/davidhambling/2022/06/16/ukrainian-combat-robots-join-fight-against-rus sian-invasion/?sh=5f7a0e703678 。6 Paul Scharre，《无人军队：自主武器和战争的未来》（纽约：WW Norton Company，2018 年）。7 Joseph Chapa，《远程战争道德吗？》从 7,000 英里外权衡生死问题（纽约：PublicAffairs Hatchette Book Group，2022 年）。8 Jack Watling 博士和 Nick Reynolds，“乌克兰战争为从生存到胜利铺平了道路”，皇家联合服务研究所国防和安全研究特别报告，2022 年 7 月 4 日，访问自 https://rusi.org/explore-our-research/publications/special-resources/ukraine-war-paving-road-survival-victory。9 南华早报，“自主无人机飞过中国竹林”，视频取自 https://www.youtube.com/watch?v=rPul9WKQ6oQ 。10 Edd Gent，“观看一群无人机在茂密的森林中飞行——同时保持队形”，《科学》（2020 年 12 月 16 日），取自 https://www.science.org/content/article/watch-swarm-drones-fly-through- heavy-forest-while-staying-formation 。
![arXiv:2502.07192v1 [cs.CV] 2025 年 2 月 11 日](/simg/d\d0976242ca6a3c04cc3b5d1594fcaee6c780e736.webp)
arXiv:2502.07192v1 [cs.CV] 2025 年 2 月 11 日
机器学习和人工智能取得了令人瞩目的进步，但却是以大量的计算资源和能源消耗为代价的。这迫切需要一种新型的、节能的计算结构来取代目前的计算管道。最近，一种有前途的方法出现了，即模仿大脑中的脉冲神经元，利用 CMOS 上的振荡器进行直接计算。在这种情况下，我们提出了一种在 CMOS 振荡器网络（OscNet）上实现的新型节能机器学习框架。我们使用 OscNet 模拟胎儿大脑视觉系统的发育过程，并根据受生物学启发的赫布规则更新权重。然后将相同的管道直接应用于标准机器学习任务。OscNet 是一种专门设计的硬件，本质上是节能的。它仅依靠前向传播进行训练，进一步提高了其能源效率，同时保持了生物学合理性。模拟验证了我们对 OscNet 架构的设计。实验结果表明，OscNet 上的 Hebbian 学习管道实现了与传统机器学习算法相当甚至超越其的性能，凸显了其作为节能高效计算范例的潜力。
更正证明
尽管聚合物在我们的房屋和工业应用中都广泛使用，但在暴露于恶劣的环境条件下（例如升高温度或辐射）时，对其降解机制的关键见解缺乏可量化的指标。在氧化环境中，聚合物降解以热氧化或光氧化为主导，在许多情况下，整个厚度都以异质方式发生。虽然聚合物的异质氧化是一种常见现象，但对聚合物的功能寿命的影响尚不清楚。评估这种氧化的方法是耗时的，是实施的挑战。在这里，我们展示了一种新的方法，用于使用快速准确的颜色测量技术对聚生物中异质氧化的定量评估。提出的颜色分析方法旨在提高在共同伴随的一半时间（例如凹陷或傅立叶变换红外光谱法）中获得异质氧化谱的效率。此外，通过使用能量色散X射线光谱法通过样品厚度绘制氧气浓度来验证该方法。通过生成氧化框架来证明所提出的方法的实用性，该框架针对聚合物寿命预测的实验设计。我们预计这项工作将成为使用光学特性评估聚合物中异质氧化的起点。
Sirius：具有纳秒光交换的扁平数据中心网络
由于摩尔定律的放缓，数据中心流量增长与电气交换机容量之间日益扩大的差距预计会进一步扩大，这促使人们需要一种新的交换技术来满足后摩尔定律时代日益严格的硬件驱动型云工作负载要求。我们提出了 Sirius，这是一种用于数据中心的光交换网络，它提供了一个单一的高基数交换机的抽象，可以连接数据中心中的数千个节点（机架或服务器），同时实现纳秒级的重新配置。在其核心，Sirius 使用可调激光器和简单的无源光栅的组合，可根据波长路由光。Sirius 的交换技术和拓扑与其路由和调度以及新颖的拥塞控制和时间同步机制紧密结合，以实现可扩展但平坦的网络，可提供高带宽和非常低的端到端延迟。通过使用可在 912 ps 内完成调谐的定制可调激光芯片的小型原型，我们展示了 50 Gbps 信道上 3.84 ns 的端到端重构。通过大规模模拟，我们表明 Sirius 的性能接近理想的电交换无阻塞网络，且功耗降低高达 74-77%。
人工智能赋能无人机数据卸载...
摘要 — 无人机 (UAV) 带来的进步是多方面的，为无人机作为智能对象全面融入物联网 (IoT) 铺平了道路。本文采用博弈论和强化学习的原理和概念，将人工智能引入多服务器移动边缘计算 (MEC) 环境中的无人机数据卸载过程。首先，基于随机学习自动机理论，无人机自主选择 MEC 服务器进行部分数据卸载。然后制定无人机之间的非合作博弈来确定要将无人机的数据卸载到选定的 MEC 服务器，同时通过利用子模博弈的力量证明至少存在一个纳什均衡 (NE)。介绍了一种最佳响应动力学框架和两种收敛到 NE 的替代强化学习算法，并讨论了它们的权衡。通过建模和仿真，在不同操作方法和场景下，就其效率和有效性进行整体框架性能评估。索引术语 — 无人机数据卸载、移动边缘计算、强化学习、博弈论
生物信息学代理（BIA）
生物信息学在理解生物学现象中起着至关重要的作用，但是生物学数据和快速技术进步的倾向增长增加了对该领域进行深入探索的障碍。因此，我们提出了一种智能代理（BIA），这是一种利用大型语言模型（LLMS）技术的智能代理，以通过自然语言促进自主生物信息学分析。BIA的主要功能包括原始数据和元数据的提取和处理，请查询本地部署和公共数据库以获取信息。它进一步进行了工作流程设计，生成可执行的代码，并提供全面的报告。专注于单细胞RNA测序（SCRNA-SEQ）数据，本文展示了BIA在信息处理和分析方面的出色熟练程度，以及执行复杂的任务和交互。此外，我们分析了代理商的失败执行，并展示了前瞻性增强策略，包括自我完善和域适应性。未来的前景包括扩大BIA跨多摩克数据的实践实现，以减轻生物毒素格式社区的工作负担，并赋予对生命科学奥秘的更深入的研究。BIA可在以下网址获得：https：//github.com/biagent-dev/biagent。BIA可在以下网址获得：https：//github.com/biagent-dev/biagent。
![arxiv：2502.07192v1 [cs.cv] 2025年2月11日](/simg/a\a52b4213b04afe4ff238254673040f354f77e23c.webp)
arxiv：2502.07192v1 [cs.cv] 2025年2月11日
机器学习和人工智能已经实现了出色的广告，但付出了大量的计算资源和能源消耗。这已经产生了一种新颖的，节能的计算工具来替代当前计算管道的需求。最近，通过模仿大脑中的尖峰旋转并利用CMOS上的振荡器进行直接计算而出现了一种有希望的方法。在这种情况下，我们提出了一个在CMOS振荡器网络（OSCNET）上实施的新的，节能的机器学习框架。我们使用OSCNET对产前大脑的视觉系统的持续过程进行建模，并根据生物学启发的Hebbian规则更新权重。然后将同一管道直接应用于标准的机器学习任务。OSCNET是一种专门设计的硬件，固有的能源效率。仅依靠前向传播训练进一步提高了其能源效率，同时提高了生物学上的合理性。仿真验证了我们的oscnet架构的标志。实验结果是，HEBBIAN学习管道上的OSCNET实现了与传统的机器学习算法相当甚至超过传统的机器学习算法的性能，从而强调了其作为节能和有效的计算范式的潜力。
我们的经济：德克萨斯州东部及其他地区
新冠疫情的爆发使中国的贸易关系恶化。作为最大的出口国，中国 2019 年占全球出口的 13.6%，但疫情造成的供需冲击导致贸易中断。中国的僵化政策和严格的封锁进一步导致出口减少。中国的零新冠政策给外国投资者带来了重大挑战，限制了他们参观工厂、与当地人会面以及开展一般业务的旅行。与疫情相关的签证旅行限制将持续到 2022 年，这严重影响了外国企业的运营，增加了劳动力和投入成本，并妨碍了公司和投资者进行标准尽职调查的能力。此外，政策的不确定性降低了投资者信心，中国外商直接投资（FDI）增长率从 2021 年的 20.2% 下降到 2022 年的 8% 就是明证。2022 年 12 月，中国放宽了零新冠政策。中国经济的突然和立即重启最初受到了投资者的积极情绪；然而，中国的复苏弱于预期，工业产出和消费者支出不足
![arxiv：2405.07340v1 [cs.cy] 2024年5月12日](/simg/8\8b9cd7e2d463646b9f89e377e647447c56e2fd1b.webp)
arxiv：2405.07340v1 [cs.cy] 2024年5月12日
摘要。自从人工智能概念发明以来，有意识机器的假设一直在争论，因为该系统实现的计算智能是该系统中现象意识出现的原因，即作为epiphenomenon或epiphenomenon的出现的原因，或者是导致epiphenomenon的epiphenomenon或系统的行为或内部复杂性的结果。因此，已经发布了大量文献来探讨机器意识的可能性以及如何在计算机上实施它。，更重要的是，普通的民间心理学和超人类主义文学将这一假设带来了科幻文学的普及，在这种假设中，智能机器人通常是吞噬的，因此鉴于惊人的意识。但是，在这项工作中，我们争论了这些文献如何缺乏科学的严格性，不可能伪造相反的假设，并说明了一系列论点，这些论点表明了机器意识文献发表的每种方法如何取决于无法通过科学方法证明的哲学假设。contey，我们还展示了非计算的现象意识如何独立于算法或模型的复杂性，不能客观地测量或定义定义，并且基本上是一种主观和内部的观察者。鉴于所有这些论点，我们结束了工作，论证了为什么如今有意识的机器的思想是超人类主义和科幻文化的神话。
视觉语言模型驱动的计算机控制代理
大语言模型（LLM）可以调用各种工具和API来完成复杂的任务。作为最强大和最通用的工具，计算机可能会由训练有素的LLM代理控制。由计算机提供动力，我们可以希望建立一个更广泛的代理，以帮助人类进行各种日常数字作品。在本文中，我们为视觉语言模型（VLM）代理构建了一个环境，以与真实的compoter屏幕交互。在此环境中，代理可以通过输出鼠标和键盘操作来观察屏幕截图并操纵图形用户界面（GUI）。我们还设计了一个自动控制管道，其中包括计划，表演和反映阶段，指导代理商与环境不断互动并完成多步骤任务。此外，我们构建了Screena-Gent数据集，该数据集在完成每日计算机任务时会收集屏幕截图和计算序列。最后，我们培训了一个模型，即Crabitagent，该模型可以达到与GPT-4V的可比计算机控制能力，并展示了更精确的UI定位功能。我们的尝试可以进一步研究建立通才LLM代理商。代码和更详细的信息在https://github.com/niuzaisheng/screenagent上。