XiaoMi-AI文件搜索系统
World File Search System于场
ODM：文本图像进一步的对齐预训练方法，用于场景文本检测和发现
近年来，文本图像联合预训练技术在各种任务中显示出令人鼓舞的结果。然而，在光学特征识别（OCR）任务中，将文本实例与图像中的相应文本区域对齐是一个挑战，因为它需要在文本和OCR文本之间有效地对齐（将图像中的文本称为ocr-文本以与自然语言中的文本区分开来），而不是对整体图像内容的全面理解。在本文中，我们提出了一种新的预训练方法，称为o cr-text d估计化m odeling（ODM），该方法根据文本提示将图像中的文本样式传输到统一样式中。使用ODM，我们在文本和OCR文本之间实现了更好的对齐方式，并启用预训练的模型以适应场景文本的复杂和多样化的样式。此外，我们为ODM设计了一种新的标签生成方法，并将其与我们提出的文本控制器模块相结合，以应对OCR任务中注释成本的挑战，并以大量未标记的数据参与预培训。在多个Pub-LIC数据集上进行的广泛实验表明，我们的方法显着地证明了性能，并且在场景文本检测和发现任务中的当前预训练方法优于当前的预训练方法。代码在ODM上可用。
iPad：迭代，平行和基于扩散的网络用于场景文本识别
如今，由于其多种应用，场景文本识别引起了越来越多的关注。大多数最先进的方法都采用带有注意机制的编码器框架，从左到右生成文本。尽管表现令人信服，但这种顺序解码策略限制了推理速度。相反，非自动回归模型提供了更快的同时预测，但通常会牺牲准确性。尽管使用明确的语言模型可以提高性能，但它会负担计算负载。此外，将语言知识与视觉信息分开可能会损害最终预测。在本文中，我们提出了一种替代解决方案，该解决方案使用平行且迭代的解码器，该解码器采用了简单的解码策略。此外，我们将文本识别视为基于图像的条件文本生成任务，并利用离散扩散策略，确保对双向上下文信息的详尽探索。广泛的实验表明，所提出的方法在基准数据集（包括中文和英语文本图像）上取得了卓越的结果。
OMIP 和 SPEEDWELL CLIMATE 达成合作，共同开发可再生能源指数，用于场外交易风险转移
OMIP、伊比利亚能源衍生品交易所、Speedwell Climate 和 Speedwell Settlement Services Limited 是气候风险转移市场相关数据和结算服务的领先提供商，它们已达成协议，制定新的可再生能源指数，以应对西班牙和葡萄牙太阳能和风能生产商面临的风险。可再生能源量化指数提供了一种管理可再生能源生产相关风险的创新方法。它们将先进的太阳能和风能发电量模型与日前参考价格相结合。这些指数以 Speedwell 的国家和地区模型量指数以及 OMIP 价格数据为基础。这些基准将可再生能源发电（风能和太阳能）与不同时间段（月、季度、季节等）的现货价格波动相结合，使用户能够通过场外市场的市场工具转移风险。这对于对冲蚕食和塑造风险特别有用。这些指数与可再生能源生产商、电力购买协议 (PPA) 买家和卖家、资产持有者和投资者息息相关，它们提供了一种确保收入稳定、获得融资和支持可再生能源在市场上发展的手段。通过这项新协议，所有 OMIP 成员都将获得一系列新指数，这些指数将有助于对冲他们的业务。此外，这有望增加伊比利亚能源市场的流动性。关于这项新协议，OMIP 首席运营官 Jorge Simão 表示：“我们对这一新合作伙伴关系感到非常高兴。在 OMIP，我们一直在寻求开发新产品以满足我们贸易成员的需求。在面临诸多挑战的能源行业，如果我们想要实现欧洲为未来几年设定的脱碳目标，这些类型的指数对于确保我们实现这些目标至关重要。”关于这项协议，Speedwell Climate 联合首席执行官 Michael Moreno 表示：“我们很高兴与 OMIP 合作，扩大可再生能源生产商可以应对的风险范围。多年来，Speedwell 专有的风能和太阳能发电指数帮助市场参与者对冲发电量风险（即发电量）。现在，通过与 OMIP 的合作，我们能够帮助市场解决与发电量和价格相关的困难，从而对冲实现的价格和捕获率。我们知道，这些问题在伊比利亚半岛尤为突出。”
基于场景的自动驾驶系统测试的经验基础前进的途径
对自主驾驶系统（AD）的测试是一项至关重要的，既定的任务，需要不同的方法来确保在各种驾驶场景中系统的安全性和可靠性。目前，缺乏对测试此类系统的行业实践以及相关挑战的了解。为此，我们对以前的探索性研究进行了二次分析，在那里我们采访了来自Sween的7家广告公司的13位专家。我们探讨了行业中的测试实践和挑战，特别关注基于方案的测试，因为它被广泛用于研究广告。通过访谈的详细分析和合成，我们确定了测试广告的关键实践和挑战。我们的分析表明，行业实践主要涉及各种类型的测试方法，测试原理，测试场景的选择和识别，测试分析以及相关标准和工具以及一些一般计划。挑战主要包括不同公司使用的概念和方法的差异，以及缺乏全面的标准，法规和有效的工具，方法和方法以及用于最佳测试的技术。为了解决这些问题，我们提出了一种“ 3CO”策略（结合，合作，继续学习和开放），作为行业和学术界的集体途径，以改善广告的测试框架。
将气候风险评估转化为更有效的适应决策：基于场所的气候风险的社会和政治方面的重要性
气候风险继续以物理，社会经济和/或生态风险来表面上，如2012年和2017年英国气候变化风险评估（CCRA）证据报告所证明的那样。本文认为，以这种方式构架气候风险在科学政策过程中仍然存在问题，尤其是在确保适当的气候风险评估信息转化为更有效的适应决策时。我们争辩说，气候风险评估是如何进一步考虑基于地方气候风险的社会和政治方面的，以确保更有效的适应政策结果。使用CCRA3技术报告方法的话语分析，于2021年6月发布，我们讨论了三个关键主题，涉及在技术报告方法章节中如何在气候风险中构建的三个关键主题。这些是（i）通过“紧迫性得分”评估气候风险的减少方法学框架的过度依赖； （ii）关于“机会”的想法； （iii）通过气候风险镜头的转化适应性话语的框架。总而言之，我们建议，仅在生物物理和社会经济风险方面超越评估风险，更加重视“基于地点”的风险的社会和政治背景对于气候变化的风险评估至关重要。
欧洲绿色电源的原产地保证市场：基于场景的不确定性交易评估
摘要：引入了原产地（GO），以提高欧洲生产的绿色电力的透明度，并故意授权最终消费者参与可持续的能源过渡。电力的分离和GO贸易导致了一个繁荣的GO市场，但是，该市场的特征是非透明和机会主义行为。历史性的价格发展一直是不透明的，因此不能用于预测未来的价格。本文首先提供了欧洲GO市场的详尽概述，并对历史价格发展进行了分析；其次，它提出了一种模型，即同类的第一个模型，用于确定截至2040年不同国家/地区不同国家的欧洲GO的未来价格发展。对于家庭消费者而言，确定价格是基于文献的意愿估算的，而对于非房屋的消费者，该模型引入了一种新颖的方法来确定愿意支付绿色电力的意愿。使用了四种不同的方案（现状，可持续发展，完整的协调和理想的发展）和年度GO数据。发现的发现可以预计未来几年的价格将平均上涨，价格从2040年的1.77欧元到3.36欧元/兆瓦。灵敏度分析表明，“ WTP百分比”对GO价格的影响最高。可以得出结论，由于预期的供应和需求驱动的市场增长会影响不同国家 /地区不同GO的市场均衡价格，即使在复杂模型的支持下，未来的GO价格也将仍然具有挑战性。
推荐引用 推荐引用 Antes, Alison L; Burrous, Sara; Sisk, Bryan A; Schuelke, Matthew J; Keune, Jason D; 和 DuBois, James M，“探索人工智能支持的医疗技术的看法：一项基于场景的在线调查。” BMC 医学信息学和决策。21，1。221 (2021)。https://digitalcommons.wustl.edu/oa_4/840
摘要背景：医疗保健预计将越来越多地将人工智能 (AI) 技术融入患者护理。了解对这些工具的看法对于成功开发和采用至关重要。这项探索性研究衡量了参与者对人工智能驱动的医疗保健技术的开放程度、关注程度和感知到的益处。我们还探讨了这些看法的社会人口、健康相关和社会心理相关性。方法：我们开发了一个测量方法，描述了六种人工智能驱动的技术，这些技术可以诊断、预测或建议治疗。我们使用众包平台 MTurk 对美国成年人 (N = 936) 进行了在线调查，并实施了该测量。参与者表明了他们对在医疗保健场景中使用人工智能技术的开放程度。场景中附有反映每种技术的潜在担忧和好处的项目。参与者评估了担忧和好处的陈述对他们对该技术的好感程度的影响程度。参与者完成了社会人口、健康变量和心理社会变量（如对医疗保健系统的信任和对技术的信任）的测量。对关注和收益项目的探索性和验证性因素分析确定了两个代表总体关注水平和感知收益的因素。描述性分析考察了开放性、关注度和感知收益的水平。相关性分析探讨了社会人口、健康和社会心理变量与开放性、关注度和收益分数之间的关联，而多变量回归模型则同时考察了这些关系。结果：参与者对人工智能驱动的医疗技术持中等开放态度（M = 3.1/5.0 ± 0.9），但根据应用类型的不同而有所不同，关注点和收益的陈述影响了观点。对医疗保健系统的信任和对技术的信任是开放性、关注度和感知收益最强、最一致的相关因素。大多数其他社会人口、健康相关和社会心理变量的关联性较弱或没有关联，但多变量模型表明某些人格特征（例如，尽责性和宜人性）和社会人口统计学（例如，全职工作、年龄、性别和种族）与感知略有相关。结论：参与者的开放程度似乎很脆弱，这表明早期推广策略和使用新型人工智能技术的经验可能会对观点产生重大影响，尤其是当人工智能技术的实施增加或削弱信任时。这些发现的探索性质值得进一步研究。
基于场论的相对论量子信息
1. 简介 量子信息论 (QIT) 是经典信息论的量子扩展。它为量子计算、量子通信、量子计量等领域发现了新的强大的信息资源。尽管量子信息技术的应用领域很广，但我们对 QIT 的理解远远落后于完全发展的自然量子理论，即量子场论 (QFT)。QFT 已在从粒子核物理到原子、光学和凝聚态物理、从夸克和核子到黑洞和早期宇宙等所有物理科学领域证明了其有效性和价值。到目前为止，量子信息论主要是在非相对论量子力学的背景下发展起来的，而非相对论量子力学只是成熟 QFT 的一小部分。当需要考虑局部性、因果关系和时空协方差等基本相对论效应时，它显然是不够的。认识到这些相对论效应的重要性，并寻求理解它们在量子信息中发挥的重要作用，开创了相对论量子信息（RQI）这一新兴领域[2]。
基于场景的未来军事技术评估...
研究诚信 我们的使命是通过研究和分析帮助改善政策和决策，这得益于我们的核心价值观：质量和客观性，以及我们对最高诚信和道德行为的坚定承诺。为了确保我们的研究和分析严谨、客观、不偏不倚，我们对研究出版物进行了严格而严格的质量保证流程；通过员工培训、项目筛选和强制披露政策，避免出现财务和其他利益冲突；并通过承诺公开发表我们的研究结果和建议、披露已发表研究的资金来源以及确保知识独立的政策，追求研究工作的透明度。有关更多信息，请访问 www.rand.org/about/research-integrity。
在我们的主页上向基于场景的聊天机器人引入人工智能功能
现有的聊天机器人根据预先准备的数据库和场景来回答客户输入或选择的问题。相比之下，随着人工智能的引入，聊天机器人利用人工智能从过去的询问和回答中学习，并根据结果缩小最合适的答案候选范围，并将其显示在聊天屏幕上，以顺利地引导用户找到答案。