XiaoMi-AI文件搜索系统
World File Search Systemtasks
航空航天中的监测任务，第 2/10 章
摘要 预计商用民用固定翼飞机直接运营成本中约有五分之一来自检查和维护。以最少的人为干预和可以对飞机部件进行连续或按需监控/评估而无需停止飞行的技术来管理飞机健康，可以对提高可用性和降低维护成本产生重大影响。这些监测技术的目标是将飞机维护实践从计划维护 (PM)（飞机因定期检查/维护而停止飞行）转变为基于条件的维护 (CBM)（仅在需要维护时才停止飞行，同时保持所需的安全水平）。结构健康监测 (SHM) 技术可以在实现 CBM 实践方面发挥重要作用。因此，本章旨在为读者简要介绍不同的 SHM 技术及其用途，以及在飞机应用中实施这些技术的挑战。
视觉任务的通才建模界面
我们提出了指示插道，这是一个将计算机视觉任务与Human指令保持一致的统一且通用的框架。与现有的方法相比，将先验知识整合并预先定义了每个视觉任务的输出空间（例如，构想和坐标），我们将各种视觉任务施加到人类直觉的图像操纵程序中，其输出空间是一个灵活的交互式像素空间。具体而言，该模型是建立在扩散过程的基础上的，并经过培训可以根据用户说明进行预测像素，例如将男人的左肩围绕红色或左右涂上蓝色面具。指示示例可以处理各种视觉任务，包括未识别任务（例如分割和关键点）和生成任务（例如编辑和增强）和在新颖数据集中胜过先前的方法。这代表了朝着视觉任务的通才建模界面迈出的坚实一步，在计算机视觉领域中推进了人工通用的intel。
机器学习任务中的三路决定
摘要在本文中，我们调查了三向决策理论（TWD）在机器学习（ML）中的应用，尤其是四个任务：弱监督的学习和多源数据管理，缺少数据管理，分类中的不确定性量化以及在聚类中的不确定性量化。对于这四个任务中的每项任务，我们都会提出对文献进行系统综述的结果，通过该结果，我们报告了当前最新状态的主要特征，以及文献中报告和可重复性水平的质量。为此，我们讨论了审查文章中发现的主要好处，局限性和问题，并给出了质量改进的明确指示和指示，这些指示和指示通过验证，报告和可重复性标准，准则和最佳实践，这些标准，指南和最佳实践最近出现在ML领域。最后，我们讨论了关于TWD的未来研究的更有前途和相关的方向。
通过加强学习安排Kubernetes任务
在云服务的世界中，分布式应用的日益复杂性以及能源消耗的增加需要更有效的资源管理。因此，诸如Kubernetes之类的编排者被广泛用于自动处理工作负载和资源使用情况，从而确定时刻的最合适的节点可以在其中启动新任务。另一方面，人工智能算法的扩展应用，尤其是强化学习，开辟了新的发展机会。这些进步允许创建日益自主和最先进的系统。本文介绍并开发了在Kubernetes集群中调度的另一种方法。具体而言，提出的调度程序使用了深Q-NETWORK（DQN）增强学习算法，将定制插件集成在调度链的评分阶段中，以优化跨可用节点的负载分布。在开发这种创新且智能的方法时，已经对每个RL模型进行了培训，以学习具有特定目标，例如负载平衡，能源消耗优化或节点用户延迟延迟优化的独特政策。插件动态中实现的增强学习算法评估群集节点上可用的资源，并在遵守用户定义的约束时学习管理它们。通过根据其适合托管新豆荚的适用性为每个节点分配一个分数，这种智能方法支持决策，并作为调度系统的预测工具。随着时间的流逝，这使系统能够根据学习的政策不断改进其有关新工作负载的最佳分配的决定。该实施已在Kubernetes类型的环境上进行了测试，可以评估开发系统的整体性能以及所提出方法的有效性。尤其是，结果表明，与其他经过测试的政策相比，当目标是减少能耗和节点 - 用户潜伏期时，我们的政策被称为EC-RL，被证明是最佳选择，均与Kubernetes调度程序的默认行为相比。
使用行为原语搭建操作任务的脚手架......
摘要 模仿学习已展现出使机器人获得复杂操作行为的巨大潜力。然而，这些算法在长期任务中样本复杂度较高，复合误差会在任务范围内累积。我们提出了 PRIME（基于数据效率的 PRimitive-based IMitation），这是一个基于行为原语的框架，旨在提高模仿学习的数据效率。PRIME 通过将任务演示分解为原语序列来构建机器人任务，然后通过模仿学习学习高级控制策略对原语进行排序。我们的实验表明，PRIME 在多阶段操作任务中实现了显著的性能提升，模拟成功率比最先进的基线高出 10-34%，在物理硬件上的成功率高出 20-48%。1
具有无限量子优势的简单信息处理任务
双方之间的通信场景可以通过首先将消息编码到作为通信物理介质的物理系统的某些状态中，然后通过测量系统状态对消息进行解码来实现。我们表明，在最简单的情况下，已经可以检测到量子系统相对于经典系统的明确、无限的优势。我们通过构建一系列具有操作意义的通信任务来实现这一点，一方面，每个任务都可以仅使用单个量子位来实现，但另一方面，经典实现需要一个无限大的经典系统。此外，我们表明，尽管借助共享随机性的额外资源，所提出的通信任务可以通过相同大小的量子和经典系统来实现，但经典实现所需的协调操作数量也会无限增长。特别是，没有有限的存储空间可用于存储使用经典系统实现所有可能的量子通信任务所需的所有协调操作。因此，共享随机性不能被视为免费资源。
自动化关节任务的经验教训 - HAL
摘要 系统中的自动化是否被用户接受取决于系统感知到的有用性和易用性。用户体验如何影响接受度以及是否影响接受度的研究较少。本研究的目的是调查当系统自动化发音任务时用户体验如何变化。为了调查这种关系，我们使用了交互式电视 (TV) 领域的一个案例研究，该研究自动执行将电影从电视传输到平板电脑的任务或自动在平板电脑上提供电视上正在播放的电影的信息。只需将遥控器靠近设备即可实现所有任务的自动化。结果表明，发音任务的自动化对整体用户体验 (UX) 有直接的积极影响，因此是进一步增强自动化接受模型的候选对象。
基于深度学习的步行任务分类......
摘要 — 步态特征下降在老年人中很常见，是残疾、发病和死亡风险增加的指标。在双任务步行 (DTW) 条件下，老年人的步态和次要认知任务的表现进一步下降，这与跌倒史显着相关。最近有研究通过功能性近红外光谱 (fNIRS) 测量老年人 DTW 期间的步态皮质控制，特别是前额皮质 (PFC)。然而，在单任务和双任务步态条件下认知激活差异的自动分类尚未得到广泛研究。在本文中，我们将其制定为分类任务，并利用深度学习对 STW、DTW 和单认知任务 (STA) 进行自动分类。我们对数据样本进行分析，揭示 HbO2 和 Hb 值之间差异的特征，随后将其用作附加特征。我们执行特征工程，将 fNIRS 特征公式化为 3 通道图像，并应用各种图像处理技术进行数据增强，以提高深度学习模型的性能。实验结果表明，使用收集的 fNIRS 数据集以及性别和认知状态信息进行微调的预训练深度学习模型可以实现约 81% 的分类准确率，比传统机器学习算法高出约 10%。我们进一步进行了消融研究，以确定 fNIRS 级别和/或体素位置等特征对分类任务贡献的排名。
大型语言模型在语言使用中是否类似于人类？
尽管视觉模型（VLMS）具有多功能视觉效果（VLMS）的功能，但在现有的VLM框架内仍存在两个实质性挑战：（1）缺乏预读和视觉指导调谐方面的任务多样性，以及（2）注释错误和偏见GPT-4综合教学指导性的指导性数据。这两种挑战都导致了诸如不良的普遍性，幻觉和灾难性遗忘之类的问题。为了应对这些挑战，我们构建了v Ision -f LAN，这是迄今为止最多样化的视觉指导调整数据集，包括187个不同的任务和1,664,261个实例，来自学术数据集，每个任务都伴随着专家写作的指导。此外，我们提出了一个两阶段的指令调整框架，其中首先在V Ision -F LAN上对VLM进行了填充，并在GPT-4合成数据上进一步调整。我们发现这个两阶段的调谐框架显着超过了传统的单阶段视觉教学调音框架，并在广泛的多模式评估基准中实现了最新的效果。最后，我们进行了深入的分析以了解视觉指导的调整，我们的发现表明：（1）GPT-4合成数据并不能基本上增强VLMS的功能，而是模型对模型对人类偏爱格式的响应； （2）最小数量（例如1,000）GPT-4合成数据可以有效地使VLM响应与人类偏爱相一致； （3）视觉指导调整主要帮助大语言模型（LLMS）了解视觉特征。我们的数据集和模型可在https://github.com/vt-nlp/ vision-flan上公开获取。
