XiaoMi-AI文件搜索系统
World File Search SystemIntuition
有效的生成式人工智能：人机算法“半人马”
摘要。先进的分析科学方法将人工智能和人类智能的力量结合起来，创造出能够做出卓越决策的半人马。半人马是人类算法混合的人工智能模型，在学习和推理过程中以共生的方式结合了形式分析和人类直觉。我们认为，未来人工智能的发展和在许多领域的应用需要关注半人马，而不是传统的人工智能方法。这种从传统人工智能方法到基于半人马的人工智能方法的范式转变提出了一些基本问题：半人马与传统的人机交互方法有何不同？创建半人马的最有效方法是什么？何时应该使用半人马，何时应该让传统人工智能模型占据主导地位？在半人马的决策过程中加入人类直觉（有时可能会产生误导）不会降低其与传统人工智能方法相比的性能吗？本研究旨在解决这些基本问题，重点关注生成式人工智能，特别是大型语言模型 (LLM) 的最新进展，作为主要案例研究，以说明半人马对未来人工智能事业的关键重要性。
Spiers 纪念讲座：量子化学、经典启发式和量子优势
本文是关于化学物质的量子模拟。虽然这是一篇化学期刊上关于法拉第讨论的介绍性文章，但实际上它是为两个读者群撰写的：量子化学家和量子信息理论家。这是因为，尽管近年来量子化学和量子信息理论的交集越来越多，但一个领域的从业者往往对另一个领域的观点了解有限。本文的一个目的是描述量子化学家对化学物质中量子多体问题的直觉。这种直觉指导了当今对改进方法及其应用的研究。另一个目的是给出一个关于量子化学的有利观点，希望能够强调量子信息理论家的一些关注点，我们相信这对量子化学的未来发展有用。量子信息论是一个具有可证明结果的数学领域，而量子化学主要是经验领域。由于作者是量子化学家，本文以量子化学的非正式风格撰写。在某些情况下，它提供了作者的（非严谨的）个人意见。直觉和意见显然不是定理，但我们希望它们能够在前进的道路不明朗时成为有价值的路标。
分析瘫痪的兴起，最佳但不可行的溶剂
1.0摘要，尽管他们共享的统计基础，但土木工程中的经验得出的代码规定和方程式与面对机器学习（ML）模型的怀疑主义形成鲜明对比。本文通过结构工程的角度研究了这种哲学张力，并探讨了ML挑战传统工程哲学和专业身份的挑战。最近的工作已经记录了ML如何提高预测精度，优化设计并分析复杂行为。但是，人们可能还会引起人们对人类直觉和算法的解释性下降的关注。为了展示这一很少探索的前面，本文介绍了如何通过扣除，归纳和绑架来成功地将ML成功整合到各种工程问题中。然后，本文确定了采用ML时可能出现的三个主要悖论：分析瘫痪（提高了预测准确性，导致对物理机制的理解降低），不可行的解决方案（优化的解决方案（优化导致挑战工程直觉的挑战）和Rashomon效应（在其中解释了能力方法和物理学方法）。本文通过解决这些悖论，并认为有必要重新考虑工程和工程教育和方法论的认识论转移，以将传统原则与ML协调。
结合逆合成知识的人工智能驱动合成路线设计
摘要：计算机辅助合成规划 (CASP) 旨在帮助化学家利用他们的实验、直觉和知识进行逆合成分析。机器学习 (ML) 技术（包括深度神经网络）的最新突破显著改善了无需人工干预的数据驱动合成路线设计。然而，通过 ML 学习化学知识进行实际合成规划尚未充分实现，仍然是一个具有挑战性的问题。在本研究中，我们开发了一个集成了各种逆合成知识的数据驱动 CASP 应用程序“ReTReK”，该应用程序将知识作为可调参数引入有希望的搜索方向的评估中。实验结果表明，ReTReK 成功地根据指定的逆合成知识搜索了合成路线，表明使用该知识搜索的合成路线比没有该知识的合成路线更受欢迎。将逆合成知识作为可调参数集成到数据驱动的 CASP 应用程序中的概念有望提高现有数据驱动的 CASP 应用程序和正在开发中的应用程序的性能。 ■ 引言自20世纪60年代以来，各种计算机辅助合成规划（CASP）应用程序被开发出来以模拟化学家的思维并帮助有机合成化学家开展工作。1 − 9 CASP 应用程序在合成的可定义部分（例如化学结构的特征和逆合成树的大小）中发挥了重要作用，而合成的不可定义部分（例如化学家的直觉）和在逆合成分析中贡献创造力的机会则留给了化学家。1作为化学家的直觉，Corey 形式化了逆合成的概念（逆合成知识）和主要类型的策略（例如基于变换和拓扑的策略）。他指出，通过同时使用尽可能多的不同的独立策略可以最有效地进行逆合成分析。 10 对于最优策略的选择，化学家的化学知识和他们的实验至关重要；特定合成问题的最优策略取决于所涉及的分子、人员和情况（例如，先导化合物的优化和候选药物的大规模合成）。11
迈向社会群体的计算理论：在 conf 上下文中表示任何和所有社会群体的一组有限的认知原语
目前，我们尚无完善的理论来解释当人类思维表征一个社会群体时，它所表征的是什么。更糟糕的是，许多人认为我们知道。这种错误观念是由当前情况造成的：到目前为止，研究人员一直依靠自己的直觉将社会群体概念与特定研究或模型的结果联系起来。这种对直觉的依赖虽然有必要，但却付出了相当大的代价。冷静来看，现有的社会群体理论要么是 (i) 字面意义上的，但远远不够（比如建立在经济博弈之上的模型），要么是 (ii) 仅仅是隐喻性的（通常是包含或包含隐喻）。直觉填补了明确理论的空白。本文提出了一种计算理论，解释冲突背景下的群体表征的字面含义：它是将代理分配给少数三元交互类型中的特定角色。这种群体的“心理定义”为社会群体的计算理论铺平了道路——因为它提供了一种理论，说明表示和推理群体的信息处理问题究竟是什么。对于心理学家来说，本文提供了一种概念化和研究群体的不同方法，并表明非同义反复的社会群体定义是可能的。对于认知科学家来说，本文提供了一个计算基准，可以以此为标准衡量自然智能和人工智能。
藤崎-冈本的后量子验证
证明是有缺陷的 [10]。最近，发现了对 ISO 标准化分组密码模式 OCB2 [25] 的攻击 [24]，尽管 [31] 认为 OCB2 是安全的。虽然严格且结构良好的证明风格（例如，使用 [10, 35] 中提倡的游戏序列）可以减少隐藏错误和不精确的可能性，但仍然很难写出 100% 正确的证明。（特别是当使用随机预言 [13] 或倒带 [42, 45] 等证明技术时。）尤其是如果证明中的错误发生在看似非常直观的步骤中，读者很可能也不会发现这个错误。在后量子安全（即针对量子对手的安全性）的情况下，这个问题更加严重：后量子安全证明需要推理量子算法（对手）。我们的直觉是由对经典世界的经验所塑造的，而对量子现象的直觉很容易是错误的。这使得看似合理但不正确的证明步骤在后量子安全证明中特别容易不被发现。简而言之，为了确保后量子安全证明的高可信度，仅仅由人来检查是不够的。相反，我们提倡形式化（或计算机辅助）验证：安全证明由检查每个证明步骤的软件来验证。在本文中，我们介绍了第一个这样的形式化验证，即由 H¨ovelmanns、Kiltz、Sch¨age 和 Unruh [23] 分析的 Fujisaki-Okamoto 变换 [18] 的变体。
分层超导体中的约瑟夫森等离子体
二维Terahertz光谱（2DTS）是一种核磁共振的Terahertz类似物，是一种新技术，旨在解决复杂的凝结物质系统中的许多开放问题。常规的理论框架普遍用来解释离散量子水平系统的多维光谱，但是对于紧密相关的材料中的集体激发的连续性是不足的。在这里，我们为模型集体激发的2DT（即分层超导体中的Josephson等离子体共振）开发了一个理论。从远低于超导相变的温度下的均值轨道方法开始，我们获得了多维非线性响应的表达式，这些反应适合于从常规的单模式场景中得出的直觉。然后，我们考虑在超导临界温度t c附近的温度，其中超出均值字段的动力学变得重要，并且常规直觉失败。随着t c接近t c的浮动增殖，对非线性响应的主要贡献来自反向传播的约瑟夫森等离子体的光学参数驱动器，该驱动器与均值范围的预测质量不同。与此相比，与一维光谱技术相比，例如第三次谐波产生，2DTS可用于直接探测热激发的有限摩肌等离子体及其相互作用。我们的理论很容易在丘比特中进行测试，我们讨论了约瑟夫森等离子体的当前背景以外的含义。
Dixit：策略游戏*
• 一开始就介绍这个游戏会激起学生的好奇心。向学生介绍一些基本的直觉，因为我们将在第 5 章更正式、更深入地回到这个游戏。 • 要求学生使用战略思维来判断其他人的选择以及这些选择将如何影响个人的收益。 第二部分：基本概念和技巧 具有连续移动的游戏 教材章节：第 3 章 MobLab 游戏：最后通牒（可在游戏玩法或策略方法中使用） 教学要点：