XiaoMi-AI文件搜索系统
World File Search SystemOverlook
植物-微生物系统
植物与微生物之间相互作用的高度复杂性促使植物生理学家和微生物学家使用简单的模型，即无菌或亚无菌水培植物培养物或纯微生物培养物。这类研究过去和现在都非常有成效，但它们往往掩盖了自然界中相互作用的作用。实际上，在土壤中生长的植物根系从来都不是无菌的，而是总是被大量可能具有强烈活性的微生物包围或侵入。因此，植物科学家不应忽视与植物根系相关的微生物对植物代谢的影响。另一方面，与植物根系相关的微生物种群不能独立于植物进行研究。因此，根系微生物种群必须被视为系统或关联中的一个组成部分，该系统或关联可称为植物-微生物系统。这种概念在处理不同类别的共生体（根瘤与根瘤菌共生、根瘤与放线菌类生物共生、外生和内生菌根、根际系统、根病原体复合体等）时得到了广泛的应用。
动态LCA方法学支持碳预算合规后占用后决策
使用参数生命周期评估（LCA）工作流程，该工作流将时间维度整合在一起，以使占领后决策与碳预算保持一致。将此方法应用于法国的住宅案例研究，这项工作探讨了优化，灵敏度分析和不同的可视化技术，以期使建筑物参与者不仅告知建筑物的缓解碳缓解措施以实施，还可以执行它们。提出了剩余的建筑物生命周期的翻新计划，而决策的时间方面被证明非常有用。有趣的是，尽管全局变暖的潜在值非常独特，但从静态和动态LCA中出现了类似的优化解决方案，这表明可能会忽略动态参数。发现还阐明了传达多方面决策信息的复杂性，强调了调整解决方案的重要性。尽管如此，结果的特异性需要在各种建筑类型中进行进一步的研究。这项研究是迈向可持续建筑管理的又一步，强调了坚持碳预算的紧迫性。
我们是否需要“新战略范式”？不需要
摘要 Bansal 等人的观点文章《战略的生态谬误：战略学者如何导致生态危机以及我们能做些什么》呼吁改革战略领域，将重点放在自然环境、生态循环以及自然和社会层面之间的相互联系上，为“尊重自然环境的明确生态系统”创造价值。我们怀疑这些新的基础是否必要或有用。我们认为 Bansal 等人误解了战略思维的演变和内容；低估了现有工具在处理他们关注的问题方面的实用性；忽视了他们所偏爱的政策所鼓励的衡量、集体行动、政府失灵和裙带关系等问题；接受了不必要的危言耸听的世界观；低估了他们所批评的市场机构的社会效益。我们认为，建立在明确界定的产权、根据稀缺性自由调整的价格、以及鼓励创业和创新的制度环境基础上的市场体系，仍然是保护自然环境的一个未被充分重视的手段，它比集中化和监管性的替代方案更为有效。
![arXiv:2501.07927v1 [cs.LG] 2025 年 1 月 14 日](/simg/e\e8270f4b12d07c8409ebaf950a84ff9dd2f0d25b.png)
arXiv:2501.07927v1 [cs.LG] 2025 年 1 月 14 日
目前对大型语言模型 (LLM) 应用程序中针对即时攻击的防御的评估通常忽略了两个关键因素：对抗行为的动态性质以及限制性防御对合法用户施加的可用性惩罚。我们提出了 D-SEC（动态安全效用威胁模型），该模型明确将攻击者与合法用户分开，对多步骤交互进行建模，并以可优化的形式严格表达安全效用。我们通过引入 Gandalf 进一步解决了现有评估中的不足之处，Gandalf 是一个众包、游戏化的红队平台，旨在生成逼真的自适应攻击数据集。使用 Gandalf，我们收集并发布了 279k 次即时攻击的数据集。结合良性用户数据，我们的分析揭示了安全性和实用性之间的相互作用，表明 LLM 中集成的防御措施（例如系统提示）即使不阻止请求也会降低可用性。我们证明，受限应用程序域、纵深防御和自适应防御是构建安全且有用的 LLM 应用程序的有效策略。代码可在 https://github.com/lakeraai/dsec-gandalf 获得。
文章 特许经营的透明度
互联网公司（如 LegalZoom 和 Rocket Lawyer）可能会填补无代理加盟商的空缺，为潜在加盟商提供信息和表格。虽然他们的服务和产品通常较便宜，但这些网站不足以替代传统律师的指导。事实上，这些公司和其他法律信息公司将他们的工作与传统律师提供的个人、专业代理区分开来；从中可以看出，传统律师的咨询可能是潜在和现有加盟商最需要的。在线法律表格和信息网站的广泛使用只会加剧透明度问题，尤其是许多潜在加盟商放弃传统咨询，转而采用“自己动手”的方式。显然，加强对在线法律自助公司的监管可能是适当的。许多加盟商依赖的信息不足，存在过度自信的偏见，没有进行充分的成本效益分析，并忽视了特许经营关系的信息不对称。法律顾问对于特许经营者来说是一笔宝贵的财富，特别是因为联邦贸易委员会是一个不频繁的执法者，并且将特许经营内容的监管权交给了州法律。
航空航天通讯
自发射以来，尽管尚未公布该气球从海南岛发射的确切日期和时间。2 月 3 日由 U-2 拍摄的图像于 2 月 20 日公布，但并未指明气球的位置。为什么当它最初出现在阿留申群岛上空并进入加拿大时，美国政府表面上忽视了它，而当它后来再次出现在美国领土上空时，美国政府却感到震惊？当它在阿留申群岛上空被发现时，是判断它是从岛上空飞过的，还是从大陆的天文台飞过的，这意味着它可能是在更北边的阿拉斯加，被看到进入加拿大？直到 2 月 1 日在蒙大拿州上空被发现后，北美防空司令部才采取行动。是否可以想象，尽管声称从发射开始就知道这个气球，但最初只是在蒙大拿州上空才发现它？当然，这是一种间接证据，基于北美防空司令部在蒙大拿州发现该物体时表现出的明显紧迫感，与目击事件相比
期刊预释放-Aston Publications Explorer
锂离子电池（LIBS）广泛用于许多田地，例如电动汽车和能源存储，直接影响设备性能和安全性。因此，健康状况（SOH）评估对于LIB使用至关重要。但是，大多数现有数据驱动的SOH建模方法忽略了电池健康预测的固有不确定性，这降低了模型的可靠性。为了解决这个问题，本文提出了一个基于深度学习框架的新型SOH评估模型。SOH结果源自深度特征的分位分布，从而使SOH值具有相关的置信区间。这增强了SOH评估结果的可靠性和概括。此外，为了完成深层模型的优化，开发了基于Wasserstein距离的分位数Huber（QH）损耗函数。此功能集成了Huber损耗和分位回归损失，从而使模型可以根据分布输出进行优化。使用NASA数据集对所提出的方法进行了验证，结果证实了所提出的方法可以在考虑不确定性时有效地估计LIB的SOH。SOH分布的合并增强了SOH评估模型的可靠性和概括能力。
在智能视频监视中增强对象检测
摘要：智能视频监视系统（SVSS）在复杂的环境中涵盖了自动检测，跟踪，分析和决策，并以最少的人为干预在复杂的环境中涵盖了自动监测功能，涵盖了自主监测功能。在这种情况下，对象检测是SVS中的基本任务。但是，许多当前的方法通常会忽略附近对象的遮挡，从而对现实世界的SVS应用构成了挑战。为了解决这个关键问题，本文介绍了量身定制的用于对象检测的咬合处理技术的全面比较分析。评论概述了域共有的借口任务，并探索了各种架构解决方案以对抗遮挡。与主要关注单个数据集的先前研究不同，我们的分析涵盖了多个基准数据集，从而对各种对象检测方法进行了彻底的评估。通过将评估扩展到Kitti基准测试之外的数据集，这项研究对每种方法的优势和局限性提供了更全面的理解。此外，我们在现有的咬合处理方法中探讨了持续的挑战，并强调了对创新策略和未来研究方向的需求，以推动该领域的实质性进步。
减轻生成式人工智能中的偏见（学生摘要）
生成式人工智能 (AI) 因其生成文本、图像和其他形式内容的出色能力而备受关注。然而，生成式人工智能系统的一个固有且日益令人担忧的问题是偏见。这些人工智能模型往往表现出以英国为中心的偏见，往往忽视多样性的重要性。这可以归因于它们在来自互联网的大量数据集上进行训练，这些数据集不可避免地继承了这些数据源中存在的偏见。使用这些数据集会导致人工智能生成的内容反映和延续现有的偏见，涵盖性别、种族和文化刻板印象等各个方面。解决生成式人工智能中的偏见是一项复杂的挑战，需要付出巨大的努力。为了解决这个问题，我们提出了一种构建具有社会倾向的中等规模数据集的方法。这些数据集可用于纠正数据集中现有的不平衡或训练模型以生成具有社会包容性的材料。此外，我们还介绍了基于这些社会倾向数据集训练我们的模型所得出的初步结论。
![arXiv:2401.02344v1 [cs.LG] 2024 年 1 月 4 日](/simg/3\33969f2d6df82554df6878e78b2420d22a4c30e8.png)
arXiv:2401.02344v1 [cs.LG] 2024 年 1 月 4 日
尽管基于深度学习的算法在通过脑电图 (EEG) 信号自动识别情绪方面表现出色，但个体脑信号模式的差异会降低模型在不同受试者身上应用时的有效性。虽然迁移学习技术已经表现出良好的效果，但它们仍然面临与特征表示不足相关的挑战，并且可能会忽略源受试者本身可能具有不同特征的事实。在这项工作中，我们提出了一种多源域自适应方法，该方法使用基于变换器的特征生成器 (MSDA-TF)，旨在利用来自多个来源的信息。所提出的特征生成器保留了卷积层以捕获浅层空间、时间和频谱 EEG 数据表示，而自注意机制则提取这些特征内的全局依赖关系。在适应过程中，我们根据相关值对源主体进行分组，并旨在将目标主体的时刻与每个源以及源内的时刻对齐。MSDA-TF 在 SEED 数据集上得到了验证，并显示出良好的结果。