XiaoMi-AI文件搜索系统
World File Search Systemdal
歌剧：通过过度信托的惩罚和转录分配
幻觉是对多模态大语言模型（MLLM）的普遍挑战的幻觉，极大地阻碍了他们需要精确判断的真实用法。现有方法可以通过特定设计的数据进行培训，或通过其他来源的特定知识来缓解此问题，从而产生了不可避免的额外费用。在本文中，我们提出了一种新型的MLLM解码方法，该方法基于o-vertust pe nalty和r eTroptoction-llocation策略，它是一种几乎免费的午餐，可以减轻幻觉问题，并没有其他数据，知识，知识或培训。我们的方法始于一个有趣的观察结果，即，大多数幻觉与自我注意力矩阵所表现出的知识聚集作用紧密相关，即MLLM倾向于通过关注一些摘要的代价来产生新的代币，但并非所有以前的代币。这种部分过度信任的倾向会导致忽略图像令牌，并用幻觉描述图像内容。基于观察结果，Opera在梁搜索解码过程中引入了对模型逻辑的惩罚术语，以使Miti-Gate the Trust问题以及回滚策略回顾了在预先生成的令牌中存在摘要令牌的存在，并在必要必要时重新分配给标记。通过广泛的实验，Opera在不同的MLLM和指标上表现出明显的幻觉降低性能，证明其有效性和性质。我们的代码为：https：//github.com/shikiw/opera。
胶体药物载体
生物颗粒通常充满负电荷，而施用的颗粒可以积极或负电荷，并且由于流体变化而可以更改电荷。带电的颗粒被相反电荷的相关带电物种包围，形成了电气双层。当带电的载体和生物分子处于近距离接近时，它们相关的带电层将重叠。如果两种材料的收费相同，则会引起排斥，但是如果它们相反，则会引起吸引力。DLVO理论以Derjaguin和Landau，Verwey和Overbeek的名字命名。DLVO理论描述了两个相同电荷彼此接近的粒子之间的净相互作用。在等离子体中，离子强度使得次级最小值可能是可能的，因此相同电荷的材料将在该区域显示出净吸引力。在分离的短距离上，不同的力占主导地位，在该区域，表面性质变得重要。可能会合理地断言，由于生物分子通常是负电荷的（为了防止在生物环境中的电荷相互作用），因此最好将管理载体设计为也是负责（或至少没有积极的）。在大多数情况下，这不足以防止调理。
实习飞行软件、计算机视觉和人工智能 瑞士苏黎世 公司：Daedalean 是一家总部位于苏黎世的初创公司，由前谷歌和 SpaceX 工程师创立，他们希望在未来十年内彻底改变城市航空旅行。我们结合计算机视觉、深度学习和机器人技术，为飞机开发最高级别的自主性（5 级），特别是您可能在媒体上看到的电动垂直起降飞机。如果您加入我们的实习，您将有机会与经验丰富的工程师一起工作，他们来自 CERN、NVIDIA、伦敦帝国理工学院或……自治系统实验室本身。您将构建塑造我们未来的尖端技术。最重要的是，我们还提供在瑞士阿尔卑斯山试飞期间与我们的飞行员一起飞行的机会。项目：不同的团队都提供机会。我们希望更多地了解您，以及我们如何让您的实习成为双方宝贵的经历。告诉我们您一直在做什么，以及您想在我们的团队中从事什么工作。它与深度学习有关吗？状态估计？运动规划？计算机视觉？或者其他什么？向我们展示您的热情所在。如果我们可以在您想要从事的领域提供指导和有趣的机会，我们将一起敲定细节。资格：强大的动手 C++ 经过验证的解决问题的能力如何申请：将您的简历/履历发送至 careers@daedalean.ai 。电话
实习飞行软件、计算机视觉和人工智能瑞士苏黎世公司：Daedalean 是一家总部位于苏黎世的初创公司，由前谷歌和 SpaceX 工程师创立，他们希望在未来十年内彻底改变城市航空旅行。我们结合计算机视觉、深度学习和机器人技术，为飞机开发最高级别的自主性（5 级），特别是您可能在媒体上看到的电动垂直起降飞机。如果您加入我们的实习，您将有机会与经验丰富的工程师一起工作，他们来自 CERN、NVIDIA、伦敦帝国理工学院或……自治系统实验室本身。您将构建塑造我们未来的尖端技术。最重要的是，我们还提供在瑞士阿尔卑斯山试飞期间加入我们飞行员的机会。项目：不同团队提供机会。我们想更多地了解您，以及如何让您的实习成为双方宝贵的经历。告诉我们你一直在做什么，以及你想在我们的团队中从事什么工作。它与深度学习有关吗？状态估计？运动规划？计算机视觉？或者别的什么？向我们展示你的热情所在。如果我们可以在你想从事的领域提供指导和有趣的机会，我们将一起敲定细节。资格： 强大的动手 C++ 证明解决问题的能力 如何申请： 将您的简历/履历发送至 careers@daedalean.ai 。请告诉我们一些关于您自己的信息，为什么您认为自己适合我们以及为什么我们适合您。
斯托克代尔号 (DDG 106) 入职信息
指挥长：cmc@ddg106.navy.mil 赞助商协调员：Sponsor@ddg106.navy.mil 监察员：stockdale.ombudsman@gmail.com 圣地亚哥海军基地分为干区（最近陆地）和湿区（最近水域）。与 Harbor Drive 平行的铁路轨道将两侧分开。仅一座人行桥连接它们。如果您正在报道并且 STOCKDALE 在港口，您可以在 32 街（湿区）的圣地亚哥海军基地找到我们。请联系您的赞助商，了解您抵达当天我们在哪个码头。您可以在 Quarterdeck 的港口 24 小时找到 STOCKDALE 水手。我们的号码会根据码头分配而变化，请确保您从赞助商处获得最新信息。如果您正在报告并且 STOCKDALE 正在航行，请直接前往圣地亚哥海军基地临时人员单位（干侧）。他们全天 24 小时有人值班，可以在以下位置找到：
多模态人工智能中的偏见：公平自动招聘的试验台
决策算法在社会中的存在感如今正在迅速增加，同时人们也开始担心其透明度以及这些算法可能成为新的歧视来源。事实上，许多相关的自动化系统已被证明会根据敏感信息做出决策或歧视某些社会群体（例如，某些用于人员识别的生物特征识别系统）。为了研究当前基于异构信息源的多模态算法如何受到数据中的敏感元素和内部偏见的影响，我们提出了一个虚构的自动招聘测试平台：FairCVtest。我们使用一组有意识地以性别和种族偏见进行评分的多模态合成档案来训练自动招聘算法。FairCVtest 展示了此类招聘工具背后的人工智能（AI）从非结构化数据中提取敏感信息并以不良（不公平）的方式将其与数据偏见结合起来的能力。最后，我们列出了最近开发能够从深度学习架构的决策过程中删除敏感信息的技术的列表。我们使用其中一种算法（SensitiveNets）来实验歧视感知学习，以消除我们多模态 AI 框架中的敏感信息。我们的方法和结果展示了如何生成更公平的基于 AI 的工具，特别是更公平的自动招聘系统。
EmbodiedScan：面向具身 AI 的整体多模式 3D 感知套件
摘要 在计算机视觉和机器人领域，具身代理有望探索其环境并执行人类的指令。 这就需要能够根据第一人称观察充分理解 3D 场景，并将其语境化为语言进行交互。 然而，传统研究更多地侧重于从全局视角进行场景级输入和输出设置。 为了解决这一差距，我们引入了 EmbodiedScan，这是一个多模态、以自我为中心的 3D 感知数据集和整体 3D 场景理解的基准。 它包含超过 5k 个扫描，封装了 1M 个以自我为中心的 RGB-D 视图、1M 个语言提示、160k 个 3D 导向框，涵盖 760 多个类别，其中一些与 LVIS 部分一致，以及具有 80 个常见类别的密集语义占用率。 基于这个数据库，我们引入了一个名为 Embodied Perceptron 的基线框架。它能够处理任意数量的多模态输入，并表现出卓越的 3D 感知能力，无论是在我们建立的两个系列基准测试（即基本 3D 感知任务和基于语言的任务）中，还是在野外。
从大维也纳至今的艺术、思想和大脑...
* 埃里克·坎德尔因其在神经元记忆存储的生理基础方面的研究而获得了 2000 年诺贝尔医学奖。他是哥伦比亚大学生物物理学和生物化学教授。他是美国国家科学院、美国国家医学研究所和美国艺术与科学学院等重要协会的成员。坎德尔获得了九个荣誉学位。1 诺贝尔奖获得者埃里克·坎德尔运用他的科普技巧将我们带到了 20 世纪的维也纳，在那里，科学和艺术领域最杰出的人物发起了一场革命，这场革命永远改变了我们看待人类思维的方式。在当时的维也纳沙龙中，人们讨论的一些观点标志着心理学、神经生物学、文学和艺术的转折点。这些思想导致了至今仍有影响力的进步。西格蒙德·弗洛伊德通过展示无意识的攻击性和性欲是如何在梦境和行为中象征性地表达出来的，震惊了世界。阿瑟·施尼茨勒创新地运用内心独白，揭示了女性无意识的性欲。古斯塔夫·克里姆特 (Gustav Klimt)、奥斯卡·柯克施卡 (Oskar Kokoschka) 和埃贡·席勒 (Egon Schiele) 创作了极具感染力的作品，表达了快乐、欲望、痛苦和恐惧。《潜意识时代》帮助我们理解使艺术和科学创造力成为可能的大脑机制，开辟了思想史的新维度（摘自 E.R.Kandel，《无意识时代》，引文，第 154 页。 622； （G. Guerrerio 翻译）
dmr：视觉增强学习中的框架和事件融合的分解多模式表示
我们使用两种互补视觉方式探索视觉增强学习（RL）：基于框架的RGB凸轮和基于事件的动态视觉传感器（DVS）。iSTING多模式视觉RL方法在有效提取与任务相关的信息时经常遇到挑战。为了解决这个问题，我们提出了用于视觉RL的分解多模式表示（DMR）框架。它将输入分为三个不同的组成部分：与任务相关的效果（共同功能），RGB特异性噪声和DVS特异性噪声。共同创作表示与RL任务相关的两种模式中的完整信息；这两个噪声组件都受到数据重构损失以避免信息泄漏的约束，与共同创作形成对比，以最大程度地差异。广泛的经验表明，通过明确分开不同信息的类型，我们的方法可实现与最先进的方法相比，实质性改善的政策绩效。