XiaoMi-AI文件搜索系统
World File Search SystemRethinking
重新思考交叉危机时代的公民空间
这篇短文尽力总结了战略评估的主要发现，但无法公正地评价其中进行的众多丰富对话。评估旨在促使公民空间资助者反思其工作不断变化的环境，并为他们提供一个平台，制定未来十年公民空间的防御和扩展战略。作为一种激励，它只关注当前的差距和需求，而不是已经得到资助的工作。其目的不是掩盖评估期间确定的许多伟大举措，而是挑战资助者思考如何在元层面上最好地应对未来的挑战。我们也认识到，本文中的建议雄心勃勃——超出了独立慈善事业单独应对的范围。然而，我们确实相信慈善基金会处于独特的风险承担地位，改善合作可以显著改变和改善应对公民空间关闭工作资源的方式。
重新思考加速 MRI 的深度展开模型......
摘要。磁共振成像 (MRI) 是一种广泛用于临床诊断和外科手术计划的成像方式。加速 MRI 试图通过减少图像重建所需的原始 k 空间数据量来减轻长扫描时间的固有限制。最近，深度展开模型 (DUM) 通过使用深度神经网络截断和展开传统的迭代重建算法，已证明对 MRI 重建具有显着的有效性和更高的可解释性。然而，DUM 在 MRI 重建中的潜力尚未得到充分利用。在本文中，我们首先增强了 DUM 迭代阶段内和迭代阶段之间的梯度和信息流，然后我们强调了使用各种相邻信息进行准确且内存高效的敏感度图估计和改进多线圈 MRI 重建的重要性。在几个公共 MRI 重建数据集上进行的大量实验表明，我们的方法大大优于现有的 MRI 重建方法。代码可以在https://github.com/hellopipu/PromptMR-plus上找到。
重新考虑无分类器扩散指导中的空间不一致
无分类器指导（CFG）已广泛用于文本到图像扩散模型中，其中引入了CFG量表以控制整个图像空间的文本指导强度。但是，我们认为全球CFG量表会导致空间不一致，这是不同的脱节优势和次优的图像质量。为了解决这个问题，我们提出了一种新颖的方法，即语义意识的无分类器指导（S-CFG），以自定义文本到图像扩散模型中不同语义单元的指导学位。具体来说，我们首先设计了一种训练 - 免费的语义分割方法，将潜在图像分配到每个Denoising步骤中相对独立的语义区域。尤其是，将U-NET主链中的跨意义图被重新归一化，以将每个贴片分配给相应的令牌，而自我注意力图则用于完成语义区域。然后，为了平衡各种语义单元的扩增，我们会自适应地调整各个不同区域的CFG尺度，以将文本指导学度重新确定为统一水平。最后，广泛的实验证明了S-CFG优于原始CFG策略在各种文本到图像扩散模型上的优越性，而无需任何额外的培训成本。我们的代码可在https://github.com/smilesdzgk/s-cfg上找到。
在确定论下重新思考人和机器智能
1英语学院，汉库克大学外国研究大学，107 Imun-ro，Dongdaemun-gu，首尔 *linkinswib@naver.com摘要本文提出了一个形而上学的框架，以区分人类和机器智能。具体来说，它提出了两个相同的确定性世界 - 一个包括人类代理，另一个包括机器代理。这些药物在因果关系上表现出明显的相同性，但它们表现出不同类型的信息处理机制。通过假设人类在机器智能上的独特性，本文解决了它所指的“有利位置问题”，即如何通过将确定源放置在宇宙中来使确定主义者对确定论的主张合法化。关键字：确定性；计算主义；模拟;状态描述；反事实引入当决定者断言宇宙是确定性的时，这需要假设一个假设的有利位置来描述宇宙。一见钟情，可以说这样的有利位置应该位于宇宙以外的某个地方。例如，维特根斯坦（Wittgenstein，1922）指出，“哲学i”是一个“形而上学主题”，它不是“世界的一部分”（第75页）。确定论是对世界的哲学判断。因此，决定主义者的推理思维可能必须与世界分开。但是，确定主义者本人是世界的一部分。根据Danielsson（2023）的说法，因为“ [W]无法站在世界外”，“我们总是从存在的唯一有利位置来看待世界：1。（第1章）”两者之间的上述特殊关系（即确定主义者与宇宙）可能会引起混乱。决定者是空间和时间内的有限人士。那么，她如何证明自己对确定论主张的意义是合理的，这似乎是需要达到上帝眼睛的观点的观点？本文中此问题将被称为本文中的“有利点问题”。要解决这个问题，本文提议讨论两种不同类型的确定性世界。如果读者耐心地遵循本文的论点到最后，他们将看到它如何建立一个合理的模型，该模型允许确定主义者有效地声称我们的宇宙为确定性，同时保留其一部分。确定性知识本文将使用以下关键定义：（1）确定性知识（d知识）：与确定性世界中所有过去，现在和未来事件相关的事实。
重新思考服务机器人的社会状况低下
当代机器人技术景观向我们介绍了旨在安全运输人类的自动驾驶汽车，远程敏感机器人，这些机器人用作代表人类的化身，以及能够在特定语境中执行人类任务的多功能服务机器人（例如，清洁和交货）。可以说这些应用和融合在多大程度上有所不同，（1）它们代表了人类的受益人，并且与之相关但不是完全耦合，（2）他们应得到或多或少类似人类的社会地位和待遇的程度。直觉上，我们可能会建议远程呈现机器人是人类运营商的100％代表，因此应得到相同的（人类般的）状态和待遇，一个人将授予其所有者。如果机器人自主执行直接用户命令，此更改会更改吗？答案可能取决于认为对机器人的使用程度被认为是合理的。
在气候变化时代重新思考农村期货
费用和赠款支持全额豁免奖学金可为VIU会员机构的学生提供。此外，还可以提供赠款支持，以部分或完全支持国际旅行的成本。免费提供住宿。非会员机构的学生的参与费为1.100欧元（包括增值税）。费用包括学费，课程材料，住宿，午餐，社交活动和税收。来自非会员机构的学生没有资格获得VIU赠款支持。viu校友有资格获得减少费用。申请申请，2024年12月2日至2025年1月31日，通过VIU网站申请人必须提交（1）申请表，（2）动机信，其中应包括简短的生物和候选人研究项目的简要说明，（3）课程Vitae和（4）一张照片。
重新思考陆军和空军的角色和职能
日益增长的巡航和弹道导弹威胁欧洲空军基地已导致总部美国空军欧洲（USAFE）重新评估防守方案，无论是近距离还是远。为了支持这种重新评估，总部USAFE要求Rand探索USAFE获取基于地面的导弹防御的可行性，并从操作和服务角色和功能的角度考虑问题。本报告主要关注与角色和职能有关的问题，包括空中基地防御的历史，有关角色和任务的权威，以及关于空军基地防御的陆军 - 空军纠纷的案例研究。然后，它评估了七个美国空军替代行动方案，以解决空军积极的国防短缺。同伴卷更详细地讨论了操作方面。此处报道的研究是由当时的 - 布里格将军查尔斯·科科伦（Charles Corcoran），战略威慑和核整合，总部USAFE和非洲空军的总部，并在兰德项目空军的战略和教义计划中进行，作为2019年财政年度项目的一部分，“地面空气和空军基地的防弹”。
人工智能模型治理：重新思考我们的方法
模型治理（包括模型验证）是一门实践良好的学科。多年来，传统方法在业界发挥了良好的作用。这些方法通常涉及回溯测试、执行方法和文档审查、对模型进行基准测试以及进行定性评估等活动。此治理流程的核心部分是模型可解释性，其中了解确切的变量及其权重被视为关键。在新兴的人工智能 (AI) 和机器学习模型领域，理解模型组件通常非常困难，传统方法可能并不理想。这种被称为黑箱模型的新模型需要我们重新思考如何进行模型治理。本文提出了一个新的模型治理框架，它不依赖于了解模型内部的具体细节。这种方法可以使机构（尤其是受监管的金融机构）能够放心使用黑箱模型。
重新思考人工智能的监管 - EECS 人员
本文探讨了监管人工智能 (AI) 系统所面临的挑战，并提出了一种适合 AI 新功能的监管模式。与过去的技术不同，使用深度学习等技术构建的 AI 系统无法直接分析、指定或根据法规进行审计。它们的行为是不可预测的，源自训练而非有意设计。然而，将监督委托给专家机构的传统模式不应完全抛弃，这种模式在航空和核电等高风险领域取得了成功。相反，政策制定者必须控制当今不透明模型带来的风险，同时支持对可证明安全的 AI 架构的研究。借鉴 AI 安全文献和过去监管成功的经验，有效的 AI 治理可能需要整合权力、许可制度、强制训练数据和建模披露、系统行为的正式验证以及快速干预的能力。