XiaoMi-AI文件搜索系统
World File Search Systemture
2008 年 7 月 1 日星期二下午 P3-C，级别... - 核心
元音编码了有关说话者声道长度（VTL）以及元音类型的信息。本文展示了如何根据元音逐帧估计 VTL，以便于跟踪说话者，并使自动语音识别（ASR）在多说话者环境中更加稳健。该算法基于一种新的 VTL 协变语音特征，该特征对大小信息进行线性编码。本文表明，与更传统的倒谱系数相比，这种新的语音特征更适合 VTL 估计。VTL 估计基于高斯混合模型，该模型是在已知身高但未知 VTL 的说话者的语音材料上训练的。该研究由奥地利科学基金 (FWF) (J2541-N15)、EOARD (FA8655-05-1-3043) 和 UK-MRC (G0500221) 资助。
从日晷到原子钟 - GovInfo
利用时间来增加空间/时间和频率信息 — 批发和零售/时间传播/未来的时钟/原子的内部节拍器/比光更快的粒子 — 题外话/未来的时间尺度/标签问题 — 一秒就是一秒/时间
![arxiv：2503.04490v1 [CS.CL] 2025年3月6日](/simg/g:\will\search\icon\source\d\d80d601ecc54b63727bb6e0bb41debb2aef87b1e.webp)
arxiv：2503.04490v1 [CS.CL] 2025年3月6日
生物信息学是一个结合生物学，计算机科学和信息技术来分析和解释复杂生物学数据的跨学科领域（Abdi等人。，2024）。最近，LLM在自然语言处理（NLP）中表现出了很大的进步，其应用程序跨越了各种各样的任务（Min等人。，2023; Raiaan等。，2024）。但是，生物数据的含义和相关任务与文本数据显着不同，带来了独特的挑战。对生物医学数据的准确和精确处理有效地形成适合LLMS的特征和嵌入是一种持续的挑战，需要创新的解决方案。在生物领域内，任务表现出高度的可变性和特异性。这些包括DNA序列的功能预测和生成，RNA结构和功能的预测，蛋白结构的预测和设计以及单细胞数据的分析，
气候变化，极端热量和健康
limate的变化导致了1.1°C的上升，预计到本世纪末，由于没有绿色房屋气体发射1的急剧减少，到本世纪末的增长将增加2.5至2.9°C（见图s1在补充附录中，可在Nejm.org的本文的全文中获得）。近地面温度至少在2023年之间至少1年的工业前水平超过1.5°C以上，在此期间，至少有1年的时间将超过记录中最高的一年（2016年）的98％机会。2气候变化的政府间小组（IPCC）毫无疑问地认为，人类活动，尤其是化石燃料的燃烧，对于大气，土地和海洋的总体变暖而言是对的。已经观察到了气候变化驱动的极端变化；最近的极端热量事件归因于气候变化。1,3-5
使用神经形态计算的浮点乘法
识别外星生命是太空研究中最令人兴奋和最具挑战性的努力之一。可以从生物元素，同位素和分子中推断出灭绝或现存生命的存在，但是需要准确和敏感的仪器来检测这些物种。在这张白皮书中，我们表明基于激光的质谱仪是原位鉴定原子，同位素和分子生物签名的有前途的仪器。给出了开发用于空间探索的激光射击/电离质谱（LIM）和激光解吸/电离质谱（LD-MS）仪器的概述。他们的用途是在火星场景和欧罗巴场景的背景下讨论的。我们表明，基于激光的质谱仪具有多功能和技术范围内的仪器，具有许多有益的特征可检测生命。fu-future行星着陆器和漫游者任务在其科学有效载荷中利用基于激光的质谱工具。
船舶结构委员会出版物索引
多轴应力和温度变化条件下焊接结构的行为第 11 部分：亚临界热处理对低碳船板钢转变温度的影响，作者：M. M. Baldwin, Jr. 和 E. B. Evans。1953 年 11 月 6 日。
SSC-91 - 船舶结构委员会
作为其与改进船舶船体结构有关的研究计划的一部分，船舶结构委员会已在巴特尔纪念研究所发起了一项关于脱氧和成分对六氯钢船板性能影响的研究。随函附上一份最终报告 SSC-91 的副本，该报告名为“Illu 的调查”。
使用自然语言动作空间进行加固学习的语言模型
使用自然语言动作空间的强化学习通常由于自然语言的组合而遭受维度的诅咒。先前的研究利用了预验证的语言模型来限制动作语义并减少动作空间的大小。然而，由于经过验证的模型通常是在一般的竞争中训练的，因此在预审计的模型中编码的先验和特定RL环境的特征之间可能存在不匹配的不匹配。为了解决这个问题，我们提出了相互信息的正规政策选择，MIPO。MIPO可以使动作空间的隐式和动态减少。从审计的语言模型提供的先验开始，我们的方法基于相互信息正常化的指导在学习过程中动态调整了先验。从理论上讲，我们证明了这种政策优化过程会导致相互信息正规化RL目标的单位改进。从经验上讲，我们在各种环境中进行了实验，并证明了MIPO的有效性。
NLP 如何造福法律体系：法律人工智能综述
法律人工智能（LegalAI）专注于应用人工智能技术，特别是自然语言处理技术，为法律领域的任务提供帮助。近年来，LegalAI 迅速引起了人工智能研究人员和法律专业人士的关注，因为 LegalAI 有利于法律体系，将法律专业人士从文书工作的迷宫中解放出来。法律专业人士经常思考如何从基于规则和基于符号的方法中解决任务，而 NLP 研究人员则更多地专注于数据驱动和嵌入方法。在本文中，我们描述了 LegalAI 研究的历史、现状和未来方向。我们从法律专业人士和 NLP 研究人员的角度说明了这些任务，并展示了 LegalAI 中的几个代表性应用。我们进行实验，深入分析现有工作的优缺点，探索未来可能的方向。您可以从 https://github 找到我们工作的实现。com/thunlp/CLAIM 。