XiaoMi-AI文件搜索系统
World File Search SystemTask
双任务康复的定量分析
通信：中国北京100083北京大学仪器和光电工程学院Shuo Gao博士。电子邮件：shuo_gao@buaa.edu.cn; Yu Pan，博士，北京Tsinghua Changgung医院康复医学系和中国北京大学Tsinghua大学的临床医学学院。电子邮件：panyu@btch.edu.cn。*y。冯和H. Meng同样贡献。Yutong Feng，Zhai和Bo Peng在中国北京大学100191，北京Tsinghua Changgung医院和临床医学学院康复医学系（电子邮件）王王（Xiaomeng wang WENXIN TAO与中国北京大学的仪器和光电工程学院一起，中国（电子邮件：22371194@buaa.edu.edu.cn; by1917059@bua.edu.edu.edu.edu.cn; sy2317304@bua.cn; sy2317304@bu.cn@bu.cn; sy23177307733,37733; rivanyang@buaa.edu.cn; lxm2081@buaa.edu.cn; 22371225;Yutong Feng，Zhai和Bo Peng在中国北京大学100191，北京Tsinghua Changgung医院和临床医学学院康复医学系（电子邮件）王王（Xiaomeng wang WENXIN TAO与中国北京大学的仪器和光电工程学院一起，中国（电子邮件：22371194@buaa.edu.edu.cn; by1917059@bua.edu.edu.edu.edu.cn; sy2317304@bua.cn; sy2317304@bu.cn@bu.cn; sy23177307733,37733; rivanyang@buaa.edu.cn; lxm2081@buaa.edu.cn; 22371225;
具有生成AI和语义通信的网络机器人技术面向任务的连接
摘要 - 机器人技术，高级通信网络和人工智能（AI）的融合具有通过完全自动化和智能运营来转变行业的希望。在这项工作中，我们为机器人介绍了一项新颖的共同工作框架，该框架将面向目标的语义通信（SEMCOM）统一使用在语义意识网络下的生成AI（Genai）代理。SEMCOM优先考虑机器人和网络之间有意义的信息的交换，从而减少了开销和延迟。同时，Genai-Agent利用生成的AI模型来解释高级任务指令，分配资源并适应网络和机器人环境中的动态变化。以新的自主性和智能级别的范围范式引起了这种代理驱动的范式，从而使网络机器人的复杂任务可用于最少的人类干预。我们通过多机器人异常检测用例模拟来验证我们的方法，其中机器人检测，压缩和传输相关信息进行分类。仿真结果证实，SEMCOM在保留关键语义细节的同时大大降低了数据流量，并且Genai-Agent确保了任务协调和网络适应。这种协同作用为现代工业环境提供了强大，高效且可扩展的解决方案。索引术语 - ai-native网络，生成AI代理，网络工作机器人技术，语义通信，变分自动编码器，工作流程
应对过度处方挑战：用于药物建议任务的大型语言模型
药物推荐系统在医疗保健中引起了人们的关注，因为它们的潜力根据患者的临床数据提供了个性化和有效的药物组合。但是，现有的方法论在适应多种电子健康记录（EHR）系统并有效地利用非结构化数据时会遇到挑战，从而产生有限的概括能力和次优性能。最近，利用医疗领域的大型语言模型（LLM）的兴趣正在增长，以支持医疗保健专业人员并增强患者护理。尽管出现了医疗LLMS及其在医疗问题回答之类的任务中，他们在临床环境中的实际应用，尤其是在药物建议中，但通常仍然没有得到充实的态度。在这项研究中，我们评估了用于药物建议任务的通用和医学特异性LLM。我们的发现表明，LLMS经常遇到过度处方的挑战，导致临床风险增加并降低药物建议精度。为了解决这个问题，我们提出了语言辅助药物建议（LAMO），该建议采用了一种参数高效的微调方法来量身定制开源LLM，以在药物建议方案中进行最佳性能。lamo杠杆在临床注释中提供了大量的临床信息，这是一种在传统方法论中通常不足的资源。由于我们的方法，Lamo的内部阀门准确性超过10％以上的最先前方法。此外，时间和外部验证证明了Lamo在各种时间和医院的强大概括能力
使用认知在日常软件开发任务中通过生理活动捕获开发人员的认知负荷
摘要 - 集成的开发环境（IDE）在各种任务中为开发人员提供支持。在执行不同的编程任务时毫不客气地捕获开发人员的认知负载，可以帮助优化开发人员的工作经验，提高其生产率并积极影响代码质量。在本文中，我们提出了一项研究，其中基于Intellij的IDE插件Cognitide用于在处理各种软件开发任务时收集，映射和可视化软件开发人员的生理活动数据。在一项可行性研究中，参与者根据Java开源代码在IDE中完成了四个模拟软件开发人员的日常工作任务 - 编码，调试，代码文档和电子邮件写作，同时记录了他们的生理活动。 在任务之间，评估了参与者的感知工作量。 可行性测试表明，可以成功地将认知剂用于一小时的数据收集会话，这是测试最长的持续时间，并且对使用它的人非常感知。 此外，与基线记录相比，记录的生理活性表明在工作任务期间的认知负荷更高。 这表明可以评估认知负载，映射到代码位置，可视化和讨论在一项可行性研究中，参与者根据Java开源代码在IDE中完成了四个模拟软件开发人员的日常工作任务 - 编码，调试，代码文档和电子邮件写作，同时记录了他们的生理活动。在任务之间，评估了参与者的感知工作量。可行性测试表明，可以成功地将认知剂用于一小时的数据收集会话，这是测试最长的持续时间，并且对使用它的人非常感知。此外，与基线记录相比，记录的生理活性表明在工作任务期间的认知负荷更高。这表明可以评估认知负载，映射到代码位置，可视化和讨论
Robodexvlm：视觉语言模型模型的任务计划和灵活机器人操纵的运动控制
摘要 - 本文介绍了Robodexvlm，这是一个用于机器人任务计划的创新框架，并掌握了配备灵敏手的协作操纵器的检测。以前的方法着眼于简化且有限的操纵任务，这些任务通常忽略了以长期培训方式抓住各种对象相关的复杂性。相比之下，我们提出的框架利用灵巧的手能够抓住不同形状和大小的对象，同时根据自然语言命令执行任务。所提出的方法具有以下核心组件：首先，设计了一个具有任务级恢复机制的稳健任务计划器，该机制设计了视觉语言模型（VLMS），这使系统能够解释和执行长序列任务。第二，基于机器人运动学和正式方法提出了语言引导的灵活掌握感知算法，该方法是针对带有多种物体和命令的零摄像的灵巧操作量身定制的。全面的实验结果验证了Robodexvlm在处理长层场景和执行灵巧抓握方面的有效性，适应性和鲁棒性。这些结果突出了该框架在复杂环境中运行的能力，展示了其进行开放式灵巧操作的潜力。我们的开源项目页面可以在https://henryhcliu.github.io/robodexvlm上找到。
天然和工程梭菌对生物量生物量的潜力
摘要。本文研究了两种大语模型（LLMS）的性能-GPT-3.5-Turbo和Llama-2-13b-以及一个小型语言模型（SLM） - Gemma-2b，在气候变化（CC）和环境领域内的三个不同的分类任务。将基于BERT的模型作为基准，我们将它们的功效与这些基于变压器的模型进行了比较。此外，我们通过分析这些文本分类任务中语言置信分数的校准来评估模式的自我评估能力。我们的发现表明，尽管基于BERT的模型通常均优于LLM和SLM，但大型生成模型的性能仍然值得注意。此外，我们的校准分析表明，尽管Gemma在初始任务中得到了很好的校准，但此后会产生不一致的结果。骆驼经过合理的校准，GPT始终表现出强大的校准。通过这项研究，我们旨在为持续的讨论生成LMS在解决地球上一些最紧迫的问题方面的实用性和有效性的讨论中做出贡献，并在生态学和CC的背景下强调了它们的优势和局限性。
能源竞争工作队水平竞争现场测量问答
确保对冲合同以公平的方式进行交易，通过创建一个公平竞争环境来促进竞争，以供发电机和零售商竞争。我们的提案要求绅士以与绅士对其内部零售武器相同的条款提供独立的零售商和发电机访问产品（例如对冲合同），同时保持投资激励措施和供应安全性。这意味着绅士将无法通过例如以比第三方提供的更好的条件来使零售武器获得灵活的生成/对冲合同。
凝视失败：调查人类目光以应对协作任务中的机器人失败
摘要 - 机器人很容易犯错，这可能会对他们在与人类用户的协作任务中的队友的信誉产生负面影响。从这些失败中检测和恢复对于维持用户的有效信任水平至关重要。但是，机器人可能会失败而不意识到它。检测这种失败的一种方法可能是分析人类的非语言行为和对失败的反应。这项研究调查了人类凝视动力学如何表明机器人的失败，并检查了不同类型的故障如何影响人们对机器人的看法。我们与27名参与者进行了一项用户研究，与机器人移动操纵器合作解决了Tangram难题。机器人被编程为经历两种类型的故障 - 执行和决策 - 在任务的开头或结束时发生，无论是否确认失败。我们的发现表明，机器人故障的类型和时机显着影响参与者的凝视行为和对机器人的感知。具体来说，执行故障导致了更多的目光转移并增加了对机器人的关注，而决策失败导致感兴趣领域的凝视过渡的熵较低，尤其是在任务结束时发生故障时。这些结果表明，凝视可以作为机器人故障及其类型的可靠指标，也可以用于预测适当的恢复动作。索引术语 - 动物失败，凝视动态，人机协作
任务 1：间谍在第一次世界大战中的重要性
10 18 10 10 25 15 18 20 7 8 14 18 18 18 18 18 18 18 18 7 7 7 7 7 7 7 7 14 17，18th 18th 18th 18th 18th 264星期二55 12 22 66 12 78 12.5 12 10 5 12 10 5 12 12 10 18 77 12 18 77 12 November 23 14 3 14 27th 18 6 14 26 18 25 14 18 18th 18th 18th 18th 18th 18th 18th 18th 12th 4th 4th