XiaoMi-AI文件搜索系统
World File Search Systemlutions
通用视频游戏 AI：竞争、挑战和机遇
简介 游戏长期以来一直是人工智能的流行基准。许多研究人员研究了各种算法和技术，试图在国际象棋、围棋、赛车游戏、吃豆人小姐、实时战略 (RTS) 游戏和超级马里奥兄弟等不同的计算机游戏中逼近最佳玩法。有时，这些研究主题伴随着某种竞赛，在统一的基准中测试不同的方法。游戏研究使算法 AI 取得了一些有趣的进展，例如使用并行 Alpha-Beta 剪枝（在国际象棋中），或在围棋游戏中看到的游戏 AI 中最流行的算法之一蒙特卡洛树搜索 (MCTS) 的进展。虽然特定游戏研究的贡献确实很重要，但特定游戏竞赛由于其固有结构而存在一个问题：提出的大多数解决方案往往过于专注于它们所应用的领域。换句话说，挑战的性质，甚至是赢得比赛的斗争，都鼓励参与者为算法提供高度定制的启发式方法，这些启发式方法仅适用于用于挑战的游戏。例如，世界冠军星际争霸代理
![arxiv：2501.05322v2 [CS.HC] 2025年1月12日](/simg/4\45604f250a4cc6bce085a805c5061f7c83224f79.webp)
arxiv：2501.05322v2 [CS.HC] 2025年1月12日
公众对自动驾驶汽车的不信任正在增长。研究强调需要解释这些车辆的行为以促进对自主系统的信任。口译员可以通过改善转移和降低感知风险来增强信任。然而，当前的表演通常缺乏以人为中心的方法来整合多模式解释。本文介绍了一种新颖的以人为本的多式联运解释器（HMI）系统，该系统利用人类的偏好提供视觉，文字和听觉反馈。系统将视觉互相视觉与鸟类视图（BEV），地图和文本显示结合在一起，并使用微调的大型语言模型（LLM）结合了语音交互。我们的用户研究涉及各种各样的细节，表明HMI系统大大提高了乘客对AVS的信任，使平均信任度增加了8％以上，对普通环境的信任提高了30％。这些结果强调了HMI系统通过提供清晰，实时和上下文敏感的车辆行动的解释来提高自动驾驶汽车的接受和可靠性的潜力。
重新定义植物疾病三角
该疾病三角形是一种结构简单但概念丰富的模型，用于植物病理学和其他研究领域，以解释不一致的疾病，这是宿主，病原体及其环境之间三向关系的结果。它也可以作为寻找治疗，预测和预防此类疾病的指南。凭借其以循证为基础的，基于证据的意识到，病原体的丰度和活性受到邻近性和与各种各样的其他微生物的相互作用的影响，并在同一宿主中殖民的多种微生物，该疾病三角形演变为四面体形状，这是添加了四个维度，该尺寸添加了宿主的尺寸，代表了宿主的微生物群。从最近制定的病原体范式中出现了另一种疾病三角形的变体，该范式从传染病的经典“一种病原体”病因中脱离，有利于一种疾病代表疾病代表宿主之间和宿主之间复杂相互作用的有条件结果的情况。结果是原始疾病三角形的一种版本，其中“病原体”用“微生物群”代替。在这里，作为对疾病三角疾病的起源，历史和用法的仔细而简洁的综述的一部分，我提出了下一步的进化，即用“健康”一词代替宿主 - 微生物群 - 环境三合会的“疾病”一词。这个三角形
生物矿化对 AA5083 合金海洋腐蚀防护的积极影响
确保材料的耐久性不仅与降低维护成本或避免结构设备故障有关。事实上，延长材料的使用寿命也应被视为减少对环境影响的方法之一，通过降低新产品的原材料和能源消耗。鉴于蓝色经济及其相关的多样化海洋活动的巨大潜力，与海洋环境的恶劣性有关的新挑战已经出现 [1,2]。同时，对传统防腐技术造成的海洋污染和生态威胁的担忧促使人们需要开发新的环保型防腐解决方案 [3 – 6]。在过去的几十年里，人们认识到微生物可以以有利的方式影响腐蚀行为，即所谓的 MICI（微生物影响的腐蚀抑制），对新兴的微生物技术进行了研究，开辟了不同的研究方向 [4,7 – 12]。微生物腐蚀抑制（MICI）的机制比传统保护策略的机制更为复杂，但尽管研究仍在
15. 信息技术
联邦信息技术 (IT) 为美国人提供重要的服务和信息，是政府在数字时代服务公众的基础。总统提议在各机构的 IT 上投入超过 920 亿美元 1 ，这些资金将用于提供关键的公民服务、确保敏感数据和系统的安全，并进一步实现现代政府的愿景。预算还支持总统管理议程 (PMA) 2 的 IT 现代化（现代化 IT 以提高生产力和安全性）跨机构优先 (CAP) 目标、支持机构技术规划、监督、资助和问责实践的联邦法律以及管理和预算办公室 (OMB) 对机构战略性使用 IT 以实现任务成果的指导。它还支持对过时且通常不安全的遗留系统进行现代化改造；机构迁移到安全、经济高效的商业云解决方案和共享服务；招聘、留用和重新培训联邦技术和网络安全员工以确保提供更高价值的服务；以及降低整个联邦企业的网络安全风险。这些投资将与 PMA 保持一致，重点解决结构性问题的根源，促进联邦机构之间加强合作与协调，并解决阻碍政府技术愿景的能力挑战。本分析不包括国防部机密 IT 投资的信息。
学习通过离线加强学习从观察中控制自主舰队
摘要 - 按需（AMOD）系统的自主移动性是一种不断发展的运输方式，其中中央协调的自动驾驶汽车的舰队动态地服务了旅行请求。这些系统的控制通常被称为一个大型网络优化问题，而增强学习（RL）最近已成为解决该领域中开放挑战的一种有前途的方法。最近的集中式RL方法专注于从在线数据中学习，而忽略了实际运输系统中的每样本相互作用。为了解决这些限制，我们建议通过离线强化学习的镜头正式对AMOD系统进行正式控制，并使用仅离线数据学习有效的控制策略，这很容易为当前的移动性运营商提供。我们进一步研究了设计决策，并根据现实世界中移动性系统的数据提供了经验证据，表明了离线学习如何恢复（i）（i）（i）与在线方法表现出相同的AMOD控制策略，（ii）允许样品有效的在线微调和（iii）消除复杂的模拟环境的需求。至关重要的是，本文表明，离线RL是在经济临界系统（例如迁移率系统）中应用基于RL的SO的有希望的范式。
多百万富翁的问题：新算法方法和协议
我们研究了多方计算中的一个基本问题，我们称之为多百万富翁问题（MMP）。给定一组私人整数输入，问题是要识别等于该集合的最大（或最小值）的输入子集，而无需揭示输入的任何更多信息，超出了所需的输出所暗示的内容。这样的问题是百万富翁问题的自然扩展，这是安德鲁Yao的开创性工作中提出的第一个多方计算问题（FOCS 1982）。一个密切相关的问题是最大值的最大值。我们研究了这些基本问题，并描述了几种算法方法和原始解决方案。此外，我们比较了几个选定设置下的协议的性能。随着保留隐私计算的应用在工业系统中越来越普遍实施，MMP和MAXP成为隐私保护统计，机器学习，拍卖和其他域中的重要构件。我们在这里提出的协议的重要优势之一就是它们的简单性。由于他们解决了各种应用程序场景中必不可少的基础问题的基本问题，因此我们认为对这些问题的提出的措施以及它们之间的比较将为未来的未来研究人员和安全分布式计算的从业人员服务。
发现黑盒优化的表示
黑盒优化中解决方案的编码是一种微妙的、手工平衡，既要考虑表达能力和领域知识，又要考虑探索各种解决方案和确保这些解决方案有用。我们的主要见解是，这个过程可以通过使用质量多样性算法（此处为 MAP-Elites）生成高性能解决方案的数据集，然后从该数据集中学习生成模型（此处为变分自动编码器）的表示来实现自动化。我们的第二个见解是，这种表示可用于将质量多样性优化扩展到更高维度，但前提是我们要仔细混合使用学习到的表示生成的解决方案和使用传统变分算子生成的解决方案。我们通过学习一千个关节平面臂的逆运动学的低维编码来展示这些能力。结果表明，学习到的表示使得能够以比标准 MAP-Elites 少几个数量级的评估来解决高维问题，并且一旦解决，生成的编码可用于快速优化新颖但相似的任务。所提出的技术不仅可以将质量多样性算法扩展到高维，而且表明黑盒优化编码可以自动学习，而不是手动设计。
neujeans：私人神经网络推断，卷积和引导的联合优化
完全同构加密（FHE）是一种有前途的加密原始原始性，用于实现私人神经网络推理（PI）服务，通过允许客户端将推理任务完全卸载到云服务器，同时使客户端数据不符合服务器。这项工作提出了Neujeans，这是一种基于深层卷积神经网络（CNN）PI的解决方案。neujeans解决了CNN评估的巨大计算成本的关键问题。我们介绍了一种称为系数中插槽（CINS）编码的新型编码方法，该方法可以在一个HE乘法中进行多次插入而无需昂贵的插槽排列。我们进一步观察到编码是通过在常规插槽编码中的密文上进行离散傅立叶变换（DFT）的前几个步骤来获得的。此属性使我们能够保存CINS和插槽编码之间的转换，因为启动绑带密文始于DFT。利用这一点，我们为各种二维卷积（Conv2D）操作设计了优化的执行流，并将其应用于端到端CNN启动。neujeans与基于最新的FHE PI工作相比，高达5.68倍的Conv2D激活序列的性能加速了，并在仅几秒钟内就可以在Imagenet的规模上执行CNN的PI。
美国商会季刊
暴利税 为应对能源成本上涨和高通胀水平对经济、工业生产和个人的影响，政府制定了一系列法律解决方案，将能源价格冻结在一定水平。通过开征暴利税来确保融资。据媒体和国家资产部消息，第一项改革提案旨在向所有在波兰运营的公司征收暴利税，这些公司雇用超过250名员工，每年商品、产品和服务销售净营业额以及金融运营收入超过等值5000万欧元兹罗提。在收到私营部门的反馈后，政府退出了实施此类解决方案的工作。美国商会的立场和参与支持了该决定的改变。然而，欧盟理事会在 9 月 30 日的会议上也提出了征收暴利税的问题，欧盟成员国同意对石油、天然气、煤炭和炼油厂行业的公司利润征收强制性临时团结税。团结税的计算依据是 2022 年或 2023 年开始的纳税年度中国家税法规定的应税收入，该收入超过 2018 年以来平均年度应税收入的 20% 增幅。