XiaoMi-AI文件搜索系统
World File Search SystemPROMPT
通过大型语言模型的及时工程降低非英语语言的文化幻觉
摘要 - 及时工程中的预测提供了减轻大语模型（LLMS）文化幻觉的重要潜力。提示的战略表述，与深厚的文化和语言见解相结合时，可以在非英语环境中尤其是LLM的准确性和文化敏感性。本文探讨了在三个主要LLMS（Openai Chat-gpt，Google Gemini和Anthropic Claude）中及时工程的应用，阐明了量身定制的提示如何有效地减少文化偏见并改善用户互动。通过案例研究和比较分析，研究确定了最佳实践，并为进一步发展提供了战略建议。这些发现强调了在AI中持续创新和道德考虑的重要性，以确保全球技术应用中的包容性和尊重。
安全人工智能（SAI）：针对快速注射的双层防御模型
抽象人工智能（AI）深深地嵌入了处理敏感信息和任务操作的部门中，并且保护这些系统已变得至关重要。本文引入了一种新型的双层防御系统，称为安全人工智能（SAI），旨在减轻与迅速注射和迅速中毒攻击有关的风险。在连续设置“ SAI”中使用两个大型语言模型（LLM） - 一种用于初始输入及时分类的“后卫”模型，该模型有效地滤除了对抗性输入以保护AI系统和响应用户查询的主要响应模型。通过严格的测试，SAI在防止恶意提示损害AI响应方面表现出了弹性，从而大大提高了AI安全性。本文彻底研究了SAI的架构，方法论和性能，以满足对安全和对抗性AI系统的不断增长的需求。关键字：大语言模型，安全的人工智能，人工智能，及时注入，AI安全性。ntroduction虽然人工智能（AI）在政府，银行业和医疗保健方面具有许多优势，但其融合会增加脆弱性，尤其是随着LLM的复杂性和能力发展。AI仍然容易受到对抗性及时的操纵的攻击，这些操纵利用了自然语言弱点，尽管对强大的模型训练和硬编码过滤器规则进行了大量研究[1] [9] [18]。直接将有害物质直接嵌入AI输入，快速注射和中毒攻击中提供了一种特殊的危害[1] [6] [11]。与通常集中于攻击系统弱点的传统网络威胁不同，这些攻击使用了AI学习的反应模式，因此修改模型以产生意外的和通常的负面结果[1] [3]。鉴于语言的复杂性和LLM答案的复杂性，这种敌对的方法可能很难检测和预防[6] [7]。在这项工作中提出了安全的人工智能（SAI）作为解决这些挑战的解决方案。SAI的创新架构满足了针对基于及时的敌对投入的弹性，可扩展的防御的需求
基于瞬发伽马中子活化分析技术的工业材料检测综述
在水泥工业中，阿根廷学者Daniel L.等率先对水泥样品中的元素进行了分析，分析结果表明，PGNAA技术可以实现样品中Fe、Ca、Si、Cl等元素的测量[70]。1999年，R.Kheli等人采用Am-Be中子源和高纯锗探测器测量了水泥样品中硅钙比[71]。Saleh H.等人研制了检测钢筋混凝土中氯含量的装置[30]。2001年，CS Lim等人开发了传送带上的PGNAA水泥在线检测设备。该设备利用Am-Be中子源发射的中子与样品中元素的非弹性散射与俘获反应，实现水泥原料元素的分析，采用双源探测器减少由于皮带上原料组分空间分布不均匀带来的测量误差[72]。2009年至2014年，A.A.Naqvi等人先后对水泥粉尘及水泥中氯元素进行了研究，利用PGNAA技术分析了水泥粉尘和混凝土，获得了氯元素的检出限[73][74][75]。
ECE 659智能传感器和传感器网络
作为用于创建内容的下一代范式，AI生成的内容（AIGC），即，基于用户提示，通过生成AI（GAI）自动构成内容，最近引起了极大的关注和成功。With the ever- increasing power of GAI, especially the emer- gence of Pretrained Foundation Models (PFMs) that contain billions of parameters and prompt engineering methods (i.e., finding the best prompts for the given task), the application range of AIGC is rapidly expanding, covering various forms of information for human, systems, and networks, such as network designs, channel cod- ing, and optimization solutions.在本文中，我们介绍了移动边缘AI生成的所有内容的概念（AIGX）。具体来说，我们首先回顾了AIGX的构建块，从AIGC到AIGX的演变以及实用的AIGX应用。然后，我们提出了一个统一的移动边缘AIGX框架，该框架采用边缘设备提供PFM授权的AIGX服务，并通过及时的工程优化此类服务。更重要的是，我们证明了次序提示导致发电质量差，这会对用户满意度，边缘网络性能和资源利用产生不利影响。因此，我们进行了一个案例研究，展示了如何使用Chatgpt培训有效的及时优化器，并研究了及时工程在用户体验，发电质量和净工作绩效方面进行的改进。
航运的快速脱碳途径：绿色氢气、氨和甲醇的生产及其在船舶发动机中的利用
摘要：航运业在对脱碳挑战的认识和意识方面已经达到了更高的成熟度。无碳或碳中和的绿色燃料，如绿色氢、绿色氨和绿色甲醇，正在被广泛讨论。然而，很少有人关注从可再生能源到航运的绿色燃料途径。因此，本文回顾了绿色能源（绿色氢、绿色氨和绿色甲醇）的生产方法，并分析了绿色燃料在航运中的应用潜力。综述表明，航运业生产绿色氢、绿色氨和绿色甲醇的潜在方法是（1）利用绿色能源通过海水电解生产氢气；（2）利用绿色氢+哈伯-博施法生产氨；（3）利用绿色能源从二氧化碳生产甲醇。虽然绿色燃料的前景光明，但短期内，其成本预计会高于传统燃料。因此，我们的建议如下：改进绿色能源生产技术以降低生产成本；开发电化学燃料生产技术以提高绿色燃料生产的效率；探索新技术。加强可再生能源和绿色燃油生产技术的研发，扩大燃油生产能力，确保低排放、零排放船用燃油的充足供应，是实现航运减碳的重要因素。
视觉语言一致性指导的多模式及时学习盲人AI生成的图像质量评估
摘要 - 非常重要的是，文本提示调整在调整对比的语言图像预训练（剪辑）模型中表现出了启示性能，以对自然图像质量评估。但是，这种单模式提示学习方法仅调节剪辑模型的语言分支。这还不足以使剪辑模型适应AI生成的图像质量评估（AGIQA），因为AGIS在视觉上与自然图像有所不同。此外，没有研究与AGIS相关的AGIS和用户输入文本提示之间的一致性，该提示与AGIS的感知质量相关，并未研究以指导AgiQA。在这封信中，我们提出了视觉语言一致性指导的多模式的迅速学习，以学习为clip-agiqa。具体来说，我们分别在剪辑模型的语言和视觉分支中介绍了可学习的文本和视觉提示。此外，我们设计了一个文本对象对齐质量预测任务，该任务的学习视觉一致性知识用于指导上述多模式提示的优化。对两个公共AGIQA数据集的实验结果表明，所提出的方法超过了最先进的质量评估模型。源代码可在https://github.com/junfu1995/clip-agiqa上找到。
通过及时的工程改善LLM在放射学中的使用：从精确提示到零射击学习
目的大型语言模型（LLM）（例如ChatGpt）在放射学上显示出巨大的潜力。他们的有效性通常取决于及时的工程，这可以优化与聊天机器人的交互，以获得准确的结果。在这里，我们强调了迅速工程在调整LLMS对特定医疗任务的反应中的关键作用。使用临床案例的材料和方法，我们阐明了不同的提示策略，可以在没有基本模型的其他培训的情况下使用GPT4适应新任务的LLM CHATGPT。这些方法的范围从精确提示到高级内部文化方法，例如少量射击和零射击学习。此外，讨论了作为数据表示技术的嵌入的重要性。结果提示工程大大改善并助长了聊天机器人的输出。此外，嵌入规格 -
提出重要问题——问题提示列表是改进神经技术临床试验同意流程的工具
脑机接口 (BCI) 和深部脑刺激器 (DBS) 等植入式神经技术设备在治疗或探索神经和精神疾病的潜在治疗方法中的作用越来越大。虽然只有少数设备获得批准，但许多有希望的未来设备正在接受研究。考虑到需要考虑的各种风险，参与临床试验的决定可能很困难。在同意过程中，潜在参与者可能缺乏考虑这些风险的语言能力、感到准备不足或根本不知道要问什么问题。问题提示列表 (QPL) 是一种可帮助参与者在同意过程中发挥更积极作用的工具。QPL 是一种沟通工具，可以提示参与者和患者表达潜在的担忧。它们提供了一份针对疾病、治疗或研究干预的具体问题的结构化列表，研究参与者可以使用这些问题来支持提问。虽然 QPL 已被研究作为改善癌症治疗期间同意过程的工具，但在本文中，我们认为它们将有助于神经技术研究，并提供 QPL 的示例作为神经技术设备试验中知情同意工具的模板。
HPGE检测器的校准和及时伽玛射线的使用情况，以扩展检测器效率曲线以上2 MEV范围
准确校准高纯晶也（HPGE）检测器对于在各种科学和工业应用中精确测量γ辐射至关重要。在本文中，对HPGE探测器的校准进行了研究，从能量，分辨率和效率方面进行了研究。校准源（例如Europium-152和133）用于建立能力和分辨率校准，结果显示出高线性和令人满意的分辨率性能。效率校准最初覆盖了1.4 meV的能量，通过包括及时的γ射线测量值扩展到7.65 MeV。使用六阶多项式方程对效率数据进行建模，这与观察到的值很好地一致。这项研究证实，提示γ测量值可以有效地将HPGE检测器的校准范围扩展到更高的能量。但是，它还强调了需要改进的实验设置和更长的测量时间，以进一步提高高能量效率校准的准确性和可靠性。结果为准确的γ射线测量提供了坚实的基础。
探索人工智能生成艺术在 3D 设计基础中的教育潜力：快速工程和创意工作流程案例研究
摘要：人工智能将越来越多地融入艺术实践和创意工作流程中，而即时工程将在这一过程中发挥越来越重要的作用。借助 Midjourney、DALL-E 2 和 Craiyon（以前称为 DALLE-mini）等随时可用的生成式 AI，似乎任何人都可以创作“艺术”，这引发了人们对未来艺术和设计教育必要性的质疑。然而，尽管内容创作的便捷性引起了传统艺术创作界的强烈抗议，但担心广泛采用会取代对艺术和设计原则和基础知识的坚实基础的需求是没有根据的。相反，这些工具应该被视为和采用它们之前的其他照相机械和计算机生成的版本，并利用它们为艺术家提供新的模型来改进他们的工作流程。因此，这里的案例研究建议将 AI 生成艺术用于传统的 3D 设计工作室艺术课程，以确定可能预期的流程变化方式和程度，并确定新技术的潜在好处。因此，学生被提示使用 Craiyon 或 DALLE-2 艺术生成器来收集口头提示，将三个不同的对象组合成一个新版本，然后将其实现为物理三维雕塑和/或模型。