XiaoMi-AI文件搜索系统
World File Search SystemJha
Rishi D. Jha
[1] Tingwei Zhang *，Rishi Jha *，Eugene Bagdasaryan和Vitaly Shmatikov。“多模式嵌入中的对抗性幻觉”。在：第33 USENIX安全研讨会（USENIX）。获得了杰出的纸张奖（占接受论文的5％）。2024年8月。[2] Rishi Jha *，Jonathan Hayase *和Sewoong Oh。“标签中毒就是您所需要的”。：第37届神经信息处理系统（神经）会议。2023年12月。[3] Dimitrios C. Gklezakos，Rishi Jha和Rajesh P.N.Rao。 “超宇宙策略近似：学习使用超核从单个图像生成动作”。 in：Neurovision 2022：CVPR研讨会（Neurovision @ cvpr）。 2022年6月。 [4] Rishi Jha和Kai Mihata。 “关于文本分类的大地距离和上下文嵌入压缩”。 在：关于自然语言处理方法的第十五个研讨会论文集（TextGraphs -15 @ NaAcl）。 2021年6月。Rao。“超宇宙策略近似：学习使用超核从单个图像生成动作”。in：Neurovision 2022：CVPR研讨会（Neurovision @ cvpr）。2022年6月。[4] Rishi Jha和Kai Mihata。“关于文本分类的大地距离和上下文嵌入压缩”。在：关于自然语言处理方法的第十五个研讨会论文集（TextGraphs -15 @ NaAcl）。2021年6月。
工作危害分析 (JHA)
• 让员工参与。• 员工对工作有独特的理解，这种知识对于发现危险非常有价值。• 让员工参与将有助于最大限度地减少疏忽，确保分析质量，并让工人“接受”解决方案，因为他们将分享安全和健康计划的所有权
Shri I. S. Jha，mem
请愿书115/MP/2022在：根据：第79（1）（f）条根据第79（1）（f）条阅读，该第79（1）（1）（1）（b）条由Green Infra Wind Energy提交的2003年的第79（1）（b）条限制，限制了为其在古吉拉特邦（GUJARAT）提供的250 MW风能项目的额外能力，该计划在Gujarat中涉及该指南，以实施MON，以实施MON，以实施MOL，以实施MOM的实施。项目，日期为2017年4.5.2017，由New＆Reenwable Energy部发行，并要求选择文件，以设置1000 MW ISTS - 互联的风力发电项目，日期为31.05.2017
订单178/MP/2023
此问题涉及Bawana发电厂I Unit-I的气体供应。做出的决定是，石油和天然气部已保证，bawana发电厂将获得1.564 MMSCD的APM气体，而无需削减，盖尔的营销利润率降低了50％。尚未接受盖尔（Gail）减少管道传输成本50％的条件。这是因为监管机构已经提出了对这种情况的关注。石油和天然气部在这方面提交了誓章。EPCA审查了这种情况，就第1和2期而言，即APM气体的可用性和50％的Gail削减，EPCA对此没有反对。就监管问题而言，EPCA不会再按下。这个问题，因此现在已经解决和关闭了。”
MP /2021 Coram：Shri I. S. Jha，成员Shri Arun Goyal < /div>
第61条的请愿书，《 2003年电力法》第79条和第6.3.b条的CERC（印度电网守则）（第四修正案）条例，2016年，本hon'ble委员会的命令号L-1/219/2017-CERC日期为2017年5月5日，向北方邦Power Corporation Limited寻求指示，以支付MB Power的1200 MW（2x600 MW）ANUPPUR热力Power Power项目的零件负载操作。
Shri I. S. Jha，成员Shri Arun Goyal，Mem
（b）根据这些法规确定的各自关税年度的额外资本化和去资本化。（c）根据这些法规，本委员会承认的翻新和现代化的资本支出。（d）由于灰分处置和利用而包括处理和运输设施，资本支出。（e）对铁路基础设施产生的资本支出及其将煤炭运输到发电站接收端的增强，但不包括运输成本和任何其他支付给铁路的附属费用； （f）由于执行绩效，实现和贸易规范（印度政府计划的规范），委员会应考虑由绩效，实现和贸易计划（PAT）计划产生或预计将产生或预计的资本成本，应由委员会考虑与受益人共享PAT计划的福利。
使用大型语言模型进行部分可观察的机器人任务 /作者= Sun，Lingfeng的互动计划； Jha，Devesh K。； Hori，Chiori； Jain，Siddarth； corcodel，radu;朱，Xinghao; tomizuka，masayoshi；罗梅雷斯，迭戈 /creationdate = 5月14日，2024年 /object = robotics < /div>
抽象设计机器人代理执行开放词汇任务一直是机器人技术和AI的长期目标。最近，大型语言模型（LLM）在创建用于执行开放词汇任务的机器人代理方面取得了令人印象深刻的结果。但是，在不确定性的存在下为这些任务进行规划是具有挑战性的，因为它需要“经过思考链”推理，从环境中汇总信息，更新状态估计以及基于更新的状态估计来生成操作。在本文中，我们提出了一种使用LLM的部分可观察到的任务的交互式计划技术。在拟议的方法中，LLM用于使用机器人从环境中收集丢失的信息，并从收集的观测值中推断出基本问题的状态，同时指导机器人执行所需的操作。我们还通过自我教学使用了精致的Llama 2模型，并将其性能与像GPT-4这样的预训练的LLM进行比较。在仿真和现实环境中的几个任务上都证明了结果。
使用多模式LLM /作者= Kambara，Motonari的人类行动理解基于机器人计划； Hori，Chiori； Sugiura，Komei； ota，kei; Jha，Devesh K。； Khurana，Sameer； Jain，Siddarth； corcodel，radu;罗梅雷斯，迭戈； Le Roux，Jonathan /CreationDate = 2024年6月11日 /受试者=人工智能，计算机视觉，机器人技术，语音< /div>
摘要在未来的智能家居中，机器人有望处理日常任务，例如烹饪，取代人类的参与。为机器人自主获得此类技能是高度挑战的。因此，现有方法通过通过监督学习来控制真实的机器人和培训模型来解决此问题。但是，长途任务的数据收集可能非常痛苦。为了解决这一挑战，这项工作着重于从人类视频中生成动作序列的任务，展示了烹饪任务。通过现有方法为此任务而生成的动作序列的质量通常不足。这部分是因为现有方法不会有效地处理每个输入模式。为了解决此问题，我们提出了Avblip，这是一种用于生成机器人动作序列的多模式LLM模型。我们的主要贡献是引入多模式编码器，该编码器允许多种视频，音频，语音和文本作为输入。这使下一个动作的生成可以考虑到人类的语音信息和环境产生的音频信息。结果，在所有标准评估指标中，所提出的方法优于基线方法。
固态化学
Ashok Kumar Jha博士是印度比哈尔邦Bhagalpur的T. M. Bhagalpur大学化学系的副教授。JHA博士迄今为止拥有出色的学术生涯。他组织了由新德里大学赠款委员会（UCG）赞助的国际和国家研讨会和网络研讨会；新德里科学与工业研究委员会；比哈尔科学技术委员会；国家农业和农村发展银行；和其他机构。他在印度和国外进行了许多邀请的演讲。JHA博士拥有36年的教学和研究经验。 他的兴趣反映在他在动力学，协调和砷和重金属的各种国家和国际期刊上发表的许多论文。 他有九本书值得称赞。 他已经完成了由UGC赞助的两个研究项目，并一直在研究砷和重金属污染及其去除问题。 他在研究生课程中教固态化学和量子化学。 JHA博士是几个学术社会的成员，也是许多期刊的编辑团队的成员。 他目前是印度化学学会的加尔各答副主席。 他还出版了一年一度的日记Jalchintan。JHA博士拥有36年的教学和研究经验。他的兴趣反映在他在动力学，协调和砷和重金属的各种国家和国际期刊上发表的许多论文。他有九本书值得称赞。他已经完成了由UGC赞助的两个研究项目，并一直在研究砷和重金属污染及其去除问题。他在研究生课程中教固态化学和量子化学。JHA博士是几个学术社会的成员，也是许多期刊的编辑团队的成员。 他目前是印度化学学会的加尔各答副主席。 他还出版了一年一度的日记Jalchintan。JHA博士是几个学术社会的成员，也是许多期刊的编辑团队的成员。他目前是印度化学学会的加尔各答副主席。他还出版了一年一度的日记Jalchintan。
