XiaoMi-AI文件搜索系统
World File Search Systempir
葡萄酒和蒸馏酒的灌装标准
2 通知 210A 错误地将 19.2 盎司葡萄酒的公制等值列为 545.5 毫升，而不是 568 毫升，这反映了美国苹果酒协会的意见以及英制盎司而非美制液体盎司的换算系数。评论回复涉及 19.2 盎司的尺寸，并在适用的情况下表明读者普遍理解该提案是针对美国盎司的，这是 TTB 的意图。本最终规则使用适当的换算系数来确定法规中的公制等值。
抗严重急性呼吸综合征的抗病毒药物......
摘要 到目前为止，已经进行了大量分析以发明严重急性呼吸综合征冠状病毒 2 (SARS‑CoV‑2) 的适当治疗靶点。本综述描述了该病毒的种类和治疗策略，并提到了一些特定药物。其中，柴胡皂苷对 SARS‑CoV‑2 的非结构蛋白 15 和刺突糖蛋白具有亲和力。发现核苷酸抑制剂如索非布韦、利巴韦林、加利地西韦、瑞德西韦、法匹拉韦、头孢呋辛、替诺福韦和羟氯喹 (HCHL)、塞曲布韦、YAK 和 IDX‑184 可有效结合 SARS‑CoV‑2 RNA 依赖性 RNA 聚合酶。在抗疟和抗炎类药物中，氯喹及其衍生物 HCHL 已被美国食品和药物管理局批准用于 SARS‑CoV‑2 感染的紧急治疗。根据之前发表的文献，我们已指出其他药物，如抗病毒类药物法匹拉韦和洛匹那韦/利托那韦、抗病毒类药物血管紧张素转换酶 2（肾素-血管紧张素系统抑制剂）、抗病毒类药物瑞德西韦（RNA 聚合酶抑制剂）、抗炎类药物千金藤素等。此外，对具有相关靶点的药物重新定位候选药物进行评估对于病毒缓解也具有重要意义。
朝着更好的视力启发的视觉语言模型
视觉语言（VL）模型最近取得了未经证实的成功，其中连接模块是弥合模式差距的关键。尽管如此，在大多数存在方法中，富裕的视觉线索尚未充分利用。在视觉侧，大多数现有方法仅使用视觉塔的最后一个功能，而无需使用低级功能。在语言方面，大多数现有的方法仅引入浅视力互动。在本文中，我们提出了一个视觉启发的视觉语言连接模块，称为VIVL，该模块有效利用了VL模型的视觉提示。为了利用视觉塔中的较低级别信息，引入了特征金字塔提取器（FPE），以结合不同中间层的特征，该特征将视觉提示与可忽略不计的参数和计算在头顶上。为了实现VL相互作用，我们提出了深视觉条件的提示（DVCP），可以有效地进行视觉和语言特征的深层互动。我们的VIVL超过了以前的最新方法，当时是18.1苹果酒在从头开始训练可可字幕任务，这极大地提高了数据效率。当用作插件模块时，VIVL始终提高各种骨干和VL框架的性能，在多个基准测试中提供新的最新结果，例如Nocaps和VQAV2。
Hanooman：一种生成的AI和大型语言模型聊天机器人，受到Hanuman勋爵的启发
摘要本文介绍了Hanooman，这是一种生成的AI和大型语言模型聊天机器人，其灵感来自Hindu Geity Lord Hanuman。Hanooman旨在体现力量，敏捷性和奉献精神的素质，利用尖端的语言处理能力，为用户提供信息丰富且引人入胜的对话。我们探索了哈诺曼的概念框架，架构和培训程序，展示了其在各个领域的潜在应用。我们的评估结果表明，在响应准确性和上下文理解方面，Hanooman优于现有的聊天机器人，使其成为自然语言处理和人类计算机互动的有前途的工具。大语言模型（LLM）和生成AI是人工智能的重大进步，彻底改变了我们与技术的互动，生成内容和理解人类语言的方式。llms，在大量数据集中受过培训，在语言翻译，文本摘要，问题答案和创意写作等任务中表现出色。生成的AI（AI的一个子集）会产生自主输出，通常表现出惊人的创造力和连贯性。印度亿万富翁穆克什·安巴尼（Mukesh Ambani）与IIT孟买和其他八个印度技术学院合作，加入了AI竞赛，以推出“ Hanooman”，这是一集，该集合以22种印度语言培训了大型语言模型。关键字：哈诺曼，大语言模型，人工智能，生成AI1。简介
人工智能城市挑战赛车辆重新识别实证研究
本文介绍了我们针对 2021 年人工智能城市挑战赛 (AICITY21) 的 Track2 的解决方案。Track2 是一个使用真实世界数据和合成数据的车辆重新识别 (ReID) 任务。在本次挑战中，我们主要关注四个点，即训练数据、无监督领域自适应 (UDA) 训练、后处理、模型集成。（1）裁剪训练数据和使用合成数据都可以帮助模型学习更多判别性特征。（2）由于测试集中有一个在训练集中未出现的新场景，因此 UDA 方法在挑战中表现良好。（3）后处理技术包括重新排名、图像到轨迹检索、摄像头间融合等，可显著提高最终性能。（4）我们集成了基于 CNN 的模型和基于 Transformer 的模型，它们提供了不同的表示多样性。通过上述技巧，我们的方法最终取得了 0.7445 的 mAP 分数，在比赛中获得第一名。代码可在 https://github.com/michuanhaohao/AICITY2021_Track2_DMT 获得。
量子内积的电路设计与高效模拟及其对近期混合量子-经典机器学习影响的实证研究
在量子计算机上可验证的较低复杂度。然而，量子电路 (QC) 的 QIP 体现仍不清楚，更不用说对 QIP 电路的 (彻底) 评估，特别是在 NISQ 时代的实际环境中，通过混合量子经典管道将 QIP 应用于 ML。在本文中，我们从头开始精心设计 QIP 电路，其复杂性与理论复杂性一致。为了使模拟在经典计算机上易于处理，特别是当它集成在基于梯度的混合 ML 管道中时，我们进一步设计了一种高效的模拟方案，直接模拟输出状态。实验表明，与之前的电路模拟器相比，该方案将模拟速度提高了 68k 倍以上。这使我们能够对典型的机器学习任务进行实证评估，从通过神经网络的监督和自监督学习到 K 均值聚类。结果表明，在量子比特足够的情况下，典型量子机制带来的计算误差一般不会对最终的数值结果产生太大影响。然而，某些任务（例如 K-Means 中的排序）可能对量子噪声更加敏感。
Team Inspration 2025 Roboboat的设计...
摘要 - 团队灵感从Roboboat 2024，Robosub 2024和Robotx 2024中汲取了教训，将我们的自主地面车辆（ASV），Barco Polo升级为2.0版。我们通过显着改善了我们的软件并安装新的壁球发射器和水枪，提高了Barco Polo的性能和可靠性，从而使尝试所有任务的能力。团队计划通过融合不同的全球导航卫星系统（GNSS）和一个具有深度感知的立体摄像头来完成使用同时本地化和映射（SLAM）的所有任务。我们还组织了电气系统，以解决测试期间观察到的电气连接的不稳定性。有条不紊的测试策略，包括单位测试，测试计划和状态会议，简化了开发过程，使远程成员能够与当地队友有效合作。设计审查，连续集成以及通过系统工程和敏捷过程的迭代反馈使团队能够快速失败并及时改善子系统。
总体项目规划 - Empire State Development
I. 项目背景和摘要 纽约州城市发展公司 (UDC) 以 Empire State Development 的名义 (ESD) 正在根据纽约州城市发展公司法案 (UDC 法案) 为 Empire Station Complex 市政和土地使用改进项目 (项目) 采纳此总体项目规划 (GPP)。该项目是一项综合重建计划，旨在以曼哈顿经过极大改进的纽约宾夕法尼亚车站 (宾州车站) 为中心创建一个复兴区。它将解决不达标和不卫生的条件，并为项目区域 (定义如下) 的重大市政改进提供建设。项目的主要组成部分将导致创建一个繁荣和可持续的交通导向区，并配备急需的公共交通改进和公共领域设施，详见下文。该项目促进了宾州车站重建和潜在扩建的相关计划。 1 该项目将通过一项全面的重建计划解决项目区域内不达标和不卫生的状况，该计划将创建一个有凝聚力的、以交通为导向的区域，并增加急需的混合用途开发和市政改善。具体而言，该项目将在项目区域的八个开发地点（“项目地点”或“地点”）上开发十栋新建筑。该项目的开发将包括新的现场入口和通往宾夕法尼亚车站和公共交通的通道。其公共领域的改善将改善周围的街景，并解决开放空间和行人、自行车和车辆流通问题。该项目旨在支持宾夕法尼亚车站的重建和潜在的向南扩建，这将通过独立但相关的项目完成，这些项目将由一个或多个参与的公共铁路运输实体承担，即纽约州大都会运输署（“MTA”）、国家铁路客运公司（“Amtrak”）和新泽西州交通局（“NJT”）。美铁大部分运营业务迁至莫伊尼汉火车站为重建宾夕法尼亚车站提供了机会。此外，美铁和在宾夕法尼亚车站运营的公共铁路运输实体正在规划宾夕法尼亚车站向南扩建至 780 号区块和 754 号区块和 806 号区块的部分区域，以容纳额外的轨道和站台。
自然风格的蛋白质循环回收
到2050年，世界的预计人口将为100亿。[1]与如此庞大的人口规模相关的最艰巨的可持续性挑战之一将是处理所有塑料产品[2]，即Poly-ersers的生产和回收。[3]毫不奇怪，在全球范围内进行聚合物回收的研究努力。机械回收倾向于导致原始材料，但质量较低。[4]一个更好的可能性是化学回收，[5,6]，即[7]化学[7] [7]或生物学[8]将聚合物催化为其组成单体，以便将它们重新聚合到同一质量的质量Mate-Mate-Mate-Rial，或A NEW（CO CO）。[9,10]另一种方法是将聚合物重新利用为不同的增值化学物质（升级）。[11-15]两种方法都是闭环，即与统一经济原则兼容。[16]