XiaoMi-AI文件搜索系统
World File Search SystemJul
![arXiv:2007.15703v1 [cs.AI] 2020 年 7 月 30 日](/simg/b\b082c125f9e416c25bb92bff79d3bcde74a636fd.png)
arXiv:2007.15703v1 [cs.AI] 2020 年 7 月 30 日
人工智能的最新进展已经产生了可以在围棋、星际争霸和 Dota2 等游戏中击败人类世界冠军的代理。然而，这些模型中的大多数似乎并没有以类似人类的方式进行游戏：人们从他人的行为中推断出他们的意图，并利用这些推断来策划和制定战略。在这里，我们使用贝叶斯心智理论 (ToM) 方法，研究了在合作游戏中明确表达他人意图对提高表现的程度。我们比较了人类在具有和不具有 ToM 的最佳规划代理的情况下在合作游戏中的表现，玩家必须灵活合作才能实现共同目标。我们发现，在与所有类型的合作伙伴（非 ToM、ToM 以及人类玩家）合作时，拥有 ToM 代理的团队表现明显优于非 ToM 代理，并且 ToM 代理越多，ToM 的好处就越大。这些发现对于设计更好的合作代理具有重要意义。
![arXiv:2407.21203v1 [quant-ph] 2024 年 7 月 30 日](/simg/a\a0e7575594f46cf3dc518fd36b1a33fb7d2f5419.png)
arXiv:2407.21203v1 [quant-ph] 2024 年 7 月 30 日
我们研究二维架构中的随机恒定深度量子电路。虽然这些电路只在晶格上产生邻近量子比特之间的纠缠，但可以通过测量输出状态的量子比特子集来产生长距离纠缠。据推测，当电路深度至少为恒定临界值 d ∗ 时，这种长距离测量引起的纠缠 (MIE) 会激增。对于由 Haar 随机双量子比特门组成的电路，人们还认为这与从输出分布中采样的经典难度中的量子优势相变相吻合。在这里，我们提供了随机 Clifford 电路设置中量子优势相变的证据。我们的工作扩展了恒定深度量子电路和经典电路计算能力之间近期分离的范围，证明了这种优势存在于规范随机电路采样任务中。具体来说，我们表明，在任何随机浅 Clifford 电路架构中，长程 MIE 的存在都会产生无条件的量子优势。相比之下，任何满足短程 MIE 属性的深度为 d 的二维量子电路都可以用经典方法高效模拟，深度为 O(d)。最后，我们引入了一种二维、深度为 2 的“粗粒度”电路架构，由作用于 O(log(n)) 个量子比特的随机 Clifford 门组成，我们证明了长程 MIE 的存在并建立了无条件的量子优势。
![arXiv:2402.19043v2 [eess.IV] 2024 年 7 月 19 日](/simg/a\a395d8573e4dc80c17be95bf840cf6a8f016b8d5.png)
arXiv:2402.19043v2 [eess.IV] 2024 年 7 月 19 日
摘要。由于 CT 或 MR 扫描的三维特性，医学图像的生成建模是一项特别具有挑战性的任务。现有方法大多采用逐块、逐片或级联生成技术，将高维数据放入有限的 GPU 内存中。然而，这些方法可能会引入伪影，并可能限制模型对某些下游任务的适用性。本文介绍了 WDM，这是一种基于小波的医学图像合成框架，它将扩散模型应用于小波分解图像。所提出的方法是一种将 3D 扩散模型扩展到高分辨率的简单而有效的方法，可以在单个 40 GB GPU 上进行训练。在 128 × 128 × 128 分辨率下对 BraTS 和 LIDC-IDRI 无条件图像生成的实验结果与最近的 GAN、扩散模型和潜在扩散模型相比，展示了最先进的图像保真度 (FID) 和样本多样性 (MS-SSIM) 得分。我们提出的方法是唯一能够以 256 × 256 × 256 的分辨率生成高质量图像的方法，优于所有比较方法。项目页面位于 https://pfriedri.github.io/wdm-3d-io 。
![arXiv:2007.10018v1 [cs.AI] 2020 年 7 月 20 日](/simg/3\3ea5103465cc9bd377356254235ee19fc60e3965.png)
arXiv:2007.10018v1 [cs.AI] 2020 年 7 月 20 日
摘要。最近的工作已经证明了将局部解释与主动学习相结合以理解和监督黑盒模型的前景。在这里我们表明，在特定条件下，这些算法可能会歪曲正在学习的模型的质量。原因是机器通过预测和解释查询实例的标签来说明其信念：如果机器没有意识到自己的错误，它最终可能会选择它表现良好的查询。这会使机器向用户呈现的“叙述”产生偏差。我们通过引入解释性引导学习来解决这种叙述偏见，这是一种新颖的交互式学习策略，其中：i）主管负责选择查询实例，而 ii）机器使用全局解释来说明其整体行为并引导主管选择具有挑战性、信息丰富的实例。该策略保留了解释性交互的关键优势，同时避免了叙述偏见，并且在样本复杂性方面与主动学习相比具有优势。使用基于聚类的原型进行的初步实证评估凸显了我们方法的前景。
1160-140 CH-88 2024 年 7 月 3 日 职业发展点
职业发展点 • 将文章标题从“职业发展点 - 重新入伍”更改为“职业发展点” • 将负责办公室从 BUPERS-32 更新为 BUPERS-33 • 更新参考资料 • 文章已全面修订，应全文审阅。（COG：BUPERS-33）
![arXiv:2305.08705v4 [nucl-ex] 2023 年 7 月 23 日](/simg/1\13dd8be113d094ca8c7fc8d8a074deb635373a82.webp)
arXiv:2305.08705v4 [nucl-ex] 2023 年 7 月 23 日
5 鲍尔州立大学，印第安纳州曼西 47306 6 布鲁克海文国家实验室，纽约州厄普顿 11973 7 卡拉布里亚大学和 INFN-Cosenza，意大利伦德 87036 8 加利福尼亚大学，加利福尼亚州伯克利市 94720 9 加利福尼亚大学，加利福尼亚州戴维斯市 95616 10 加利福尼亚大学，加利福尼亚州洛杉矶市 90095 11 加利福尼亚大学，加利福尼亚州河滨市 92521 12 华中师范大学，湖北武汉 430079 13 伊利诺伊大学芝加哥分校，伊利诺伊州芝加哥市 60607 14 克赖顿大学，内布拉斯加州奥马哈市 68178 15 布拉格捷克技术大学，FNSPE，捷克共和国布拉格 115 19 16 达姆施塔特工业大学，德国达姆施塔特 64289 17 国立杜尔加布尔理工学院，杜尔加布尔 - 713209，印度 18 ELTE 埃尔沃特沃斯罗兰大学，布达佩斯，匈牙利 H-1117 19 法兰克福高等研究院 FIAS，法兰克福 60438，德国 20 复旦大学，上海，200433 21 海德堡大学，海德堡 69120，德国 22 休斯顿大学，休斯顿，德克萨斯州 77204 23 湖州大学，湖州，浙江 313000 24 印度科学教育与研究研究所 (IISER)，贝尔汉普尔 760010，印度 25 印度科学教育与研究研究所 (IISER) 蒂鲁帕蒂，蒂鲁帕蒂 517507，印度 26 印度理工学院，巴特那，比哈尔邦 801106，印度 27 印第安纳大学，布卢明顿，印第安纳州 47408 28中国科学院现代物理研究所，甘肃兰州 730000 29 查谟大学，查谟 180001，印度 30 肯特州立大学，俄亥俄州肯特 44242 31 肯塔基大学，肯塔基州列克星敦 40506-0055 32 劳伦斯伯克利国家实验室，加利福尼亚州伯克利 94720 33 利哈伊大学，宾夕法尼亚州伯利恒 18015 34 马克斯普朗克物理研究所，慕尼黑 80805，德国 35 密歇根州立大学，密歇根州东兰辛 48824 36 国家科学教育与研究研究所，HBNI，Jatni 752050，印度 37 国立成功大学，台南 70101 38 中国科学院核物理研究所，Rez 250 68，捷克39 俄亥俄州立大学，哥伦布，俄亥俄州 43210 40 PAN 核物理研究所，克拉科夫 31-342，波兰 41 旁遮普大学，昌迪加尔 160014，印度 42 普渡大学，西拉斐特，印第安纳州 47907 43 莱斯大学，休斯顿，德克萨斯州 77251 44 罗格斯大学，皮斯卡塔韦，新泽西州 08854 45 圣保罗大学，圣保罗，巴西 05314-970 46 中国科学技术大学，合肥，安徽 230026 47 华南师范大学，广州，广东 510631 48 世宗大学，首尔，05006，韩国 49 山东大学，青岛，山东 266237 50 中国科学院上海应用物理研究所，上海201800 51 南康涅狄格州立大学，康涅狄格州纽黑文 06515 52 纽约州立大学石溪分校，纽约州 11794 53 塔拉帕卡大学阿尔塔研究学院，智利阿里卡 1000000 54 天普大学，费城宾夕法尼亚州 19122 55 德克萨斯 A&M 大学，德克萨斯州大学城 77843 56 德克萨斯大学，德克萨斯州奥斯汀 78712 57 清华大学，北京 100084 58 筑波大学，日本茨城筑波 305-8571 59 中国科学院大学，北京 101408 60 美国海军学院，马里兰州安纳波利斯 21402 61 瓦尔帕莱索大学，印第安纳州瓦尔帕莱索 46383 62 可变能量回旋加速器中心，印度加尔各答 700064 63 华沙理工大学，波兰华沙 00-661 64 韦恩州立大学，密歇根州底特律 48201 65 耶鲁大学，康涅狄格州纽黑文 06520
![arXiv:2307.10146v1 [cond-mat.mtrl-sci] 2023 年 7 月 19 日](/simg/2\254a3ecbd023a50405df310417a74382489ceb01.webp)
arXiv:2307.10146v1 [cond-mat.mtrl-sci] 2023 年 7 月 19 日
交替磁性影响电子态，从而允许非相对论自旋分裂的存在。由于交替磁性自旋分裂存在于 3D 布里渊区的特定 k 路径上，我们预计交替磁性表面态将存在于特定的表面取向上。我们揭示了交替磁性表面态的性质，考虑了三个代表性空间群：四方、正交和六方。我们计算了 3D 布里渊区的 2D 投影布里渊区。我们研究了表面及其各自的 2D 布里渊区，确定了具有相反符号的自旋分裂合并消除了交替磁性的位置以及哪些表面上保留了交替磁性。观察三个主要表面取向，我们发现在几种情况下，两个表面对交替磁性视而不见，而交替磁性在一个表面取向上仍然存在。哪个表面保留了交替磁性还取决于磁序。我们定性地表明，与盲表面正交的电场可以激活交替磁性。我们的结果预测了哪些表面需要分裂以保留表面或界面中的交替磁性，这为通过自旋分辨的 ARPES 观察薄膜中的非相对论交替磁性自旋分裂以及将交替磁性与其他集体模式对接铺平了道路。我们为研究交替磁性对平凡和拓扑表面状态的影响开辟了未来的前景。
![arXiv:2209.03956v1 [q-bio.NC] 2022 年 7 月 17 日](/simg/7\78b9783c41970cf7d752a579b54ae9f4bb2a7c6f.webp)
arXiv:2209.03956v1 [q-bio.NC] 2022 年 7 月 17 日
更新 虽然这份报告是在 2018 年发布的，它所基于的研讨会是在 2017 年举行的，但最近发生的事件表明它值得提出来。特别是在 2022 年春天，一位谷歌工程师声称他们的“大型语言模型”之一 LaMDA 是有知觉的，甚至是有意识的。这在科学和大众媒体中引起了一连串的评论，其中一些评论很有趣也很有见地，但几乎所有人都不知道之前对这些主题的考虑以及对机器意识的研究历史。因此，我们正在提供一份略微更新的报告版本，希望它能为当前的辩论提供有用的背景，并能够提供更明智的评论。虽然这份材料已经有五年的历史了，但它的技术要点仍然有效且最新，但我们通过添加一些脚注来强调最近的发展，对其进行了“更新”。
![arXiv:2207.06781v1 [astro-ph.IM] 2022 年 7 月 14 日](/simg/3\33f89e8f23bbb04a4826aeebddaac438eeff69cf.webp)
arXiv:2207.06781v1 [astro-ph.IM] 2022 年 7 月 14 日
用于太空任务的 X 射线探测器的滤波器 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ... 22 7 表征技术 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 7.4 射频屏蔽效能 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 41
![arXiv:2207.04927v1 [nucl-th] 2022 年 7 月 11 日](/simg/d\db85e168f51109c25f1b0c4684f4164fef6f2197.webp)
arXiv:2207.04927v1 [nucl-th] 2022 年 7 月 11 日
在对称核碰撞中，定向流是快度的奇函数。在对称重离子碰撞中产生的带电粒子的快度奇定向流v 1 的观测结果 [4–7] 表明，前向-后向对称性被破坏。在碰撞的动态模型中，这是由于初始条件的不对称造成的 [8–20]。在非中心碰撞中，初始状态预计会破坏前向-后向对称性。在流体动力学模型中，定向流可以用相对于碰撞轴倾斜的火球膨胀来解释 [12]。该现象学模型可以描述测量到的带电粒子定向流。但是，它无法解释观察到的已识别粒子定向流分裂 [6, 21]。具体来说，测量到的质子和反质子的定向流是不同的，而在流体动力学模型中，相同质量的粒子预计会有类似的集体流。重离子碰撞的动力学或混合模型无法解释在不同能量下识别的粒子观察到的定向流[13, 15, 18, 22–25]。这个长期存在的问题可以通过假设火球中的重子分布是不均匀的来解决。重子化学