XiaoMi-AI文件搜索系统
World File Search Systemsequential
大型语言模型用于可验证的顺序决策...
摘要：基于自动机知识的基于自动机知识的表示在控制和计划的顺序决策问题中起着重要作用。但是，获得建立这种自动机所需的高级任务知识通常很困难。同时，大型语言模型（LLMS）可以自动生成相关的任务知识。但是，LLMS的文本输出不能被验证或用于顺序决策。我们开发了一个名为GLM2FSA的新颖算法，该算法构建了有限的态自动机（FSA），从简短的自然语言描述中编码高级任务知识的任务目标。因此，所提出的算法填补了自然语言任务描述和基于自动机的表示之间的差距，并且可以根据用户定义的任务规范对构造的FSA进行正式验证。我们相应地提出了一种基于结果的结果，从验证中提出了一种方法，以迭代地改进LLM的查询。我们演示了GLM2FSA构建和验证日常任务的基于自动机的表示以及需要高度专业知识的任务的能力。
量子顺序采样器.pdf - 城市研究在线
决策理论中最重要的挑战之一是如何将贝叶斯理论的规范预期与概率推理中常见的明显谬误相协调。最近，贝叶斯模型受到这样的见解的推动，即明显的谬误是由于估计（贝叶斯）概率的抽样误差或偏差造成的。解释明显谬误的另一种方法是调用不同的概率规则，特别是量子理论中的概率规则。可以说，量子认知模型为大量发现提供了更统一的解释，从基线经典视角来看，这些发现是有问题的。这项工作解决了两个主要的相应理论挑战：首先，需要一个结合贝叶斯和量子影响的框架，认识到人类行为中存在两者的证据。其次，有经验证据超越了任何当前的贝叶斯和量子模型。我们开发了一个概率推理模型，无缝集成了贝叶斯和量子推理模型，并通过顺序采样过程进行了增强，将主观概率估计映射到可观察的反应。我们的模型称为量子顺序采样器，它与目前领先的贝叶斯模型贝叶斯采样器 (Zhu、Sanborn 和 Chater，2020) 进行了比较，使用了一项新实验，产生了迄今为止概率推理中最大的数据集之一。量子顺序采样器包含几个新组件，我们认为这些组件为概率推理提供了一种理论上更准确的方法。此外，我们的实证测试揭示了一种新的、令人惊讶的系统性概率高估。
多代理系统中顺序决策的因果解释
我们介绍了CEMA：c ausal e xplanations in m ulti-themens stystems;在动态的顺序多代理系统中创建因果自然语言解释的框架，以构建更值得信赖的自主代理。与假定固定因果结构的先前工作不同，CEMA仅需要一个概率模型来正向缩减系统状态。使用这种模型，CEMA模拟了反事实世界，这些世界识别了代理决定背后的显着原因。我们评估CEMA的自动驾驶运动计划任务，并在各种模拟场景中对其进行测试。我们表明，即使存在大量其他代理商，CEMA正确地识别了代理决定背后的原因，并通过用户研究表明，CEMA的解释对参与者对自动驾驶汽车的信任具有积极影响，并且对其他参与者的高度基线解释的评价也很高。我们以注释作为HeadD数据集发布了收集的解释。
连作生产沼气的主要好处
1 [ nrg_cb_rw ] – 2018 年欧盟 27 国本土通过厌氧发酵生产沼气的情况。上次访问时间为 2020 年 5 月。 2 [ nrg_bal_s ] – 2018 年欧盟 27 国可供最终消费的可再生能源和生物燃料数量。 3 D. Peters 等人，2020-2050 年天然气脱碳途径，Guidehouse，2020 年；N. Scarlat 等人，沼气：欧洲的发展和前景，可再生能源 129 (2018) 457-472，2018 年；W. Terlouw 等人，天然气在净零排放能源系统中的最佳作用，Navigant，2019 年； D. Peters 等人，评估连续种植以生产低 ILUC 风险生物甲烷的案例，Ecofys，2016 年；L. Kemp，第二次收获：来自覆盖作物生物质的生物能源，自然资源保护委员会 (NRDC)，2011 年。4 改进的技术，如最低耕作、精准农业和作物轮作以及新作物品种已经引入，应进一步支持这些技术，以帮助农业部门向脱碳转型。5 Biogasdoneright® 模式首先由 Consorzio Italiano Biogas (CIB) 在意大利推出，作为传统生产的农业生态转型，以可持续地供应生物甲烷。在同一块农田上，主要作物收获之前或之后种植其他作物。更多信息请访问 https://www.consorziobiogas.it/wp- content/uploads/2017/05/Biogasdoneright-No-VEC-Web.pdf
实现晚期胃癌序贯治疗
摘要 晚期胃癌 (AGC) 患者的治疗选择有限。改善 AGC 患者生存率的一种方法是通过序贯疗法优化可用药物。然而，一线化疗的临床试验报告表明，老年患者和大量腹水患者不太可能接受后续治疗。此外，二线和三线化疗的临床试验通常将这两类患者排除在外，因为他们可能体能状态不佳，并且存在难以处理的其他问题。良好的患者管理可能是成功在这两类患者群体中使用序贯疗法的关键，它可以最大限度地减少不良反应，使患者从附加治疗中获益。本叙述性综述总结了有关老年患者和大量腹水患者的 AGC 治疗和患者管理的可用信息。现有数据表明老年患者可从化疗中受益；然而，监测毒性对于避免化疗相关毒性至关重要。老年患者管理的重要方面包括症状监测、营养支持和跌倒预防。大量腹水患者的现有数据显示，一系列治疗方法（包括全身化疗）的成功率有限。腹水的治疗也具有挑战性，没有明确的指导方针指导首选策略。为了弥补这些知识上的差距，未来的临床试验应采用更具包容性的资格标准来招募 AGC 患者群体，这些患者群体在年龄、并发症和总体健康状况方面更能反映现实世界的人群。
洪水风险序贯测试和异常测试
• 在只有一小部分位于洪水区 2 或 3 内的场地上进行开发。如果场地中处于风险中的部分将不会进行开发，并且不需要用于进出，则不太可能需要进行顺序测试。 • 现有物业的再开发。对于替换住宅，如果住宅数量没有增加，建筑物占地面积也没有增加，则不太可能需要进行顺序测试。但是，如果正在建造额外的住宅，例如，用多套公寓取代一栋房屋，或者将占地面积扩展到风险区域，则可能需要进行测试。同样，对于替换大篷车，如果这些大篷车是同类替换，占地面积没有增加，占用水平或年度使用时间也没有增加，则不太可能需要进行顺序测试。但是，如果风险增加，包括由于使用时间增加，则需要进行测试。 • 在现有许可的场地上提出新的申请，用于相同的用途、类型和开发规模。是否需要进行测试将取决于新许可的性质（例如，与之前的方案相比变化的程度；以及洪水风险状况在此期间是否发生了变化）。例如，如果变化
（离散）扩散的顺序蒙特卡洛指导...
扩散模型已成为机器学习中生成建模的重要方法。这些模型是通过模拟一些“破坏性”随机过程来训练的，这些随机过程在训练数据样本中初始化，并且具有易于采样的限制分布。通过学习如何逆转随机过程来获得生成模型。扩散模型的大多数应用都用于连续数据，并使用高斯扩散作为随机过程。但是，相同的想法也可以通过适当的破坏过程选择，例如基于离散的马尔可夫链和吸收状态的引入。通过指导进一步提高了扩散生成模型的性能和适用性，这是一种基于某些辅助信息或外部模型来指导生成过程的技术。指导既可以用于有条件生成（例如带有分类器指导）和改善样本质量（鉴别器指导）。在本演讲中，我将讨论如何将顺序的蒙特卡洛用于扩散模型的指导。我将重点放在不容易适用的基于常规得分的指导技术的离散设置上。基于与FilipEkströmKelvinius的联合工作（自回旋扩散模型的歧视指南，AISTATS 2024，https：//arxiv.org/abs/2310.15817）
通用顺序搜索问题-Lance Fortnow
证明。让P是一个顺序搜索问题，与n相当的参数长度无法及时求解。我们将证明每个问题1-6至少与p一样困难。通过引理1（以下证明），问题1-6是通用的顺序搜索问题。这意味着可以将P减少到这些问题中的每一个。让我们考虑将P减少到问题I（其中我是1到6的任何数字）。There exist three algorithms r ( x ), p ( y ), and s ( y ), working in time compara- ble to the length of the argument, such that: 1) P ( x, p ( y )) ⇔ Problem i ( r ( x ) , y ) 2) P ( x, y ) ⇔ Problem i ( r ( x ) , s ( y )) Suppose, for contradiction, that problem i can be solved in time less than f ( n ).然后我们可以如下求解P：1）给定X的输入X，计算R（x）。2）时间少于f（n）解决问题I（r（x），y）。3）如果找到溶液y，请计算p（y）以获取p。
通用顺序搜索问题-Lance Fortnow
在阐明了算法的概念后，证明了许多经典问题的算法不可分辨性（例如，小组元素的认同，流形的同态性，同型二芬太汀方程的溶解性等）。这消除了找到解决方案的实用方法的问题。然而，由于这些算法规定的大量工作，解决其他问题的算法并不能消除它们的类似问题。这是所谓的顺序搜索问题的情况：最小化布尔功能，搜索有限的长度证明，确定图同构以及其他。所有这些问题都是通过列举所有可能性组成的琐碎算法来解决的。但是，这些算法需要指数级的工作时间，而数学家已经形成了信念，即对它们的简单算法是不可能的。已经获得了许多认真的论点以支持其有效性（见[1，2]），但没有人能够证明这一说法。（例如，尚未证明找到数学证据比验证它们需要更多的时间。）但是，如果我们假设存在无法通过简单算法解决的顺序搜索类型的某些（甚至是人为构造的）问题（就计算量而言），则可以证明许多“经典”顺序搜索问题（包括最小化问题，包括最小化问题，证明搜索问题等）也具有此属性。这构成了本文的主要结果。