XiaoMi-AI文件搜索系统
World File Search SystemProach
控制长格式大语模型输出
近年来，大型语言模型的能力大大提高，因此提高我们对其产出的控制能力非常重要。在本论文中，我讨论了我制定的几种此类控制方案，从纯推理时间控制到基于填充的对准方法。i将首先讨论适用于非结构化自然语言生成的高度通用方法，包括称为Fudge [164]的推理时间控制方案以及基于加强学习的基于加强学习的鉴定AP-称为RLCD [169]。i接下来将讨论可以在更结构化的域（例如分子设计，程序合成和语义解析）中用于控制的更多专业方法[167，163]。最后，我将通过提示将我们的控制扩展到更长的输出（在数千个单词的范围内）在自动故事生成应用程序中，通过提示将我们的控制扩展到更长的输出[168，166]。
超越体素预测的不确定性：识别值得信赖的脑损伤
摘要。深度神经网络已成为自动分割 3D 医学图像的黄金标准方法。然而，由于缺乏对提供的结果进行可理解的不确定性评估，临床医生仍然无法完全接受它们。大多数量化不确定性的方法，例如流行的蒙特卡罗 dropout，都限制了体素级预测的某种不确定性。除了与真正的医学不确定性没有明确的联系外，这在临床上也不令人满意，因为大多数感兴趣的对象（例如脑病变）都是由体素组组成的，而体素组的整体相关性可能不会简单地归结为它们各自不确定性的总和或平均值。在这项工作中，我们建议使用创新的图形神经网络方法超越体素评估，该方法由蒙特卡罗 dropout 模型的输出训练而成。该网络允许融合三个体素不确定性估计量：熵、方差和模型置信度；并且可以应用于任何病变，无论其形状或大小如何。我们证明了我们的方法在多发性硬化症病变分割任务中的不确定性估计的优越性。
一款用户友好的耳机，用于基于雷达的静默语音识别
静默语音接口允许在没有声学语音信号的情况下进行语音通信。在这种应用中，使用在说话者脸上安装无线电天线的雷达感应可用作测量语音清晰度的非侵入式方式。这种方法的主要挑战之一是不同会话之间的差异性，主要是由于天线在说话者脸上的位置不同。为了减少这个影响因素的影响，我们开发了一种可穿戴耳机，它可以用柔性材料 3D 打印而成，重量仅为 69 克左右。为了进行评估，进行了一项基于雷达的单词识别实验，其中五位说话者在多个会话中录制了语音语料库，交替使用耳机和双面胶带将天线贴在脸上。通过使用双向长短期记忆网络进行分类，使用耳机和胶带分别获得了 76.50% 和 68.18% 的平均会话间单词准确率。这表明，使用耳机的天线（重新）定位精度并不比使用双面胶带的差，同时还具有其他优势。索引词：静音语音接口、可穿戴耳机、BiLSTM、雷达成像、语音相关生物信号
是什么使良好的视觉说明？合成视觉说明调整的复杂视觉推理说明
视觉指导调整对于赋予多模式大语言模型（MLLMS）的零弹性概括性capabil至关重要。在本文中，我们旨在投资一个基本问题：“什么使良好的视觉说明造就了”。通过一项综合实证研究，我们发现着重于复杂的视觉推理任务的指导在改善MLLM的性能方面特别有效，结果与指导复杂性有关。基于这种见解，我们开发了一种系统的方法来自动创建高质量的复杂视觉推理指令。我们的方法采用合成完整的改革范式，利用多个阶段来逐步提高说明的复杂性，同时保证质量。基于此AP-PRACH，我们创建了具有32K示例的Comvint数据集，并在其中创建了四个mllms。实验结果始终取消了所有组合MLLM的性能，例如MME感知和MME认知的LLAVA分别提高了27.86％和27.60％。我们的代码和数据可在链接上公开获取：https：//github.com/rucaibox/comvint。
基于神经动力学模型的基于增强学习的MPC
摘要 - 本文提出了开发非线性模型预测控制（NMPC）策略的端到端学习，该策略不需要明确的第一原理模型，并假定系统动力学是未知或部分已知的。本文提出了使用可用的测量结果来识别标称复发性神经网络（RNN）模型来捕获非线性动态，其中包括对状态变量和输入的约束。要解决仅将模型拟合到数据而产生的次优控制策略的问题，本文使用加固学习（RL）来调整NMPC方案并为真实系统生成最佳策略。该方法的新颖性在于使用RL来克服名义RNN模型的局限性并产生更准确的控制策略。本文讨论了RNN模型的初始状态估计的实施方面以及MPC中神经模型的整合。在经典的基准控制问题上证明了所提出的方法：级联的两个坦克系统（CTS）。索引术语 - 强化学习，非线性模型预测控制，复发性神经网络
一种用于参数化电路时间演化的高效量子算法
我们引入了一种新颖的混合算法，使用参数化量子电路模拟量子系统的实时演化。该方法名为“投影变分量子动力学”（p-VQD），实现了将精确时间演化迭代、全局投影到参数化流形上。在小时间步长极限下，这相当于 McLachlan 的变分原理。我们的方法之所以有效，是因为它表现出与变分参数总数的最佳线性缩放。此外，它是全局的，因为它使用变分原理一次优化所有参数。我们方法的全局性大大扩展了现有高效变分方法的范围，而这些方法通常依赖于对变分参数的受限子集进行迭代优化。通过数值实验，我们还表明，我们的方法比现有的基于时间相关变分原理的全局优化算法特别有利，由于参数数的二次缩放要求高，不适合大型参数化量子电路。
利用相空间分布矩阵探索非经典性
我们设计了一种通过相空间分布相关性来认证非经典特征的方法，该方法统一了准概率和相关函数矩阵的概念。我们的方法补充并扩展了基于切比雪夫积分不等式的最新结果 [Phys. Rev. Lett. 124, 133601 (2020)]。这里开发的方法在相空间中的任意点关联任意相空间函数，包括多模场景和高阶相关性。此外，我们的方法提供了必要和充分的非经典性标准，适用于 s 参数化函数以外的相空间函数，并且可以在实验中使用。为了证明我们技术的强大功能，我们仅使用二阶相关和 Husimi 函数来验证离散和连续变量、单模和多模以及纯态和混合态的量子特性，这些函数始终类似于经典概率分布。此外，我们还研究了我们方法的非线性推广。因此，我们设计了一个通用且广泛适用的框架，以揭示相空间分布矩阵中的量子特性。
Deep Video Compression的任务意识编码器控制
对机器任务的深视频压缩（DVC）的事先研究通常需要为每个特定任务培训一个独特的编解码器，从而规定每个任务的专用解码器。相比之下，传统视频编解码器采用了flex ible编码器控制器，从而通过模式预测等机制使Single编解码器适应了不同的任务。从中汲取灵感，我们引入了一个创新的编码器控制器，以用于机器的深度视频压缩。此控制器具有模式预测和一组图片（GOP）选择模块。我们的AP-ARACH在编码阶段集中控制控制，从而允许跨不同任务（例如检测和跟踪）进行适应性的编码器调整，同时与标准的预训练的DVC解码器保持合理性。示例证明我们的方法是在具有各种现有预训练的DVC的多个任务中适用的。此外，广泛的实验表明，对于不同的任务，我们的方法比以前的DVC比以前的DVC大约25％，只有一个预先训练的解码器。
不适当的质子泵抑制剂在老年人群中的不利结果 - 审查
简介。我们检查了老年人在质子泵抑制剂（PPI）的广泛使用，重点是不合适的处方。目标。我们的目的是强调由于潜在的不利影响而需要重新考虑老年人开处方的PPI处方。材料和方法。对老年患者的现有文献和PPI使用的临床数据进行了广泛的综述。我们分析研究和案例报告，以确定PPI在这一老年人口的风险和益处。结果。我们的发现表明，老年患者PPI过度的明显趋势，伴随着健康风险的增加，从轻度不适到严重的并发症。数据在扩展不适当的PPI使用与老年人的健康风险之间建立了明显的联系。结论。我们主张在老年人中更加谨慎地开处方PPI。有需要定期监测和重新评估PPI治疗。我们建议对减轻不良后果风险的可行策略进行排序，从而强调了对老年人的个性化，基于证据的药物管理的重要性。（Gerontol Pol 2024; 32; 41-48）doi：10.53139/ gp.20243206 div>
被无人机塑造和塑造：在感知循环中编程
在为人类互动的美学设计设计的长期承诺中，缺乏塑造和互动性感觉无人机行为的工具而感到困扰。通过观察为期三天的无人机挑战的参与者，我们隔离了无人机的组成部分，如果使透明的人可以帮助参与者更好地探索他们的审美潜力。通过一个智慧来分析访谈，ELD笔记，视频录制和检查每个团队代码的检查，我们描述了团队1）将其E ORT从瞄准无缝的人与无人机互动的目标转移到将无人机视为脆弱，故意，故意和易受撞车的撞车事故； 2）与亲密，身体相互作用进行更精确的探测，理解并赋予其无人机的能力； 3）采用了解决方案策略，强调训练无人机或飞行员。我们在塑造无人机行为的潜在美学方面贡献了限制的经验解释，并讨论编程环境如何更好地支持用于设计和编程目的的术语感知循环。