XiaoMi-AI文件搜索系统
World File Search SystemKAMBHAMPATI
cv.pdf -subbarao kambhampati-亚利桑那州立大学
•自动化计划（AI）：大型Langauge模型（LLMS）的规划和推理功能。计划合成，时间，时间，部分可访问和随机世界。计划合成的启发式方法。用于计划的多目标优化。推理以表达的行动。调度。加速学习以协助计划者。约束满意度和操作研究技术。计划在自动化制造和空间自主权上的应用。
alphazero中计划能力的限制-CCN 2024
Glickman，M。E.和Jones，A。C.（1999）。评估国际象棋评级系统。Chance-Berlin，然后是纽约，12，21-28。Kim，B.，Wattenberg，M.，Gilmer，J.，Cai，C.，Wexler，J.，Viegas，F。等。 （2018）。 可解释性超出特征归因：具有概念激活向量（TCAV）的定量测试。 在国际机器学习会议上（pp。） 2668–2677）。 Lee，S。（2000）。 非负矩阵因子化算法。 nips。 McGrath，T.，Kapishnikov，A. 。 。 Kramnik，V。（2022）。 在Alphazero中获得国际象棋知识。 国家科学院的会议记录，119（47），E2206625119。 Silver，D.，Hubert，T.，Schrittwieser，J.，Antonoglou，I.，Lai，M。，等。 （2018）。 一种普遍的增强学习算法，掌握了国际象棋，Shogi并进行自我游戏。 Sci-Ence，362（6419），1140–1144。 Silver，D.，Schrittwieser，J.，Simonyan，K.，Antonoglou，I.，Huang，A.，Guez，A.，。 。 。 其他人（2017年）。 掌握没有人类知识的Go的游戏。 自然，550（7676），354–359。 Steingrimsson，H。（2021）。 国际象棋堡垒，这是对技术状态象征[Neuro]架构的因果测试。 在2021年IEEE游戏会议（COG）会议（pp。） 1–8）。 Valmeekam，K.，Olmo，A.，Sreedharan，S。和Kambhampati，S。（2022）。 ARXIV预印ARXIV：2206.10498。 （2023）。Kim，B.，Wattenberg，M.，Gilmer，J.，Cai，C.，Wexler，J.，Viegas，F。等。（2018）。可解释性超出特征归因：具有概念激活向量（TCAV）的定量测试。在国际机器学习会议上（pp。2668–2677）。Lee，S。（2000）。 非负矩阵因子化算法。 nips。 McGrath，T.，Kapishnikov，A. 。 。 Kramnik，V。（2022）。 在Alphazero中获得国际象棋知识。 国家科学院的会议记录，119（47），E2206625119。 Silver，D.，Hubert，T.，Schrittwieser，J.，Antonoglou，I.，Lai，M。，等。 （2018）。 一种普遍的增强学习算法，掌握了国际象棋，Shogi并进行自我游戏。 Sci-Ence，362（6419），1140–1144。 Silver，D.，Schrittwieser，J.，Simonyan，K.，Antonoglou，I.，Huang，A.，Guez，A.，。 。 。 其他人（2017年）。 掌握没有人类知识的Go的游戏。 自然，550（7676），354–359。 Steingrimsson，H。（2021）。 国际象棋堡垒，这是对技术状态象征[Neuro]架构的因果测试。 在2021年IEEE游戏会议（COG）会议（pp。） 1–8）。 Valmeekam，K.，Olmo，A.，Sreedharan，S。和Kambhampati，S。（2022）。 ARXIV预印ARXIV：2206.10498。 （2023）。Lee，S。（2000）。非负矩阵因子化算法。nips。McGrath，T.，Kapishnikov，A. 。 。 Kramnik，V。（2022）。 在Alphazero中获得国际象棋知识。 国家科学院的会议记录，119（47），E2206625119。 Silver，D.，Hubert，T.，Schrittwieser，J.，Antonoglou，I.，Lai，M。，等。 （2018）。 一种普遍的增强学习算法，掌握了国际象棋，Shogi并进行自我游戏。 Sci-Ence，362（6419），1140–1144。 Silver，D.，Schrittwieser，J.，Simonyan，K.，Antonoglou，I.，Huang，A.，Guez，A.，。 。 。 其他人（2017年）。 掌握没有人类知识的Go的游戏。 自然，550（7676），354–359。 Steingrimsson，H。（2021）。 国际象棋堡垒，这是对技术状态象征[Neuro]架构的因果测试。 在2021年IEEE游戏会议（COG）会议（pp。） 1–8）。 Valmeekam，K.，Olmo，A.，Sreedharan，S。和Kambhampati，S。（2022）。 ARXIV预印ARXIV：2206.10498。 （2023）。McGrath，T.，Kapishnikov，A.。。Kramnik，V。（2022）。 在Alphazero中获得国际象棋知识。 国家科学院的会议记录，119（47），E2206625119。 Silver，D.，Hubert，T.，Schrittwieser，J.，Antonoglou，I.，Lai，M。，等。 （2018）。 一种普遍的增强学习算法，掌握了国际象棋，Shogi并进行自我游戏。 Sci-Ence，362（6419），1140–1144。 Silver，D.，Schrittwieser，J.，Simonyan，K.，Antonoglou，I.，Huang，A.，Guez，A.，。 。 。 其他人（2017年）。 掌握没有人类知识的Go的游戏。 自然，550（7676），354–359。 Steingrimsson，H。（2021）。 国际象棋堡垒，这是对技术状态象征[Neuro]架构的因果测试。 在2021年IEEE游戏会议（COG）会议（pp。） 1–8）。 Valmeekam，K.，Olmo，A.，Sreedharan，S。和Kambhampati，S。（2022）。 ARXIV预印ARXIV：2206.10498。 （2023）。Kramnik，V。（2022）。在Alphazero中获得国际象棋知识。 国家科学院的会议记录，119（47），E2206625119。 Silver，D.，Hubert，T.，Schrittwieser，J.，Antonoglou，I.，Lai，M。，等。 （2018）。 一种普遍的增强学习算法，掌握了国际象棋，Shogi并进行自我游戏。 Sci-Ence，362（6419），1140–1144。 Silver，D.，Schrittwieser，J.，Simonyan，K.，Antonoglou，I.，Huang，A.，Guez，A.，。 。 。 其他人（2017年）。 掌握没有人类知识的Go的游戏。 自然，550（7676），354–359。 Steingrimsson，H。（2021）。 国际象棋堡垒，这是对技术状态象征[Neuro]架构的因果测试。 在2021年IEEE游戏会议（COG）会议（pp。） 1–8）。 Valmeekam，K.，Olmo，A.，Sreedharan，S。和Kambhampati，S。（2022）。 ARXIV预印ARXIV：2206.10498。 （2023）。在Alphazero中获得国际象棋知识。国家科学院的会议记录，119（47），E2206625119。Silver，D.，Hubert，T.，Schrittwieser，J.，Antonoglou，I.，Lai，M。，等。（2018）。一种普遍的增强学习算法，掌握了国际象棋，Shogi并进行自我游戏。Sci-Ence，362（6419），1140–1144。Silver，D.，Schrittwieser，J.，Simonyan，K.，Antonoglou，I.，Huang，A.，Guez，A.，。。。其他人（2017年）。掌握没有人类知识的Go的游戏。自然，550（7676），354–359。Steingrimsson，H。（2021）。国际象棋堡垒，这是对技术状态象征[Neuro]架构的因果测试。在2021年IEEE游戏会议（COG）会议（pp。1–8）。Valmeekam，K.，Olmo，A.，Sreedharan，S。和Kambhampati，S。（2022）。 ARXIV预印ARXIV：2206.10498。 （2023）。Valmeekam，K.，Olmo，A.，Sreedharan，S。和Kambhampati，S。（2022）。ARXIV预印ARXIV：2206.10498。（2023）。大型语言模型仍然无法计划（LLMS的基准计划和推理有关变更的理由）。van Opheusden，B.，Kuperwajs，I.，Galbiati，G.，Bnaya，Z.，Li，Y。，＆Ma，W。J.专业知识增加了人类游戏玩法的计划深度。自然，618（7967），1000–1005。
使用线性时间逻辑，分离行动地标和自然语言指令
1简介AI的使用通常需要一个人类的循环组合，以便用户能够做出明智的决定。这样的决定是识别并为特定用户选择最佳计划。有可能引起用户偏好（Das等人2019; Mantik，Li和Porteous 2022）和/或以计划者可以推荐的语言指定这些偏好，例如PDDL3.0（Gerevini and Long 2005），然后让计划者选择一个最佳计划。但是，该解决方案是不切实际的，尤其是在没有所有偏好和约束的情况下，请先使用所有偏好和约束。为此，要么以Top-K计划的形式生成多个计划问题的工作历史（Riabov，Sohrabi和Udrea 2014； Katz等人。2018），高质量的计划（Katz，Sohrabi和Udrea 2020）或多样化的计划（Srivastava等人。2007; Nguyen等。 2012; Vadlamudi和Kambhampati 2016; Katz和Sohrabi 2020; Katz，Sohrabi和Udrea 2022）。 最近，有几个应用程序生成了第一个多个计划，然后在选择过程中使用了用户。 其中一些应用在患者监测领域（Sohrabi，Udrea和Riaibov 2014），企业风险管理（Sohrabi等人。 2018），对话系统（Chakraborti等人。 2022; Rizk等。 2020; Sreedharan等。 2020b）和Web服务com-（Brachman等人） 2022）。 但是，与此类系统交互的用户相互交互几乎没有得到关注。2007; Nguyen等。2012; Vadlamudi和Kambhampati 2016; Katz和Sohrabi 2020; Katz，Sohrabi和Udrea 2022）。最近，有几个应用程序生成了第一个多个计划，然后在选择过程中使用了用户。其中一些应用在患者监测领域（Sohrabi，Udrea和Riaibov 2014），企业风险管理（Sohrabi等人。2018），对话系统（Chakraborti等人。2022; Rizk等。2020; Sreedharan等。2020b）和Web服务com-（Brachman等人2022）。但是，与此类系统交互的用户相互交互几乎没有得到关注。例如，在（Chakraborti等人。2021），所有计划均显示为可以选择的单独序列 - 当然不会扩展到较大集
IIT Jodhpur数据工程研究生文凭...
下一代AI Systems Jodhpur，30-2023：印度理工学院Jodhpur于2023年1月26日至28日举行了NAIBS-2023国际会议。该会议旨在将研究人员跨域进行讨论，以讨论设计AGI（人工通用智能）系统的共同目标 - 从单个感觉运动计算中汲取灵感，从而导致人脑中的多模式过程。该会议还设想了一个充满活力的早期学者网络的感兴趣，该网络从事人工和人工智能的起源，自然和未来的跨学科探究。会议由科学与工程研究委员会（SERB）赞助。会议接待了少数著名的院士，例如Tomaso Poggio，Nancy Kanwisher，Susan Goldin-Meadow，Subbarao Kambhampati等。来自不同学院的100多名参与者，包括IIT Gandhinagar，IIT Delhi，IIT Guwahati，IIT Guwahati，伦敦帝国学院，Friedrich-Shiller- Univetsitat Jena，Petroleum Strice Deharadun大学Deharadun，Deharadun，Deharadun，AIIMS DELHI，DELHI，DELHI，IIIT HYDERABAD。会议是一场为期3天的会谈，圆桌讨论和海报演示，从核心AI/AGI到神经科学的各种研究。NAIBS-2023是一个可以激发研究，有关道德AGI系统设计的新问题和答案的思想融合的平台。会议期间提到的其他一些主题是：会议期间讨论的一些大脑功能模型是语言发展，手势，沟通，思考，学习，记忆，决策，视觉感知，对象识别，感知，注意力，衰老，多感官处理。
人机交互的基础框架
双重共情问题（Milton 2012）是一种心理学理论，于 2010 年代初发展起来，旨在准确解释自闭症患者在社交互动和沟通方面所遇到的困难。该理论认为，造成这种困难的核心原因之一是自闭症患者和非自闭症患者的沟通方式和其他社交/认知特征之间的根本差异。当前的人工智能领域的特点是存在大量功能强大的人工智能系统，但由于缺乏可解释性（Gunning 2017）和可控性（Hadfield-Menell 等人 2016），其实用性受到限制。这表明人工智能系统与其用户之间存在双重共情问题。然而，在人工智能系统的背景下，这个问题更加明显，因为用户可能被迫与真正的外星智能一起工作（Kim 2022）。人机感知人工智能 (HAAI) (Sreedharan、Kulkarni 和 Kambhampati 2022) 是一个框架，它试图通过利用实现人机协调的核心机制（即心理建模）来解决这一问题。图 1 展示了 HAAI 中概念化的人机交互可视化。从图中可以看出，在这种情况下造成混乱的核心原因之一可能是人类的期望与系统生成的行为不匹配。然而，弥合这种期望不匹配反过来又需要系统意识到人工智能系统和用户之间三个显著的不对称维度，即 (a) 知识不对称、(b) 推理能力不对称和 (c) 词汇不对称。我们已经使用 HAAI 框架来
19 世纪印度契约劳工的政治经济学
摘要 英国殖民地废除奴隶制后，英国政府为印度契约移民提供了便利。这种移民形式产生于经济自由和个人自由的话语在英国政经圈引起强烈反响之时，当时亚当·斯密和 JS 密尔的著作已深入人心。我们分析了当自由言论成为主流知识界的必备条件时，契约劳工的不自由是如何被合理化的。我们思考了为什么自由劳动在种植园殖民地被认为是不可行的。我们还思考了信息不对称和不平等谈判对契约制度中的自由造成的制约。我们得出结论，契约代表了奴隶制问题和无法实现的自由劳动目标之间的一种艰难妥协。 * 雷丁大学。邮件至：n.hui@reading.ac.uk ** 雷丁大学。邮寄至：uskambhampati@reading.ac.uk 这份“预印本”是经过同行评审并被接受的打字稿，该文章即将以修订版的形式发表在《经济思想史杂志》（ISSN：1053-8372）（待定期）上，经过微小的编辑修改。该期刊文章的版权归经济学史学会（HES）所有，剑桥大学出版社 (https://www.cambridge.org/core/journals/journal-of-the-history-of-economic-thought) 是该学会的独家授权人和出版商。本预印本只能用于私人研究和学习，不得进一步分发。预印本可引用如下：Hui，Neha 和 Uma Kambhampati。“19 世纪印度契约劳工的政治经济学。”《经济思想史杂志》（即将出版）。SocArXiv 上的预印本，osf.io/preprints/socarxiv