XiaoMi-AI文件搜索系统
World File Search Systemask
自行车的高阶掩蔽 - 密码学EPRINT档案 - IACR
摘要。嵌入式设备上的每个加密实现都容易受到侧向通道攻击的影响。为了防止这些攻击，主要的对策包括将每个敏感变量分开并独立处理。随着旨在抵抗量子计算机及其操作复杂性的新算法的即将到来，此保护代表了一个真正的挑战。在本文中，我们提出了对保护自行车加密系统解码器免受一阶攻击的早期尝试的攻击。此外，我们还引入了一个新的程序，用于对解码器的高阶掩盖，并最新进行了最新的改进。我们还提出了整个密码系统的第一个完全掩盖的实现，包括关键生成和封装。最终，为了评估对策的正确性并启动进一步的比较，我们在C中实施了对策，并提供了其性能的基准。
通过最佳的大脑途径探索认知任务信息的传播
理解基于复杂人类齿轮统一的大规模信息处理是认知神经科学的核心目标。新兴活动流模型表明认知任务信息是通过区域间功能或结构连接性传输的，但基于图理论的模型通常假设神经通知是通过大脑网络的最短路径发生的。但是，最短路径是否是经验认知信息传播的最佳途径尚不清楚。基于大规模的活动流量映射框架，我们发现，最短路径的活性流量预测的性能明显低于直接路径。最短的路径路由优于其他网络通信策略，包括搜索信息，路径集合和导航。有趣的是，当同时考虑物理距离约束和不对称路由贡献时，最短路径的表现优于活动流量预测的直接路径。这项研究不仅通过经验网络模型挑战了最短的路径假设，而且还表明认知任务信息路由受到大脑网络的空间和功能嵌入的约束。
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
通过运动学分析
对避免进近倾向的调查传统上依赖于基于计算机的技术，这些技术主要是通过改编时间来表征人类行为的。但是，这些技术无法准确量化其他动力变量，例如手动速度和运动方向。为了解决这些限制，已经开发了新的机器人设备，从而为人类行为提供了更多样化和准确的定量评估。本技术报告介绍了Kinarm上的避免接近任务的适应性，这是一个机器人平台，旨在跟踪参与者与虚拟环境互动的上肢运动。这种避免进近任务的这种变体评估了两个臂在十二个方向上的运动。此外，可以应用电阻载荷来研究物理效果在避免进近倾向或支持康复方案中的作用。数据和来自试验样本（n = 5）的数据突出了Kinarm进近避免接近任务的功能（KAAT）。
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。
关键政策要求英格兰的牛结核病战略2025
2025年2月，该政策文件代表野生动植物和乡村链接（Link），一个联盟将86个组织召集在一起，为自然世界竞选。此提交得到了Badger Trust，Born Free Foundation，Hanean World for Animals UK，RSPCA的支持。由于英国政府希望在2025年刷新其BTB战略，因此野生动植物和乡村Link的牛TB（BTB）工作组承认其责任支持Defra，以实现BTB管理的有意义，强大而有效的方法。在本文档中，我们制定了12个关键政策点，这对于有效修订的BTB策略至关重要。这些要点迫切需要（i）牛疫苗，（ii）牲畜生物安全，（iii）野生动植物管理和（iv）野生动植物福利。此外，我们建议Defra在开发这种刷新的BTB策略的制定中，从其他可通知疾病的管理中汲取的经验教训。例如，在高度致病的鸟类流感（HPAI）的管理中，遵循国际道德野生动植物控制的国际共识原则，并且在风险水平提高时，强制执行生物安全措施。我们很高兴进一步讨论本文档中提出的任何观点。咨询与协作
在神经反馈任务期间同时进行EEG-FMRI，这是多模式数据集成的脑成像数据集
组合脑电图和fMRI允许整合精细的空间和准确的时间分辨率，但如果实时执行以实现神经反馈（NF）循环，则会引起许多挑战。在这里，我们描述了在运动成像NF任务中同时获得的脑电图和fMRI的多模式数据集，并补充了MRI结构数据。这项研究涉及30名健康志愿者接受五次培训。我们在以前的工作中展示了同时EEG-FMRI NF的潜力和优点。在这里，我们说明了可以从该数据集中提取的信息的类型并显示其潜在用途。这代表了NF的EEG和fMRI的第一个同时记录之一，在这里我们提出了第一个开放访问BI-MODAL模式NF数据集，该数据集整合了EEG和FMRI。我们认为，这将是（1）多模式数据集成的进步和测试方法，（2）提高所提供的NF质量，（3）改善在MRI下获得的EEG的方法论，并（4）使用多模式信息研究了运动象征的神经标志物。