XiaoMi-AI文件搜索系统
World File Search SystemGorithmic
AI和算法管理欧洲服务部门。
虽然通常与平台或演出经济体相关联，但对AI-和Algorithmic-Management Sys Tems的需求却在“常规”公司的经理中蓬勃发展。许多工人可能不知道经理正在使用自动化管理系统（Brunnerová，2022年）。的确，许多低级管理人员可能不知道他们用来管理，雇用和射击的绩效指标是由算法和基于人工智能的软件功能生成的。最后，可以理解的是，公司很高兴揭示其部署AI和Al Gorithmic管理工具的程度 - 其中一些人热衷于夸大其收养，而另一些人则低估了他们的收养。因此，很难确切确定这种系统的广泛性，甚至更难使它们对使用它们的公司有多大意义。
使用Chebyshev插值提高了Trotter模拟的精度
量子计量学允许在最佳的海森堡极限下测量量子系统的性能。但是，当使用数字汉密尔顿模拟制备相关的量子状态时，应计算的错误错误将导致与此基本限制的偏差。在这项工作中，我们展示了如何通过使用标准多项式插值技术来减轻由于时间演化而引起的算法错误。我们的方法是推断到零小猪的步长大小，类似于用于减轻硬件错误的零噪声外推技术。我们对插值方法进行了严格的误差分析，用于估计特征值和随时间推动的期望值，并证明在误差中达到了heisenberg的限制，以达到多种类因素。我们的工作表明，仅使用Trotter和经典资源来实现许多相关算法任务，可以实现接近最先进模拟的精度。
使用基于自动编码器的神经网络有效的体内神经信号压缩
摘要 - 常规体内神经信号处理涉及从神经元合奏中记录的信号内提取尖峰活动，并且仅在足够的间隔上传输尖峰。但是，对于使用连续的局部场势（LFP）进行认知解码的脑部计算机界面（BCI）应用，将传输到计算机的神经数据的体积施加了相对较高的数据速率要求。对于使用具有数百或数千电极的高密度内部记录的BCI尤其如此。本文介绍了第一个基于自动编码器的压缩数字电路，用于LFP神经信号的有效传输。实施了各种拟南芥和架构级优化，以显着降低设计In In Vivo压缩电路的计算复杂性和内存需求。该电路采用基于自动编码器的神经网络，提供了强大的信号重建。体内压缩逻辑的应用特异性集成电路（ASIC）占据了最小的硅区域，并且在报告的最先进的压缩ASIC中消耗了最低功率。此外，它提供了更高的压缩率和较高的信噪比和失真率。
解释是否能提高人工智能辅助人类决策的质量？事实和反事实解释的算法在环分析
人工智能算法辅助在高风险决策中的应用越来越多，这引起了人们对可解释人工智能 (xAI) 的兴趣，以及反事实解释在增加人机协作信任和减轻不公平结果方面的作用。然而，在理解可解释人工智能如何改善人类决策方面，研究还很有限。我们进行了一项在线实验，共有 559 名参与者参与，利用“算法在环”框架和现实世界的审前数据，研究从最先进的机器学习解释方法（通过 DiCE 的反事实解释和通过 SHAP 的事实解释）生成的算法审前风险评估的解释如何影响决策者对累犯的评估质量。我们的结果表明，反事实和事实解释实现了不同的理想目标（分别改善人类对模型准确性、公平性和校准的评估），但仍未提高人类预测的综合准确性、公平性和可靠性——重申了 xAI 对社会技术、实证评估的需求。我们最后讨论了用户对 DiCE 反事实解释的反馈，以及我们的结果对人工智能辅助决策和人工智能的更广泛影响。 xAI。
sqisignhd：密码学中的新维度
摘要。我们介绍了Sqisignhd，这是一种灵感来自SQISIGN的新的Quantum Digital Signature Sneps。sqisignhd利用了对SIDH攻击的最新态度突破，这允许有效地表示任意程度的同基因作为较高尺寸同等基因的组成部分。sqisignhd克服了sqisign的主要缺点。首先，它可以很好地扩展到高安全级别，因为Sqisignhd的公共参数很容易生成：基础字段的特征仅是表2 f 3 f'-1。第二，签名过程更简单，更有效。我们在28毫秒内采用C运行中实施的签名程序，与Sqisign相比，这是一个显着改善。第三，该方案更容易分析，从而降低了更具吸引力的安全性。最后，签名大小比（已经有纪录的）SQISIGN更紧凑，签名的签名小至109个字节，对于后Quantum NIST-1的安全性水平。这些优点可能是以验证为代价的，验证现在需要在维度4中计算一个同等基因，该任务的优化成本仍然不确定，因为这是很少关注的重点。我们对验证的实验性SAGEMATH实施在600毫秒左右运行，表明优化和低级实施后，维度4 iSEGEN的潜在Craplaphic ofgraphic兴趣。
合作量子信息擦除
在预定的纯态下制备大量量子比特对于实现强大的量子计算机至关重要 [9, 10, 12, 23]。这导致了许多“算法冷却”技术的提出和实现，其中纠缠单元对最初处于混合态的许多量子比特进行操作，导致其中的一个子集被纯化 [3, 13, 19, 26, 27]。鉴于人们越来越担心现代社会中大规模计算所产生的能量足迹，以及量子计算机可能减轻这一问题的可能性 [2]，目前越来越明显的是，设计并实践证明多量子比特重置协议不仅有效，而且快速且节能，这一点至关重要。根据 Landauer 原理 [18]，将单个比特从随机状态重置为预定状态（即所谓的擦除一个比特的信息）至少需要 kT ln2 的工作量，其中 T 是寄存器周围环境的温度。近年来已经确定，将单个量子比特从完全混合状态重置为预定的纯状态也有同样的界限 [11, 22]。正如对经典寄存器进行的一系列实验所证明的那样 [5-8, 15, 16, 24, 25]，Lan-
sqisignhd：密码学中的新维度
摘要。我们介绍了Sqisignhd，这是一种灵感来自SQISIGN的新的Quantum Digital Signature Sneps。sqisignhd利用了对SIDH攻击的最新态度突破，这允许有效地表示任意程度的同基因作为较高尺寸同等基因的组成部分。sqisignhd克服了sqisign的主要缺点。首先，它可以很好地扩展到高安全级别，因为Sqisignhd的公共参数很容易生成：基础字段的特征仅是表2 f 3 f'-1。第二，签名过程更简单，更有效。我们在28毫秒内采用C运行中实施的签名程序，与Sqisign相比，这是一个显着改善。第三，该方案更容易分析，从而降低了更具吸引力的安全性。最后，签名大小比（已经有纪录的）SQISIGN更紧凑，签名的签名小至109个字节，对于后Quantum NIST-1的安全性水平。这些优点可能是以验证为代价的，验证现在需要在维度4中计算一个同等基因，该任务的优化成本仍然不确定，因为这是很少关注的重点。我们对验证的实验性SAGEMATH实施在600毫秒左右运行，表明优化和低级实施后，维度4 iSEGEN的潜在Craplaphic ofgraphic兴趣。
第五届 AI 城市挑战赛
AI 城市挑战赛的创立秉承两个目标：（1）推动智能视频分析研究和开发的边界，以实现更智能的城市用例；（2）评估性能水平足以引起现实世界采用的任务。交通运输是适合采用该技术的一个领域。第五届 AI 城市挑战赛吸引了来自 38 个国家的 305 支参赛队伍，他们利用城市规模的真实交通数据和高质量的合成数据在五个挑战赛道上展开角逐。赛道 1 涉及基于视频的自动车辆计数，评估内容包括算法有效性和计算效率。赛道 2 涉及城市规模的车辆重新识别，使用增强合成数据大幅增加了该任务的训练集。赛道 3 解决了城市规模的多目标多摄像头车辆跟踪问题。赛道 4 解决了交通异常检测问题。赛道 5 是一条新赛道，使用自然语言描述解决车辆检索问题。评估系统显示了所有提交结果的一般排行榜，以及仅限于比赛参与规则的结果公开排行榜，其中团队不得在工作中使用外部数据。公开排行榜显示的结果更接近注释数据有限的真实情况。结果显示了人工智能在智能交通中的前景。某些任务的最新性能表明这些技术已准备好在现实世界系统中采用。
通过可穿戴设备进行姿势和步态评估
摘要：在医学和体育科学中，姿势评估是步态和姿势矫正的重要组成部分。目前有多种用于量化姿势系统效率和确定姿势稳定性的仪器，这些仪器被认为是最先进的。然而，这些系统在可访问性、经济成本、尺寸、侵入性、可用性和耗时设置方面存在许多限制。为了缓解这些限制，本项目旨在验证如何组装和使用可穿戴设备为人类受试者提供反馈，以改善步态和姿势，这可以应用于运动表现或运动障碍康复（来自神经退行性疾病、衰老或受伤）。该项目分为三个部分：第一部分提供实验方案，用于研究基于最先进仪器的动作预期和控制姿势和步态的相关过程。第二部分为这些措施提供了一种生物反馈策略，涉及低成本可穿戴系统的设计。最后，第三部分提供生物反馈的算法处理，以根据表现条件（包括个体差异）定制反馈。在这里，我们提供了一个详细的实验设计，通过一个联合架构来区分重要的姿势指标，该架构集成了最先进的姿势和步态控制仪器以及基于低成本设备和可免费访问的机器学习技术的数据收集和分析框架。对 12 名受试者的初步结果表明，所提出的方法准确识别了定义的运动任务的阶段（即旋转、就位、APA、放下和恢复），总体 F1 分数分别为 89.6% 和 92.4%，涉及受试者独立和受试者依赖的测试设置。
![arxiv：2503.00691v1 [CS.SE] 2025年3月2日](/simg/g:\will\search\icon\source\8\8525459ed0b418d52243a0133142f40ca578b18a.webp)
arxiv：2503.00691v1 [CS.SE] 2025年3月2日
语言模型（LMS）在从自然语言需求中生成代码方面表现出了极大的能力。在这项工作中，我们高度阐明了LMS生成的代码多样性，这是评估其代码生成功能的关键标准。缺乏专注于评估发电代码多样性的研究，这忽略了其在代码LMS中的重要性。因此，我们提出了一种评估代码多样性的系统ATIC方法，并引入了具有相似代码的各种指标。具体来说，我们引入了代码群集方法，该方法利用LMS在代码理解和推理中的功能，从而产生一组表示模型生成解决方案中算法数量的指标。我们通过将模型解决方案与人写的溶液进行对比，并量化各种因素对代码多样性的影响：模型大小，温度，指令调整和概率复杂性来广泛研究模型产生的解决方案的性质。我们的分析表明，模型生成的解决方案表现出低质量的多样性，研究界却忽略了这一多样性。此外，我们通过结合来自不同模型的解决方案并提高采样温度来提高代码多样性的方法。我们的发现强调说，可以借助异质模型和设置温度来增强代码多样性以上，这是由于功能正确性降解而尚未完全探索的。为了促进我们的研究指导，我们通过开源存储库公开分享我们的代码和数据集。