XiaoMi-AI文件搜索系统
World File Search SystemGrates
在 Z 数背景下使用 HEART 进行电力线断电中的人为可靠性分析
调查显示，很大比例的事故原因可归因于某些形式的人为失误。为了有效地防止事故发生，人为可靠性分析 (HRA) 作为一种表示操作员无意对系统可靠性贡献的结构化方法，是一个关键问题。人为错误减少和评估技术 (HEART) 是一种著名的 HRA 技术，它提供了一种基于任务分析来估计人为错误概率的直接方法。然而，它在专家为每个产生错误的条件 (EPC) 分配权重（表示为评估的情感比例 (APOA)）时面临不同程度的不确定性。为了克服这一限制并考虑专家的信心水平（可靠性或可信度），本研究旨在提出一种用于人为错误概率 (HEP) 评估的复合 HEART 方法，该方法集成了 HEART 和 Z 数（简称 Z-HEART）。Z-HEART 的适用性和有效性已在断电电力线案例研究中得到说明。此外，还进行了敏感性分析，以调查所提方法的有效性。可以得出结论，Z-HEART 可用于评估人为错误，并且除了方法论上的贡献外，它还为电力配送公司提供了许多优势。
稳定扩散的交互式视觉学习
基于扩散的生成模型创建令人信服的图像的令人印象深刻的能力引起了全球关注。然而，它们的复杂内部结构和操作通常会挑战非专家。我们引入了扩散，这是第一个交互式可视化工具，以阐明稳定的扩散变速器如何在图像中提示稳定。它紧密地概述了稳定扩散的组件的视觉概述，并详细说明了其基础操作。此集成使用户能够通过动画和交互式元素在多个级别的抽象之间流动过渡。提供实时的动手体验，扩散解释器允许用户在而无需安装或专业硬件的情况下调整稳定扩散的超参数和提示。通过用户的网络浏览器访问，扩散范围在民主的AI教育方面取得了长足的进步，从而促进了更广泛的公共服务。超过7,200名跨越113个国家/地区的用户在https：// poloclub上使用了我们的开源工具。github.io/diffusion-explainer/。可以在https://youtu.be/mbkiadzjpna上获得视频演示。
使用人工智能的智能数字管理绩效测量模型：验证性调查分析
这项研究介绍了一种创新的智能数字管理绩效测量模型，该模型通过传统的绩效指标进行人工智能，以解决现代数字管理的复杂性。该模型旨在通过利用实时数据分析和AI驱动算法来提供对管理有效性的定量和定性见解。在一项涉及经历数字化转型不同行业的1200多名受访者的验证性研究中，采用了先进的统计技术主题，例如验证性因素分析和结构方程模型，以验证框架。与召开测量方法相比，调查结果表明关键绩效指标的显着改善，包括决策速度的30％和资源利用效率提高25％。这项研究基于既定的理论基础，并将最新进步纳入了AI和大数据分析中。通过将AI增强指标与传统的管理指标集成，该模型确认了数字绩效测量的可行性，同时为在动态环境中提供了强大的管理决策工具。调查结果提供了令人信服的经验证明，即AI驱动的分析可以揭示潜在的绩效模式并提供可行的见解，从而使组织能够优化资源分配并提高整体运营效率。此外，此搜索重点介绍了开发适应性的测量工具的重要性，这些工具与不断发展的数字景观保持同步。
经过验证的概率方法来估计洪水直接...
摘要。本研究介绍了在欧盟 H2020 欧洲沿海洪水预警系统 (ECFAS) 项目中开发的用于评估沿海洪水影响的方法，用于评估洪水对欧洲沿海人口、建筑物和道路的直接影响。该方法整合了基于对象的评估和概率评估，为损害评估提供不确定性估计。该方法经历了一个用户驱动的共同评估过程。它已应用于欧洲各地的 16 个测试案例，并根据三个主要参考案例中报告的影响数据进行了验证：2010 年法国拉福特苏梅尔的 Xynthia、2013 年英国诺福克的 Xaver 和 2018 年西班牙加的斯的 Emma。还与基于网格的损害评估方法进行了比较。研究结果表明，与传统的基于网格的方法相比，EC-FAS 影响方法为受影响人口提供了有价值的估计，为建筑物和道路提供了可靠的损害评估，并且准确性更高。该方法还为预防和准备活动提供了信息，并有助于进一步评估风险情景和对灾害风险减少战略进行成本效益分析。该方法是一种适用于大规模沿海洪水影响评估的工具，为沿海洪水预报提供了更高的准确性和可操作性。它代表了欧洲洪水意识系统 (EFAS) 用于河流洪水预警的现有欧洲规模影响方法的潜在进步。基于对象和基于模型的集成
笔和纸CS教育的手写代码识别
通过让学生手工编写课程来教授计算机科学（CS）具有关键的教学优势：它可以集中学习，并且与使用智能支持工具或“只是尝试”的整体开发环境（IDE）相比，需要仔细思考。笔和纸的熟悉环境也减少了没有以前没有计算机经验的学生的认知负担，而这些计算机的基本用法可能会令人生畏。最后，这种教学方法为获得计算机访问权限的学生打开了学习机会。但是，一个关键的障碍是目前缺乏用于使用手写程序和运行手写程序的教学方法和支持软件。手写代码的光学特征识别（OCR）具有挑战性：较小的OCR错误，可能是由于各种手写样式，很容易使代码不运行，并且识别凹痕对于像Python这样的语言至关重要，但由于不一致的水平间距很难在手写上进行。我们的方法是两种创新的方法。第一个将OCR与凹痕识别模块和一种用于后官方误差校正的语言模型相结合，而无需引入幻觉。据我们所知，这种方法在手写代码识别中超过了所有现有的系统。，由于对学生计划的逻辑修复程序的最小幻觉，它将误差从艺术状况减少到5％。第二种方法利用了多模式模型来识别端到端时尚中的手写程序。我们发布了手写程序和代码的数据集，以支持未来的研究1。我们希望这项贡献能够刺激进一步的教学研究，并有助于使CS教育易于获得。
SIGAR 21-05-SP 更新了 2018 年 1 月 1 日至 2019 年 12 月 31 日期间 SIGAR 监督工作发现的浪费、欺诈和滥用行为的数量
我们在绩效审计、检查和特别项目中发现了 209 起浪费案例，价值约为 15 亿美元。这些案例包括缺乏明确项目目标、绩效衡量标准和质量数据来支持管理决策的计划和项目，以及未使用、废弃或造成安全隐患的资产。例如，在审查阿富汗儿童阅读计划时，我们发现四分之一接受检查的学校的校长和教师发现提供给学校的书籍状况不佳，该计划旨在通过向学校提供书籍来支持教育服务。6 另一个例子是，在审查美国国务院昆都士省的“优秀表现者倡议”项目时，我们发现一个为社区使用而建的体育场没有被使用。据我们会见的设施主管说，体育场没有被使用，因为它的设计不适合举办足球比赛，也没有一个正常运行的灌溉系统。据负责该省的官员称，禁毒部没有与他们协调以确保满足设计要求。此外，尽管该体育场使用率低且相对较新，但 SIGAR 发现该设施和场地遭到损坏，因为阿富汗国家安全局 (NDS) 将该体育场用作军事行动基地
Sophie：使用光学地址的相位更改内存
摘要 - 问题是在统计物理，电路设计和机器学习等各个领域中普遍存在的非确定性多项式（NP-HARD）问题。它们对传统算法和art虫提出了重大挑战。研究人员最近开发了自然启发的Ising机器，以有效解决这些优化问题。可以将许多优化问题映射到Ising模型，物理定律将使Ising机器朝解决方案驱动。但是，现有的Ising机器遭受可伸缩性问题的损失，即，当问题大小超过其身体容量时，性能下降。在本文中，我们提出了索菲（Sophie），这是一种基于可扩展的光相变位数（OPCM）的ISIN引擎。索菲（Sophie）构建建筑，算法和设备优化，以应对Ising机器中的可扩展性挑战。我们使用2.5D集成来构建Sophie，在其中我们集成了控制器chiplet，dram chiplet，激光源和多个opcm chiplets。Sophie利用OPCM有效地执行矩阵矢量乘法。我们在体系结构级别的对称瓷砖映射减少了OPCM阵列区域的大约一半，从而增强了Sophie的可扩展性。我们使用算法优化来有效处理无法适应硬件约束的大型问题。具体来说，我们采用了一种对称的本地更新技术和随机全局同步策略。这两种算法方法将大问题分解为孤立的瓷砖，减少计算要求，并最大程度地减少索菲的通信。我们应用设备级优化以采用修改后的算法。这些设备级优化包括采用双向OPCM阵列和双重元素类似物到数字转换器。Sophie比小图上的最先进的光子iSing机器快3×，比基于FPGA的大型设计快125倍。Sophie减轻了硬件容量的限制，为解决ISING问题提供了可扩展且有效的替代方案。索引术语 - 光学计算，相变存储器，ISING机器，内存处理
面向整体智能的代理 AI
人工智能 (AI) 在 1956 年达特茅斯会议上被历史性地定义为能够从周围环境收集信息并在其中采取有效行动的人工生命形式。1970 年，麻省理工学院的明斯基团队开发了一套机器人系统，称为“Copy Demo”，它可以观察“积木世界”场景并成功重建观察到的多面体块结构（Winston，1972 年）。该系统由观察、规划和操作模块组成，表明每个子问题都极具挑战性，需要进一步研究。因此，人工智能领域分裂成几个专门的子领域。虽然这些子领域已经独立取得了重大进展，但这种过度简化主义模糊了人工智能研究的总体目标。为了超越现状，迈向更为复杂的 AI，我们强调接受亚里士多德整体哲学的重要性，该哲学强调各部分之间的整合要大于各部分之和。大型语言模型 (LLM) 和视觉语言模型 (VLM) 的最新进展已显示出在开放世界环境中识别语言和图像的巨大潜力（OpenAI，2023 年）。例如，LLM 的高级语义处理已被用于将人类指令分解为机器人的高级任务（Wake 等人，2023c、d）。然而，这些现有的多模态基础模型，即使对于 GPT-4V(ision)，在实现需要动作预测的细粒度操作方面仍然面临挑战。因此，提出了一种新的具身代理基础模型（Durante 等人，2024b），该模型集成了语言能力、视觉认知、上下文记忆和直觉推理，并能自适应地预测具身动作。这是第一项使用从机器人、游戏和医疗保健任务中收集的具身数据预训练基础模型以开发通用 AI 代理的研究。具身代理被概念化为一个交互式系统，它通过其感知能力与人类交流并与环境交互，采取符合人类意图的动作。这就是为什么我们认为大型具身基础模型的进步是对代理 AI 的重大贡献，使系统能够从各种领域信息、动作、自然语言指令和多模态上下文中解析和推断人类意图。此外，
![arxiv：2403.00833v1 [CS.AI] 2024年2月28日](/simg/3\32a6d89d770124b5904ef1a2c3da7802f0999e78.webp)
arxiv：2403.00833v1 [CS.AI] 2024年2月28日
人工智能（AI）在1956年的达特茅斯会议上被罚款，因为它可以从其环境中收集信息并在其中采取有效的行动。Minsky在MIT的小组在1970年开发了一个机器人系统，称为“复制演示”，观察到了“阻止世界”场景，并成功地重建了观察到的Polyhe-dral块结构（Winston，1972）。由观察，计划和操纵模块组成的系统表明，这些子问题中的每一个都是高度挑战性的，需要进一步研究。因此，AI领域碎片分为专门的子场。尽管这些子领域在依赖方面取得了重大进展，但这种过度还原主义模糊了AI研究的总体目标。要超越当前状态朝着更复杂的AI迈进，我们强调了拥抱Aris-Totle的整体哲学的重要性，这强调了综合量超过其各个部分的总和。大语言模型（LLM）和视觉语言模型（VLM）的最新进展在识别开放世界上下文中识别语言和图像的潜力很大（OpenAI，2023年）。为止，LLM的先进语义处理已被用来将人类的指导分解为机器人的高级任务（Wake等人，2023c，d）。但是，即使对于GPT-4V（ISION），这些现有的多模式基础模型仍然面临着需要采取行动预测的细粒度操作方面的挑战。此外，因此，提出了一种新的体现的代理基础模型（Durante等人，2024b），它可以使语言水平，视觉认知，文本记忆，直觉推理，并可以预测具有适应性的体现动作。这是第一项通过从机器人技术，游戏和医疗保健任务中收集的全体数据来验证开发通用AI代理的基础模型的第一项研究。一种体现的代理被概念化为一种与人类通信并通过其感知能力与环境交互的媒介系统，采用与人类意图保持一致的行动。这就是为什么我们将大型体现基础模型的进步作为对代理AI的重要贡献的原因，使系统能够从各种域信息，动作，自然语言指令和多模式环境中解析和推断人的意图。
3DITSCENE：通过语言引导的Disentangled Gaussian Splatting
编辑场景图像在各个领域都非常重要，从娱乐，专业摄影和广告设计开始。内容编辑可以为观众创造沉浸式和迷人的体验，有效地传达艺术愿景并实现所需的美学结果。随着深层生成建模的快速发展，已经进行了许多尝试有效地编辑图像的尝试。但是，他们遇到了阻碍潜力的局限性。以前的方法主要集中在2D图像空间中的场景编辑上。他们通常依靠生成先验，例如gan和扩散模型（DM），并采用了诸如修改跨注意机制的技术[Hertz等。2022，2023]，以及网络参数的优化[Chen等。2023a; Gal等。2022; Kawar等。2023; Kim等。2022; Ruiz等。2023]在场景图像中编辑外观和对象身份。尽管已做出一些努力将这些方法扩展到3D编辑，但它们忽略了3D提示，并在保持3D一致性方面构成了挑战，尤其是在更改摄像头姿势时。此外，这些方法通常集中在全球场景上，并且缺乏准确地解开对象的能力，从而导致对3D级别对单个对象的控制有限。为了编辑任何场景图像并启用对场景及其单个对象的3D控制，我们提出了3DITSCENE，这是一个新颖的场景编辑框架，该框架利用了新的场景表示形式，语言指导的散布高斯散布。2022; Rombach等。具体而言，给定的图像首先投影到3D高斯人中，这些高斯人通过2D生成的先验进一步完善并富集[Poole等。2022]。因此，我们获得了一个综合的3D场景表示，该表示自然可以为给定图像提供新的视图综合。此外，剪辑中的语言特征被蒸馏到相应的3D高斯人中，将语义引入3D几何形状。这些语义3D高斯人有助于将单个对象从整个场景表示中删除，从而导致语言引导的散布的高斯人进行场景分解。他们还允许更具用户友好的交互作用，即用户可以通过文本查询特定的对象或兴趣。为此，我们的3DITSCENE可实现从2D到3D的无缝编辑，并允许在全球和个人层面上进行修改，使创建者能够精确控制场景组合和对象级的编辑。我们将管道称为3DITSCENE。与以前的工作不同，该作品着重于解决单一类型的编辑，3DITSCENE INTETE-GRETS编辑要求在统一框架内。我们的预告片数字通过展示其在不同场景图像中的应用来演示3DITSCENE的多功能性。我们在各种环境下对3DITSCENE进行了评估，结果证明了基线方法的显着改善。