XiaoMi-AI文件搜索系统
World File Search Systemnotion
通过准确率和召回率评估生成模型
生成模型的最新进展引起了人们对统计差异作为模型比较手段的研究兴趣。常用的评估方法，例如 Fréchet 初始距离 (FID)，与样本的感知质量有很好的相关性，并且对模式下降很敏感。然而，这些指标无法区分不同的失败案例，因为它们只产生一维分数。我们提出了一种新的分布精度和召回率定义，将差异分解为两个独立的维度。所提出的概念直观，保留了理想的属性，并自然而然地产生了一种可用于评估生成模型的有效算法。我们将这个概念与总变异以及最近的评估指标（如初始分数和 FID）联系起来。为了证明所提出方法的实用性，我们对生成对抗网络和变分自动编码器的几种变体进行了实证研究。在大量实验中，我们表明所提出的指标能够将生成样本的质量与目标分布的覆盖范围区分开来。
规划和开发的环境指导
指导声明是协助支持者、决策机构和其他方实现环境可接受结果的一部分。与持续改善环境和适应性环境管理的理念一致，EPA 希望支持者采取一切合理可行的措施来保护环境，并将本指南的要求视为必要的最低标准。
查看5G固定无线访问（FWA）
•ATEL•JATON TEEC。•SMAWAVE•BEC技术•TCL•系统CASA•智能技术。•老虎•昌港•miwire aps•kangwai toces•从技术•Mobot•T＆W•Flymotem•NetGear•Wavetel•Nokia•诺基亚•WNC
心理学与人工智能正处在十字路口：复杂系统如何解释自身？
构建有用的人工智能 (AI) 系统的一个挑战是，人们需要了解它们的工作原理，以便获得适当的信任和依赖。这已成为一个备受关注的话题，表现为对可解释人工智能 (XAI) 的研究激增。许多研究假设了一种模型，其中人工智能会自动生成解释并将其呈现给用户，用户对解释的理解会带来更好的性能。对解释推理的心理学研究表明，这是一个有限的模型。XAI 系统的设计必须充分参考认知模型和教学模型，基于人们试图向其他人解释复杂系统时会发生什么以及人们试图推理出复杂系统如何工作时会发生什么的经验证据。在本文中，我们将讨论 CS Peirce 的溯因推理概念如何以及为什么是 XAI 的最佳模型。皮尔士关于溯因推理是一种探索性活动的观点可以被认为是由于其与现代应用认知心理学家所开发的专家推理模型相一致而得到支持的。
使用近似误差校正接近量子单例界限
众所周知，没有任何速率为 푅 的量子纠错码能够纠正超过 ( 1 − 푅 )/ 4 部分符号的对抗性错误。但是，如果我们只要求我们的代码能够大致恢复消息呢？在这项工作中，我们针对接近量子单例界限 ( 1 − 푅 )/ 2 的对抗性错误率构建了可有效解码的近似量子码，对于任何恒定速率 푅 。具体来说，对于每个 푅 ∈( 0 , 1 ) 和 훾 > 0，我们构造速率为 푅 、消息长度为 푘 和字母表大小为 2 푂 ( 1 / 훾 5 ) 的代码，这些代码可以有效地解码 ( 1 − 푅 − 훾 )/ 2 分数的对抗性错误，并恢复高达反指数误差 2 − Ω ( 푘 ) 的消息。在技术层面，我们使用经典的鲁棒秘密共享和量子纯度测试将近似量子误差校正减少到合适的量子列表解码概念。然后，我们通过 (i) 引入折叠量子 Reed-Solomon 码和 (ii) 应用新的量子版本距离放大来实例化我们的量子列表解码概念。
舞台上表演/观看人工智能
在过去的二十年中，我们观察到人工智能算法作为表演工具的实验。从早期的测试（主要是在大学实验室进行的）到首次公开表演，这种实践已经产生了足够的证据来考虑其影响，无论是从设计的角度还是从接受的角度。计算机科学家已经使用表演和戏剧来测试人工智能的潜力。艺术家们已经使用人工智能来表达对存在和非肉身性的新批评。随着机器人在我们社会中的重要性日益提高，它们在舞台上迈出了第一步；人工智能代理已经与演员对话；一些算法已经管理了互动表演中参与者之间的互动。因此，我们可以预见到剧院中一种新的多面实践，这可能会进一步影响现场活动的概念。然而，对这种实践的分析不仅与创作者有关，而且可能从观众体验的角度开启新的思考。 “此时此地”的概念将表演美学实例化为表演者和观众之间的关系，我们或许可以根据算法的人工机构重新考虑这一概念。
量子伪纠缠 - DROPS
纠缠是一种量子资源，在某些方面类似于经典计算中的随机性。受 Gheorghiu 和 Hoban 最近研究的启发，我们定义了“伪纠缠”的概念，这是由有效构造的量子态集合所表现出的一种特性，这些量子态与最大纠缠的量子态没有区别。我们的构造依赖于量子伪随机态的概念——最初由 Ji、Liu 和 Song 定义——这些伪随机态是有效构造的状态，与（最大纠缠的）Haar 随机态没有区别。具体来说，我们给出了伪纠缠态的构造，其纠缠熵在每个切分上任意接近 log n，这是一个严格的界限，提供了计算与信息理论量子伪随机性之间的指数分离。我们讨论了该结果在矩阵积状态测试、纠缠提炼和 AdS/CFT 对应的复杂性中的应用。与该手稿的先前版本（arXiv：2211.00747v1）相比，该版本引入了一种新的伪随机状态构造，具有更简单的正确性证明，并且同时实现了所有切口的低纠缠技术上更强的结果。
利用扩展代理设计让孩子为他人进行设计
摘要 我们探讨儿童设计师如何提供技术设计理念，以减少同龄人可能经历的边缘化。为此，我们引入了扩展代理设计的概念，该概念超越了设计中的“代理即人”的概念，指导让儿童思考与自身经验有一定距离的群体的设计理念的方法。我们概述了使用此类方法的三个案例研究。首先，我们考虑技术背景下的扩展代理和不会说英语的新移民儿童。其次，我们考虑为有视力障碍和没有视力障碍的儿童设计技术的情况。最后，我们考虑为不同性格的儿童设计有趣的体验。我们反思这种扩展的代理概念在多大程度上可以用作克服边缘化和排斥的有效工具，当具有不同能力的儿童为彼此设计时。我们建议以更广泛的含义来描述、开发和改进扩展代理设计方法。
驯服量子理论中的复杂性Arxiv：2310.01484 ...
灵感来自物理系统只能包含有限数量的信息或复杂性的观念，我们引入了一个框架，该框架允许量化指定函数或集合所需的逻辑信息量。然后，我们将此方法应用于各种物理系统，并得出有效的Lagrangians中出现的参数依赖性物理观察物和耦合功能的复杂性。为了实施这些想法，必须考虑可以在O最低结构中定义的物理理论。o最小程度，是数学逻辑的概念，封装了驯服原则。人们认为，这种属性是许多已知的量子场理论固有的，并且与该理论的紫外线完成有关。要为这些理论中的每个语句分配复杂性，必须进一步限制允许的O-最低结构。为了举例说明这一点，我们表明可以使用PFAFFIAN O-WIMIMAL结构来置换许多物理系统，这些结构具有良好的复杂性概念。更普遍地，我们建议采用Binyamini和Novikov最近引入的急剧O-最低结构，作为衡量量子理论中复杂性的总体框架。