XiaoMi-AI文件搜索系统
World File Search Systembenchmarking
用于缓解量子误差的开销基准测试管道
零噪声外推 (ZNE) 是一种量子经典混合技术。它运行噪声水平不断增加的量子电路，提取每个电路的期望值，然后使用经典拟合外推无噪声环境中的理想期望值。在 Mitiq 的 ZNE 实现中，有两个相关的经典变量：(1) 用于查找 y 截距（理想期望值）的外推或拟合类型和 (2) 噪声缩放值，它们决定了噪声在运行的每个附加电路中如何增长 [3]。
对 CEASIOM 软件进行基准测试以预测飞行控制...
CEASIOM，即飞机综合与综合优化方法的计算机化环境，是一个集成了特定学科概念设计工具的框架。在设计的早期阶段，能够预测飞机的飞行和操纵品质非常有用。为了对所研究的配置进行此操作，需要计算空气动力学数据库并将其与稳定性和控制工具相结合以进行分析。本文介绍了 CEASIOM 的自适应保真计算流体动力学模块如何计算飞机配置的空气动力学数据库，以及如何通过飞行控制系统设计器工具包模块分析该数据以确定飞机的飞行品质和控制规律。本文将预测的飞行品质与波音 B747 飞机的飞行测试数据进行比较，以验证整体方法的优良性。
用户指南的基准标准表格综合
摘要本文介绍了我们评估表格数据合成（TDS）工具对用例特定要求的适用性的研究。主要目标是开发一个平台，该平台允许用户，例如其他领域的研究人员，为其现实世界应用选择合适的TDS工具。在开发此类平台的过程中，目前计划了三项贡献：首先，通过根据一组功能性和非功能性要求编制报告的领先工具性能的用户决策指南。其次，基于这些已确定要求的TDS工具的基准测试框架。最后是一个可自定义的工具选择平台，它是通过广泛的TDS工具的广泛基准测试而开发的。该平台必须基于特定的用例约束提供许多可能的工具，并允许基于社区的扩展，从而为TDS工具选择提供动态和适应性的解决方案。
位置：基准测试在增强学习研究中受到限制
新颖的增强学习算法或对现有的算法进行的改善，通常通过评估其在基准环境上的性能来概括，并将其与不断变化的标准算法集进行比较。但是，尽管有许多需要改进的要求，但经验实践仍会产生误导或不支持的主张。进行不合标准的做法的一个原因是进行严格的基准测试实验需要基本计算时间。这项工作投资了严格的实验设计中计算成本增加的来源。我们表明，严格的性能基准可能会产生通常很重要的计算成本。因此，我们主张使用附加实验范式克服基准测试的局限性。
用于映射大脑功能连接性的基准测试方法
大脑的联网体系结构促进了神经元种群之间的同步和相干动态的出现。可以使用非侵入性功能成像对这些通信模式进行全面映射，从而导致功能连接性（FC）网络。尽管很受欢迎，但FC还是统计结构，其操作定义是任意的。大多数研究默认情况下使用零滞后皮尔森的相关性，但在更广泛的科学文献中存在数百个成对相互作用统计，可用于估计FC。FC矩阵的组织如何随选择成对统计量的选择而变化，这是一个基本的方法论问题，影响了这个快速增长的领域的所有研究。在这里，我们全面基准了使用239个成对相互作用统计的大型库计算出的FC矩阵的拓扑和地理组织，神经生物学关联以及认知行为相关性。We comprehensively investigate how canonical features of FC networks vary with the choice of pairwise statistic, including (1) hub mapping, (2) weight-distance trade-offs, (3) structure–function coupling, (4) correspondence with other neurophysiological networks, (5) individual fingerprinting, and (6) brain–behavior prediction.我们发现了FC方法之间的实质性定量和定性变化。使用信息流量分解，我们发现FC方法之间的差异可能是由于对区域间通信的潜在机制的不同敏感性引起的，其中一些对冗余更敏感，有些对协同信息流。在整个过程中，我们都观察到，诸如协方差（完全相关），精度（部分相关）和距离之类的措施显示出多种理想的特性，包括与结构连接性的紧密对应，使个人区分的能力和预测行为的个性差异。总而言之，我们的报告强调了对特定神经生理机制和研究问题定制成对统计的重要性，为将来的研究提供了蓝图，以优化其对FC方法的选择。
ye 23资助的排放-PWC基准测试
透明度的需求：越来越多的金融机构（FIS）正在寻求对排放数量的保证，但披露水平的差异持续存在。即将到来的ISSB和CSRD法规将提高一致性和透明度。随着排放数据的可用性，资产范围范围和模型设计的改善，许多FI正在重新审视和重述其先前的披露。我们已经确定了19个FIS重述他们的数字，通常以提高数据质量，更新范围和误差校正。此外，更多的FI正在投资并披露可持续财务的目标，这表明对准确和负责的环境报告的承诺日益增加。
基准测试信任：可信赖的机器学习的指标
摘要。在机器学习研究的不断发展的景观中，可信赖性的概念受到关注的数据和模型的关键考虑。但是，缺乏普遍同意对可信赖性概念的定义提出了一个巨大的挑战。缺乏这种定义会阻碍有意义的交换和评估信任的比较。使事情变得更糟，目前几乎不可能提出可量化的度量。因此，机器学习社区无法将术语运行，而不是其当前状态，这是一个几乎不可抓的概念。这一贡献是第一个提出评估机器学习模型和数据集的信任度的度量标准。我们的薯条信任得分基于五个关键方面，我们理解是机器学习信任的基础构建基础 - 公平，稳健性，完整性，可解释性和安全性。我们通过三个数据集和三个模型评估了我们的指标，从而探讨了该指标的可靠性，通过吸引了10位机器学习研究人员的专业知识。结果强调了我们方法的有用性和可靠性，看到参与者评级之间的分离重叠。
用于选择永久保存文件的人工智能基准测试工具
将文档分类到不同的保留计划中对于选择过程非常重要。通常，使用由各种保留标准设置的规则对文档进行分类。这些由知识和信息管理手动处理。然而，随着原生数字文档的数量不断增加，文档选择和分类可能是一项艰巨的任务。此外，由于数字文档的内容很容易被复制和再现，情况变得更加复杂。如果文档未正确分类，则部门内各个分支机构分散的文档多份副本可能会构成严重的安全威胁。英国国家档案馆 (TNA) 数字保存部门的研究团队正在研究如何使用现有的人工智能工具进行文档选择过程。本文报告了团队使用开源库开发的基准测试工具，以与市场上流行的商业工具进行比较。
在 Achronix Speedster®7t FPGA 上进行 AI 基准测试
摘要 — 具有自回归关键路径或递归的机器学习网络的部署通常不能很好地利用 AI 加速器硬件。此类网络（如自动语音识别中使用的网络）必须以低延迟和确定性尾部延迟运行，以适应大规模实时应用。在本文中，我们介绍了一种推理引擎的覆盖架构，然后在 Speedster7t FPGA 上实现该架构。Speedster7t 是 Achronix Semi-conductor Corporation 生产的 AI 优化设备。我们展示了所考虑的网络类型的潜在高利用率。具体来说，我们描述了一种双时钟方法，该方法可实现 Speedster 设备中机器学习处理器块额定频率的 74.7% 的时钟频率。我们表明，该设备可以在一组标准的 AI 基准测试中实现 36.4 TOPS，并表明它可以在一系列场景中实现约 60% 的设备总体效率。然后，我们重点介绍了这种架构对于自动语音识别等低延迟实时应用的好处。
对 cEEGrid 和固体凝胶电极进行基准测试... - OSF
图 1. (a) ISAE-SUPAERO 的三轴运动飞行模拟器。(b) 双耳 cEEGrid 电极的定位，标有记录参考（蓝色）和 DRL（绿色）电极。右侧网格上的电极 R4a 和 R4b 未在我们的设置中记录。布局改编自 EEGLAB (v.2019.1)（Delorme and Makeig，2004）中的 cEEGrid 插件（Martin G. Bleichner，2019）。(c) 清洁和准备参与者的皮肤后，将左耳网格贴在参与者耳朵周围时的定位。(d) 带有来自 Enobio 设备的针脚的干电极（左）的图示，以及用具有硅胶稠度的固体凝胶封装的相同电极（右），以避免不适甚至疼痛。