XiaoMi-AI文件搜索系统
World File Search Systemsange
![arxiv：2404.08148v1 [CS.CL] 2024年4月11日](/simg/2\2a6fe29623c4e2bceacf62862efeb81e6a7d68ba.webp)
arxiv：2404.08148v1 [CS.CL] 2024年4月11日
蒸馏出明确的思想推理路径已成为提高各种任务中大语言模型（LLM）的推理能力的有效方法。但是，当解决对最先进模型构成重大挑战的复杂任务时，这种技术通常会努力产生有效的思想链，从而导致正确的答案。在这项工作中，我们提出了一种新颖的方法，通过利用其解释解决方案的能力来使LLM的推理能力蒸馏出来。我们将我们的方法应用于解决竞争级别的编程挑战。更具体地说，我们采用LLM来生成一组<问题，解决方案程序>对的解释，然后使用<问题，解释>对微调一个较小的语言模型，我们将其称为推理者，以学习算法的推理，可以为不可见的问题而引起“ how to sands do sange”“ how to sone do sands to node sange de sange de sange dece de sange dece deblese dey dece dey deceens corey of deceens corage''。我们的实验表明，从解释中学习使推理者能够更有效地指导编码人员的计划实施，从而使求解速率高于强大的对竞争级别编程问题的经过深思熟虑的基线。它还优于直接从<问题，解决方案程序>对学习的模型。我们以CodeContests格式策划了一个额外的测试集，其中包括246个在模型知识截止后发布的最新问题。
哈萨克斯坦焦点小组讨论 – 2022 年春季
IRI 设计并委托了一项互联网使用定性研究，该研究包括在哈萨克斯坦四个城市（阿斯塔纳、阿拉木图、阿特劳和奇姆肯特）进行的十二次焦点小组讨论。参与者包括互联网用户，他们的性别、年龄、教育程度、互联网使用能力和主要语言（俄语或哈萨克语）各不相同。主要研究目标是了解互联网对哈萨克斯坦人民的重要性和实用性以及互联网在当地媒体消费中的作用。其他研究目标是调查公民喜欢的互联网内容和内容语言，以及互联网关闭对哈萨克斯坦人的影响。哈萨克斯坦 Sange 研究中心进行了这项研究。与定性研究一样，本研究的结果不一定代表哈萨克斯坦所有人的意见。在本报告中，“哈萨克人”一词用于指代哈萨克族人，而“哈萨克斯坦人”一词用于指代哈萨克斯坦公民，包括少数民族。
哈萨克斯坦焦点小组讨论 – 2022 年春季
IRI 设计并委托了一项互联网使用定性研究，该研究包括在哈萨克斯坦四个城市（阿斯塔纳、阿拉木图、阿特劳和奇姆肯特）进行的十二次焦点小组讨论。参与者包括互联网用户，他们的性别、年龄、教育程度、互联网使用能力和主要语言（俄语或哈萨克语）各不相同。主要研究目标是了解互联网对哈萨克斯坦人民的重要性和实用性以及互联网在当地媒体消费中的作用。其他研究目标是调查公民喜欢的互联网内容和内容语言，以及互联网关闭对哈萨克斯坦人的影响。哈萨克斯坦 Sange 研究中心进行了这项研究。与定性研究一样，本研究的结果不一定代表哈萨克斯坦所有人的意见。在本报告中，“哈萨克人”一词用于指代哈萨克族人，而“哈萨克斯坦人”一词用于指代哈萨克斯坦公民，包括少数民族。
引用本文：Martin K.-C. Yeh，Yu Yan，Yanyan Zhuang＆Lois Anne DeLong（2021）：使用脑电图测量结果识别程序混乱
摘要在本文中，我们提出了一项实验研究，其中使用脑电图（EEG）设备来测量程序员的认知负载，因为他们试图预测C代码片段的输出。我们的目标是查看摘要中的特定模式是否引起了更高水平的认知负载，并且收集到的EEG数据是否可以提供比绩效指标更详细的见解。我们的结果表明，尽管认知负载可能对代码理解绩效的影响，但其他人为因素（例如忘记某些编程规则或误读要求他们要做的事情的趋势）也可能发挥作用，尤其是对于新手程序员而言。我们得出的结论是：（1）不同类型的代码模式可以以不同的方式影响程序员的认知过程，（2）单独进行自我报告的数据或脑电波活动，是程序员对所有类型的代码smpets and coppories and coption and coption and copsimens and condiques and condiques and condiques andiques sange sance的可靠指标，（3）像我们这样的测试对于识别新手程序员的重要学习差距可能很有用，而新手程序员的重要学习差距又可以利用来改善编程工具和教学策略。