XiaoMi-AI文件搜索系统
World File Search Systemnaturalness
应用人工智能很重要 AI4Code
近年来，人工智能 (AI) 技术与源代码生成、维护和使用相关问题的结合已成为 AI 的一个重要应用领域 1。最近这方面的关注很大程度上可以归因于自然语言处理 (NLP) 技术和子领域的同期进步。自然性假说认为“软件是人类交流的一种形式”，代码表现出与 (人类) 自然语言相似的模式（Devanbu，2015 年；Hindle、Barr、Gabel、Su 和 Devanbu，2016 年），这使得许多 NLP 进步能够应用于以代码为中心的用例。这一发展促进了社区的大量工作——其中大部分内容都记录在 Allamanis、Barr、Devanbu 和 Sutton (2018) 的一项调查中，该调查侧重于根据应用于源代码的概率模型类型对这些方法进行分类。
EN EN ***I 草案报告 - 欧洲议会
(8) 监测工具和技术的快速发展，特别是通过星载或空中方式进行地球观测以及全球导航卫星系统的快速发展，为森林监测的现代化、数字化和标准化提供了独特的机会，为森林使用者和当局提供服务，并支持自愿的综合长期规划，同时刺激了欧盟市场在这些技术和相关新技能方面的增长，包括针对中小企业（SME）。到目前为止，地球观测可以探测到森林覆盖率的快速变化，例如由于森林干扰而导致的快速变化，并可提高森林监测的效率。然而，需要进行地面测量来开发、验证和校准地球观测数据产品。此外，许多与森林干扰或生物多样性相关的特征（例如森林干扰原因的归因、枯木数量、森林自然度或原始森林的存在）仅使用地球观测很难预测大面积区域。
实施人类的参与检测 -
摘要：这项研究开发了一个全面的机器人系统，称为机器人认知系统，用于复杂的环境，整合了三个模型：参与模型，意图模型和人类 - 机器人相互作用（HRI）模型。该系统旨在通过使机器人准确地检测人类的行为，意图和情感来增强HRI的自然性和舒适性。一种新颖的双臂移动机器人MOBI旨在证明该系统的功效。参与模型利用眼睛凝视，头部姿势和动作识别来确定相互作用启动的合适力矩，以解决潜在的眼神接触焦虑。意图模型采用情感分析和情感分类来推断互动者的意图。与Google DialogFlow集成的HRI模型，根据用户反馈促进了适当的机器人响应。该系统的性能在零售环境方案中得到了验证，这表明了它可以改善HRIS用户体验的潜力。
小型E：小语言模型具有线性注意的高效语音综合
由语言模型提供支持的文本到语音（TTS）的最新进步已在实现自然性和零发音克隆方面表现出了显着的功能。值得注意的是，仅解码器的变压器是该域中的突出体系结构。然而，变形金刚面临着依赖于二次复杂性的挑战，在冗长的序列和资源约束的硬件上阻碍了训练。此外，对于TTS比对的单调性质，它们缺乏特定的感应偏见。作为回应，我们建议用重复的架构替换变压器，并引入专门的交叉注意机制，以减少重复和跳过问题。因此，我们的体系结构可以在长样本上有效训练，并实现最先进的零镜头语音克隆，以相对于可比大小的基线。我们的实现和演示可在https：// github.com/theodorblackbird/lina-speech上找到。索引术语：语音综合，零射击自适应文本到语音，语言建模，线性注意1。简介
基于 AI 的人工制品语音功能对代理的作用 基于 AI 的人工制品语音功能对代理归因的作用
私人、组织和社会领域中基于人工智能 (AI) 的人工制品的普及和日益复杂化正在改变人类与机器的交互方式。例如，关于人类感知基于 AI 的人工制品的方式的理论对于理解为什么以及在多大程度上人类认为这些人工制品能够胜任决策至关重要，但传统上却采取了与模态无关的观点。在本文中，我们理论化了一种特殊的交互情况，即基于语音的与基于 AI 的人工制品的交互。我们认为，在自然语言处理的不断进步的推动下，此类人工制品的能力和感知自然性促使用户认为人工制品能够以目标为导向的方式自主行动。我们表明，人工制品的语音能力与用户的代理归因之间存在正向直接关系，最终掩盖了人工制品的真实性质和能力。这种关系进一步受到工件的实际代理、不确定性和用户特征的影响。
与海变斗争
虽然对海洋二氧化碳去除（MCDR）的研究扩大了速度，但对单个MCDR选项的风险和好处的重要未知数仍然存在。本文分析了对MCDR的专家理解的假设和期望，重点是对这一新兴气候行动领域负责任治理的核心问题。利用了与参与MCDR研究项目的专家进行学术和企业家精神的访谈，我们重点介绍了四个主题紧张关系，这些主题紧张局势使他们的思维定向，但在科学和技术评估中通常是未陈述或隐含的：（1）“自然性”作为MCDR方法评估的标准的相关性； （2）通过循证建设的替代范式来加速研发活动的需要； （3）MCDR作为一种废物管理形式的框架，反过来又将产生新的（目前知之甚少）的环境污染物形式； （4）对包容性治理的承诺，在确定MCDR干预措施中的特定利益相关者或选民方面的困难。尽管对这四个问题的专家共识不太可能，但我们建议确保考虑这些主题的方法丰富有关新型MCDR能力的负责发展的辩论。
珀西：多模式数据集和对话系统...
摘要 - 将对话代理集成到我们的日常生活中已经变得越来越普遍，但是这些代理中的许多代理无法与人类进行深入的互动。尽管如此，仍然存在明显的数据集，这些数据集从人类机器人交互对话中捕获了多模式信息。为了解决这一差距，我们已经开发了一个个人情感机器人对话系统（Percy），并记录了一个新型的多模式数据集，其中包含丰富的体现相互作用数据。该过程涉及要求参与者填写问卷并在十个主题上收集他们的个人资料，例如爱好和喜欢的音乐。随后，我们在机器人与参与者之间进行了对话，利用GPT-4根据参与者的概况和情感状态来产生适当的响应，这是由面部表达识别和情感分析确定的。自动评估，以评估收集数据的整体质量。两种评估的结果都表明对话中的自然性，参与度，流利性，一致性和相关性以及机器人提供促进反应的能力。值得注意的是，数据集源自与机器人的真正互动，涉及提供个人信息并传达实际情感的参与者。代码和数据集可在[匿名]上公开获取。
探索公众对基因的态度的景观 -
社会食品技术的成功或失败在很大程度上取决于公共利益，关注，图像和周围的期望。本文深入研究了日本对基因编辑食品的公众态度，探讨了接受或拒绝这些产品的原因。一项文献综述和2022年在日本进行的调查的初步发现，目的是确定对评估基因编辑食品的社会接受至关重要的关键问题。研究表明，公众认为基因编辑的食物有些不自然，但是在仔细检查后，受访者观察到态度的显着差异。一些受访者对基因编辑的食物有利，尤其是那些受益于消费者的食物，而另一些受访者则对其感知的人物表示担忧。此外，许多受访者对基因编辑食品表现出冷漠或缺乏明确的观点。这些发现反映了公众态度，自然性和基因编辑食品的社会接受之间的复杂关系。此外，该研究表明，密切关注那些避免在调查中表达观点的人的重要性。这个细微的景观需要进一步探索。