XiaoMi-AI文件搜索系统
World File Search SystemRuofei
2月27日9：30-10：45am -Algorithmic Alignment
Zi Liang, Pinghui Wang, Ruofei Zhang, Haibo Hu, Shuo Zhang, Qingqing Ye, Nuo Xu, Yaxin Xiao, Chen Zhang, Lizhen Cui Exploring Intrinsic Alignments within Text Corpus
ACM参考格式：Xingyu Bruce Liu，Jiahao Nick Li，David Kim，Xiang“ Anthony” Chen和Ruofei du。 2024年。人I/O：采用统一的方法
每个人都经历了处境引起的障碍和疾病（SIIDS）。这些障碍可能是由于各种情况而引起的，例如噪声，照明，温度，压力，社会规范等。例如，人们可能会错过一家嘈杂的餐厅中的重要电话，或者在做碗碟时难以回复短信。日常生活中这些多样化的情境环境可能会导致我们的身体，认知或情感能力暂时下降，从而导致体验不令人满意。最近，研究人员开发了通过提高移动设备的情境意识来解决SIID的系统。大多数系统都采用“感官模型改装”设计模式[53]，也就是说，首先建立一个模型来识别导致特定SIID的特定情况，然后策划适合该环境的适应性。例如，检测一个人何时驾驶[5]，步行[11，20]，不受欢迎[38]，分散注意力[37]，或者在触摸屏上有雨水[50]。但是，SIID通常是动态的和普遍的，这使得逐渐扩展了以前的一次性解决方案，以便在各种情况下实时可容纳用户的不断变化的损害。构成一个典型的早晨例行活动：当一个人刷牙时，他们可能会受到与语音助手的交往的约束；洗脸时，他们可能会在阅读紧急消息方面挣扎；当使用吹风机时，他们可能会错过手机上的听觉通知。我们的论文着重于检测SIID的综合技术框架，推迟了SIID的适应未来研究。我们迭代尽管以前的系统已经开发了针对特定情况损伤的模型，但针对所有可能场景及其组合的手动设计检测解决方案是不切实际的，并且可伸缩性有限。在本文中，我们提出了人类I/O，这是一种新的方法，它认为SIID并非是需要特定检测模型的上下文特异性障碍，而是通过统一的镜头，而统一的镜头着重于人类输入/输出渠道的有限可用性。概述，而不是为诸如面部洗脸，牙刷或脱毛等活动设计单个模型，而是评估用户的视野，听力和手动交互渠道的可用性。随着大型语言模型（LLMS）的最新发展，它们表现出开放式摄影库的学习和推理能力，我们看到了一个令人兴奋的机会，可以利用LLMS并引入一个单一的统一框架来识别SIID。这种抽象将我们对SIID的思考扩大到全面的障碍范围，并允许开发可扩展的框架，从而使其他研究人员和开发人员不断扩大。我们首先对10名参与者进行了一项形成性研究，以了解基于渠道供应能力的SIID的范围。这些见解强调了系统的需求，以整合活动，环境和直接感知的信息提示，以实现渠道可用性预测，并认识到检测注意力，情感和技术siids的挑战。这将更好地与用户的需求保持一致，并允许开发人员根据损害严重性创建量身定制的策略。我们的发现还表明，系统应提供不同级别的通道可用性，而不是大多数系统中先前假设的二进制规模。