XiaoMi-AI文件搜索系统
World File Search SystemTransferability
将人类保持在循环中
摘要：机器人培训通常在模拟环境中进行，尤其是在增强学习中。因此，使用域随机化生成多个培训环境，以确保转移到现实世界应用程序并弥补未知现实世界状态。我们建议通过在培训过程的各个阶段参与人类应用专家来改善域随机化。专家可以在模拟现实主义，确定遗漏的属性并验证机器人执行方面提供有价值的判断。我们的人类在循环工作流程中描述了它们如何在五个阶段增强过程：验证和改善现实世界扫描，纠正虚拟表示，指定特定于应用程序的对象属性，验证和影响模拟环境的产生和验证机器人培训。我们概述了示例并强调研究机会。此外，我们提出了一个案例研究，在该案例研究中，我们实施了不同的原型，证明了在给定阶段的人类专家的潜力。我们的早期见解表明，人类的投入可以使不同阶段的机器人培训受益。
可解释的人工智能（XAI）用于气候危害...
摘要人工智能（AI）纳入地球科学的整合已在空间建模和气候引起的危害评估的变革时代迎来了。这项研究探讨了可解释的AI（XAI）的应用，以解决传统的“ Black-Box” AI模型的固有局限性，从而强调了高风险领域（例如自然危害管理）中的透明度和可解释性。通过分析水文学危害（包括干旱，洪水和滑坡），这项工作突出了XAI提高预测准确性并促进可行见解的潜力越来越大。该研究综合了XAI方法论的进步，例如注意力模型，Shapley添加说明（SHAP）和广义添加剂模型（GAM）及其在空间危害预测和缓解策略中的应用。此外，该研究确定了数据质量，模型可传递性和实时解释性的挑战，这为将来的研究提出了途径，以增强XAI在决策框架中的效用。这一综合概述有助于在XAI采用XAI方面的弥合差距，在快速的环境变化时代，可以实现强大，透明和道德的方法来进行气候危害评估。
开放科学硬件的开发与共享
作为开放科学的一个分支，开放硬件的前景是研究仪器向更公开记录和许可的设计的可持续变化。方法、代码和数据已经受到期刊编辑和同行评审的重视，以判断研究结果是否可以通过手稿中提供的信息复制。开放硬件运动旨在将实验室工具和研究仪器纳入同一类别。开放硬件设备的可用性和可访问性将使专业实验室工作和实地研究民主化，并增强方法向公民科学环境的可转移性。在这里，我们报告了维基媒体“自由知识”计划前五年的四个案例研究，该计划是由德国维基媒体及其合作伙伴资助的开放科学奖学金。项目开发人员讨论和评估与开放硬件通常归因于的关键方面相关的影响：成本、可用性、适应性、社区和教育价值。本评论涵盖的开放硬件项目涵盖自然科学、生命科学和教育。
DLA 提名叙述 EQ NII Belvoir
评判标准 项目管理 [PM] 技术优点 [TM] 任务导向 [OM] 可转移性 [T] 利益相关者互动 [SI] 影响/结果 [I/O] 简介：国防后勤局（DLA）是国防部长办公室的一个机构。DLA 局长通过负责保障的助理国防部长（S）向负责采购和保障（A&S）的国防部副部长办公室汇报。DLA 在和平和战争条件下为军事部门和联合作战司令部的任务提供全球后勤支持。它还为其他国防部部门和某些联邦机构提供支持，例如联邦紧急事务管理局、美国森林服务局、国土安全部、外国政府、国际组织和其他授权机构。 DLA 贝尔沃堡设施管理人员为总部、国防后勤局 (DLA) 和其他五个主要租户组织提供支持，包括国防威胁降低局、国防合同审计局 (DCAA) 和国防技术信息中心 (DTIC)。
自然遗传学
了解种群之间的遗传差异对于避免在全基因组关联研究中混淆并改善多基因评分（PGS）便携性至关重要。我们开发了一条统计管道来推断高级血统组成部分，并将其应用于英国生物库数据。祖先组成部分确定人口结构未被广泛使用的主要成分捕获，从而改善了地理相关性状的分层校正。为了估计群体之间遗传效应大小的相似性，我们开发了锚点，该锚估计了在不同的局部祖先中现有PG的预测能力的变化。在53种定量表型中，英国生物库参与者中的47个在英国生物库参与者之间高度相似（估计的相关性0.98±0.07）效果尺寸，这表明基因 - 环境和基因 - 基因 - 基因 - 基因 - 基因 - 基因 - 互动在这些不良的跨国公司中都没有发挥作用，并在这些跨国公司中的cail caiss can caiss caulsy can cairity can cairity can cair and caus caus caus caus caus caus caus can cair and在英国的特征中的转化，以至于在英国的特征中，在这些特征中的转变均未发挥作用。同样在不同的人群中。
用自体造血干细胞移植进行侵略性多发性硬化症的经验：一项定性访谈研究
在2004年至2007年期间（n = 10）期间，所有接受AHSCT为MS的人（在瑞典）的AHSCT治疗的所有人都被要求参加该研究并被接受。进行了开放式访谈，数字记录，逐字记录，然后以归纳方法进行定性内容分析。访谈中出现了五个主要主题：（i）被诊断为MS - 不可预测的存在； （ii）一种新的待遇 - 新生活的可能性； （iii）AHSCT - 过渡； （iv）恢复生命； （v）光明的未来，伴随着不安全感。ahsct，这是第二次机会和新生活的机会。治疗成为从疾病状态到健康状态的过渡，使以前的严重不确定性恢复了正常状态。尽管包括不同年龄和性别的参与者，但这项研究的主要局限性是相对较少的参与者。此外，仅仅从一个中心中加入人可能会限制结果的转移性。
RA 5810 - 军用型号合格证（MRP 第 21 部分 B 子部分）
内容 5810(1): 英国军用注册航空系统的认证 (MRP 第 21.A.11 部分) 5810(2): 能力验证 (MRP 第 21.A.14 部分) 5810(3): 申请 (MRP 第 21.A.15 部分) 5810(4): 型号认证依据 (MRP 第 21.A.15 部分) 5810(5): 认证计划 (MRP 第 21.A.15 部分) 5810(6): 需要新军用型号认证的变更 (MRP 第 21.A.19 部分) 5810(7): 符合型号认证依据 (MRP 第 21.A.20 部分) 5810(8): 军用型号认证的颁发 (MRP 第 21.A.21 部分) 5810(9): 限制性军用型号认证的颁发 (MRP 第 21.A.21 部分) 5810(10): 型号设计（MRP 第 21.A.31 部分） 5810(11): 检查和试验（MRP 第 21.A.33 部分） 5810(12): 飞行试验（MRP 第 21.A.35 部分） 5810(13): 持有人的责任（MRP 第 21.A.44 部分） 5810(14): 可转让性（MRP 第 21.A.47 部分） 5810(15): 期限和持续有效性（MRP 第 21.A.51 部分） 5810(16): 记录保存（MRP 第 21.A.55 部分） 5810(17): 手册（MRP 第 21.A.57 部分）
RA 5810 - 军用型号合格证（MRP 第 21 部分 B 子部分）
内容 5810(1): 英国军用注册航空系统的认证 (MRP 第 21.A.11 部分) 5810(2): 能力验证 (MRP 第 21.A.14 部分) 5810(3): 申请 (MRP 第 21.A.15 部分) 5810(4): 型号认证依据 (MRP 第 21.A.15 部分) 5810(5): 认证计划 (MRP 第 21.A.15 部分) 5810(6): 需要新军用型号认证的变更 (MRP 第 21.A.19 部分) 5810(7): 符合型号认证依据 (MRP 第 21.A.20 部分) 5810(8): 军用型号认证的颁发 (MRP 第 21.A.21 部分) 5810(9): 限制性军用型号认证的颁发 (MRP 第 21.A.21 部分) 5810(10): 型号设计（MRP 第 21.A.31 部分） 5810(11): 检查和试验（MRP 第 21.A.33 部分） 5810(12): 飞行试验（MRP 第 21.A.35 部分） 5810(13): 持有人的责任（MRP 第 21.A.44 部分） 5810(14): 可转让性（MRP 第 21.A.47 部分） 5810(15): 期限和持续有效性（MRP 第 21.A.51 部分） 5810(16): 记录保存（MRP 第 21.A.55 部分） 5810(17): 手册（MRP 第 21.A.57 部分）
航空航天组织对处理...的批准
2.1 设计机构 9 2.1.1 适用范围 (1525.E.231) 9 2.1.2 资格 (1525.E.233) 9 2.1.3 申请 (1525.E.234) 9 2.1.4 颁发批准 9 2.1.5 设计保证体系 (1525.E.239) 9 2.1.6 设计机构说明 (1525.E.243) 10 2.1.7 批准要求 (1525.E.245) 11 2.1.8 设计保证体系的变更 (1525.E.239) 11 2.1.9 可转让性 (1525.E.249) 11 2.1.10 批准条款（1525.E.251） 11 2.1.11 批准条款的变更 (1525.E.253) 12 2.1.12 政府监督 (1525.E.257) 12 2.1.13 设计机构的违规行为（发现） (1525.E.258) 12 2.1.14 有效性 (1525.E.259) 13 2.1.15 设计机构的义务 (1525.E.265) 13 2.1.16 故障、失灵和缺陷 (1525.E.3A) 14 2.1.17 适航指令 (1525.E.3B) 15 2.1.18 设计与生产之间的协调 (1525.E.4) 15 2.2 生产组织 16 2.2.1 适用范围 (1525.H.131) 16 2.2.2 资格 (1525.H.133) 16 2.2.3 申请 (1525.H.134) 16 2.2.4 颁发批准 16 2.2.5 质量保证体系 (1525.H.139) 16 2.2.6 生产组织说明 (1525.H.143) 17 2.2.7 批准要求 (1525.H.145) 18
强化学习可以解锁大型语言模型中的隐藏危险吗？
大型语言模型（LLMS）在自然语言任务中表现出了令人印象深刻的能力，但是由于他们在互联网文本中的培训，它们的安全性和道德仍然有争议。为了解决这些问题，已撤消对齐技术，以提高LLM的公共可用性和安全性。然而，通过这些模型产生有害内容的潜力似乎仍然存在。本文探讨了越狱LLM的概念 - 通过对抗触发器来避免其对齐。预先使用的方法，例如软嵌入提示，手动制作的提示和基于梯度的自动提示，由于其对模型访问的要求以及生产低的手动制作提示，使其在黑盒模型上取得了有限的成功，这使它们容易被阻止。本文使用强化学习引入了一种新颖的方法，以优化副词触发器，仅需要推理API访问目标模型和小型替代模型。我们的方法利用了基于Bertscore的奖励功能，可以增强对抗性触发器在新的黑盒模型上的可传递性和有效性。我们证明，这种方法改善了以前未经测试的语言模型的对抗触发器的性能。