XiaoMi-AI文件搜索系统
World File Search Systemcharacters
用大语言模型自定义社交角色
基于角色的对话（字符）在行业中已经变得至关重要（例如，字符），使用户能够自由自定义社交互动。但是，在社交角色中固有的各种对话方案中的普遍性和适应性仍然缺乏公共的工业解决方案。通过解剖由固有的社会概况和外部社会行为组成的全面的社交角色，我们手动收集具有不同类别和行为的特征的大规模中国语料库，并与精心设计的改进方法一起开发特征模型。广泛的实验表明，特征glm形成了最流行的开放式和封闭源LLM，并且与GPT-4相当。我们发布了本地开发和部署的数据和模型：https：//github.com/thu-coai/targinglm-6b。1
AI模型制作楔形文字的精确副本
与埃及象形文字一起，楔形文字是最古老的写作形式之一，由1000多个独特的角色组成。这些角色的外观可能会在任何时代，文化，地理甚至个人作家中变化，从而使它们难以解释。康奈尔大学和特拉维夫大学（TAU）的研究人员开发了一种名为ProtoSNAP的方法，该方法“捕捉”了一个角色的原型，以适合印在平板电脑上的单个变体。
评估服装对虚拟字符中人格感知的影响
摘要：设计能够反映人格感的虚拟字符是虚拟现实和计算机图形中的研究和应用中的关键目标。越来越多的研究工作致力于调查通过将表达性的个性和样式注入虚拟化身，以构建多样，公平和包容的元方式。虽然大多数以前的工作都集中在探索虚拟角色动态行为的变化，但字符的视觉外观在影响其感知个性方面起着至关重要的作用。本文提出了一系列实验，评估了虚拟人物服装对其感知个性的影响。基于现实世界中进行的相关心理学研究，我们确定了一组可能反映虚拟特征的人格的服装因素：颜色，设计和类型。作为我们研究的框架，我们使用了“五巨头”个性模型来评估人格特质。为了检验我们的假设，我们进行了三个感知实验，以评估服装参数对角色人格的贡献。在我们的第一个实验中，我们通过不同的色调，饱和度和值来研究色素。在第二个实验中，我们评估了不同的领口，腰围和袖子设计的影响。在我们的第三个实验中，我们研究了五种服装类型的人格感知：专业，休闲，时尚，户外和室内。重要的结果为化身设计师提供了有关如何创建具有特定个性概况的虚拟字符的指导。我们进一步进行了验证测试，以扩展我们的发现的应用到增强现实（AR）和虚拟现实（VR）设置中的动画虚拟字符。结果证实，我们的发现可以广泛应用于VR和AR环境中通常用于游戏，娱乐和社交网络方案中的静态和动画虚拟字符。
非交流字符的实时多映射显着驱动的凝视行为
摘要 - 视频游戏和虚拟现实体验中虚拟角色的示威行为是现实主义和沉浸式的关键因素。的确，目光在与环境互动时扮演着许多角色。它不仅表明了角色在看什么，而且在言语和非语言行为以及使虚拟字符还活着中起着重要作用。凝视行为的自动计算是一个具有挑战性的问题，迄今为止，现有方法都无法在交互式环境中产生近实现的结果。 因此，我们提出了一种新型方法，该方法利用了与视觉显着性，注意力机制，accadic行为建模和头部凝视动画技术有关的几个不同领域的最新进展。 我们的方法阐明了这些进步，以收敛于多映射显着驱动的模型，该模型为非交流字符提供实时现实的凝视行为，以及与可自定义功能相比，其他用户控制，以构成各种各样的结果。 我们首先通过客观评估评估我们的方法的好处，该评估使用专门为此目的获得的眼睛跟踪数据集面对地面真理数据面对我们的视线模拟。 然后，与从真实演员捕获的凝视动画相比，我们依靠主观评估来衡量我们方法产生的凝视动画的现实水平。 我们的结果表明，我们的方法会生成视力行为，这些行为无法与捕获的凝视动画区分开。凝视行为的自动计算是一个具有挑战性的问题，迄今为止，现有方法都无法在交互式环境中产生近实现的结果。因此，我们提出了一种新型方法，该方法利用了与视觉显着性，注意力机制，accadic行为建模和头部凝视动画技术有关的几个不同领域的最新进展。我们的方法阐明了这些进步，以收敛于多映射显着驱动的模型，该模型为非交流字符提供实时现实的凝视行为，以及与可自定义功能相比，其他用户控制，以构成各种各样的结果。我们首先通过客观评估评估我们的方法的好处，该评估使用专门为此目的获得的眼睛跟踪数据集面对地面真理数据面对我们的视线模拟。然后，与从真实演员捕获的凝视动画相比，我们依靠主观评估来衡量我们方法产生的凝视动画的现实水平。我们的结果表明，我们的方法会生成视力行为，这些行为无法与捕获的凝视动画区分开。总的来说，我们认为这些结果将为实时应用程序的现实和连贯凝视动画的更自然和直观设计开辟道路。
美国政府出版物月刊，1967 年 6 月 /
弗吉尼亚州 22171。AMEL（航空医疗设备实验室）是美国海军的一部分。WADC（莱特航空发展中心，后来为 WADD，。..部门）、ESD（电子
数字生活项目：具有社会智能的自主3D字符
1。引言大语模型（LLMS）[53，62]的最新进展改变了人类计算机相互作用的景观，促进了各个领域的创新应用的出现。很值得一提的是，许多曾经牵强的幻想逐渐成为切实的现实。在这项工作中，在最近的科幻小说中所设想的数字生命项目（DLP）一词被采用以构成我们的努力。哪些有资格成为数字生活？从心理角度来看，人类由内部心理过程（思想，例如思想）和外部行为组成[32]。从这个角度来看，我们的目标是利用LLM的精致能力来制作虚拟3D字符，这些字符模仿人类的全部心理过程，并与合成的3D身体运动进行多样化的互动。最近，Park等。引入了生成剂[42]，以推动能够模拟人类样的AI剂。尽管取得了令人鼓舞的进步，但这项开创性的工作还是建立在许多简化互动的基础上：代理人以像素化的2D数字表示。共同体[73]旨在建立协作体现的AI，并包括3D代理。但是，3D代理人仍然受到一小部分动作的影响，并且没有表现出社交的能力。现有的作品因此忽略了精致的人类肢体语言的重要性，通过该语言传达了至关重要的信息[7，25，26]。在这里，运动匹配是现代 -此外，当前社会智能模型存在明显的缺陷。这一方面对于不仅模仿人类行为，而且具有人类的思维和情感反应的人物的范围至关重要，甚至具有促进长期关系的能力。为了达到DLP的愿望，我们介绍了一个由两个基本组成部分组成的框架。首先，这是一个精心设计的“数字大脑”，并在严格应用的心理原理中进行设计。利用LLM的紧急能力[40，53，66]，大脑产生高级指示并计划角色的行为。值得注意的是，Sociomind从心理测试中引入了很少的射击典范，以形成人格建模的指导结构，在记忆反射过程中利用社会认知心理学理论，并设计了角色之间的谈判机制以进行故事进展。第二，介绍了Momat-mogen范式以解决交互式运动合成的“数字体”，该范例利用了运动匹配[12]和运动生成[76]的互补性质。
评估罗望子的定量和形态特征（tamarindus indica L.）基因型
Pharma Innovation Journal 2023; 12（12）：1417-1421 ISSN（E）：2277-7695 ISSN（P）：2349-8242 NAAS评级：5.23 TPI 2023; 12(12): 1417-1421 © 2023 TPI www.thepharmajournal.com Received: 04-09-2023 Accepted: 09-10-2023 SR Wale Horticulture Section, College of Agriculture, Dhule, Maharashtra, India CV Pujari Horticulturist, Banana Research Station, Jalgaon, Maharashtra, India SV印度马哈拉施特拉邦艾哈迈德纳加尔（Rahuri）的圣雄园林院院园林系，印度马哈拉施特拉邦，马哈拉施特拉邦PS Patil园艺科，杜莱学院，杜莱学院印度卡纳塔克邦（Karnataka）
超过 140 个字符：创新和创业在经济增长中的作用简介
这是即将出版的《创新和创业在经济增长中的作用》一书的介绍。本卷收集的章节旨在回答以下问题：创新/创业与特定工业部门的经济增长之间的关系是什么？创新/创业与经济增长之间的关系如何随时间而变化？旨在鼓励创新或创业的政策、计划和专门机构最终在多大程度上刺激了经济增长？除了通过衡量生产力和经济增长之外，创新或创业是否还影响经济表现和社会进步？如果是，如何衡量这些影响？我们综合了本卷的各章并提出了广泛的结论。
使用机器人角色扮演角色扮演：通过叙事和游戏代理增加用户参与
现场娱乐活动正朝着更大的参与式审议迈进，并通过观众互动讲述了动态的叙述。robot角色提供了一个独特的机会，可以减轻大规模创建个性化娱乐的挑战。但是，机器人通常无法对受众的反应做出反应，从而限制了观众参与的机会。在这项工作中，我们探讨了在具有机器人角色的现场娱乐体验中增加用户代理的方法，以改善用户参与度和享受。在受试者间研究（𝑁= 60）中，我们创建了一个身临其境的故事，用户角色扮演作为具有两个不同机器人角色的侦探。用户（1）通过与机器人交谈（叙事条件）交谈，在故事中具有更大的参与和自我认同，（2）在解决难题（游戏玩法）（游戏玩法）中具有更积极的作用，或者（3）在不受机器人提示的情况下跟进输入（CON-TROL条件）。我们的结果表明，在角色扮演或游戏玩法中，在角色扮演体验中增加用户代理，证明了用户的流动状态，自主性和能力的感觉，口头参与以及对机器人角色参与度的看法。不断增加的叙事机构还导致了参与者的更长的未提及的反应，而游戏机构改善了与机器人的影响和相关性的感觉。这些发现表明，创建叙事或游戏机构可以改善用户参与度，这可以扩展到更广泛的机器人互动，其中游戏元素和故事中的角色扮演可以合并。
torchdriveenv：一种增强性学习基准，用于自动驾驶，具有反应性，现实和多样的不可播放的字符
摘要 - 澳大利亚车辆的培训，测试和部署需要现实有效的模拟器。此外，由于不同自主系统中呈现的不同问题之间存在很高的可变性，因此这些模拟器需要易于使用，并且易于修改。为了解决这些问题，我们介绍了Torchdriveim及其基准扩展TorchdriveEnv。TorchdriveEnv是完全在Python中编程的轻质增强学习基准，可以对其进行修改以测试学习车辆行为的许多不同因素，包括不同的运动模型，代理类型和交通控制模式的影响。最重要的是，与许多基于重播的仿真方法不同，TorchdriveEnV与最先进的行为模拟API完全集成。这使用户可以与数据驱动的不可播放的字符（NPC）一起训练和评估驾驶模型，其初始化和驾驶行为是反应性，现实和多样的。我们通过评估培训和验证环境中的常见强化学习基准来说明TorchdriveEnv的效率和简单性。我们的实验表明TorchdriveEnV易于使用，但难以解决。