XiaoMi-AI文件搜索系统
World File Search System任务分解
航路空中交通管制的认知任务分析 - ERIC
摘要 项目第二阶段扩展了数据收集和分析程序，以开发航路空中交通管制 (ATC) 专业知识和技能发展模型。通过记录五位有工作超负荷问题的专家的动态模拟器 (DYSIM) 表现来收集新数据。对专家管制员进行了深入采访，以阐述和验证心理模型。分析了联邦航空管理局关于操作错误的数据。进行了扩展的文献综述，以将研究结果与现有文献相结合。开发了一个精心设计和完善的心理模型和任务分解。心理模型的结构既暗示了管制员用于组织 ATC 知识的概念框架，也暗示了在工作中应用知识的策略。任务分解导致列出并验证了 12 项任务。策略使用分析表明，专家倾向于使用更少的策略、更多种类的不同策略、更多的工作量管理策略以及随上下文变化的策略使用。开发了关键 ATC 构造之间相互关系的工作模型。修订后的工作超负荷关键线索列表表明，参与者认为焦虑和沟通错误是超负荷情况正在形成的最重要线索。在教学内容、排序、媒体传递和培训环境方面确定了培训影响。（附录包括以下内容：57 个参考文献列表、术语和缩略词词汇表、策略词汇表、验证研究时间表、策略列表和验证访谈、DYSIM 超负荷问题解决的回顾性协议、工作超负荷问卷和 DYSIM 超负荷问题解决的错误列表。）（YLB）
风险感知的强化学习 - 启发出版物
摘要 - 强化学习方法表明，在无人系统中解决具有挑战性的方案的问题。然而，在高度复杂的环境中解决长期决策序列，例如在密集的情况下的连续车道变化和超车仍然具有挑战性。尽管现有的无人车系统取得了长足的进步，但最大程度地降低了驱动风险是第一个考虑。风险意识的强化学习对于解决潜在的驾驶风险至关重要。但是，在无人车辆中应用的现有强化学习算法并未考虑多种风险来源带来的风险的可变性。基于上述分析，本研究提出了一种具有风险感知的加强学习方法，并通过驱动任务分解，以最大程度地减少各种来源的风险。特别是，构建了风险潜在领域，并结合了强化学习以分解驾驶任务。建议的强化学习框架使用不同的风险分支网络来学习驾驶任务。此外，提出了针对不同风险分支的低风险发作抽样方法来解决高质量样本的短缺并进一步提高采样效率。此外，采用了一种干预培训策略，其中人工电位场（APF）与增强学习相结合以加快训练并进一步确保安全。最后，提出了完整的干预风险分类双胞胎延迟的深层确定性政策梯度任务分解（IDRCTD3-TD）算法。两个具有不同困难的场景旨在验证该框架的优越性。结果表明，所提出的框架在性能方面具有显着改善。
风险感知的强化学习
摘要 - 强化学习方法表明，在无人系统中解决具有挑战性的方案的问题。然而，在高度复杂的环境中解决长期决策序列，例如在密集的情况下的连续车道变化和超车仍然具有挑战性。尽管现有的无人车系统取得了长足的进步，但最大程度地降低了驱动风险是第一个考虑。风险意识的强化学习对于解决潜在的驾驶风险至关重要。但是，在无人车辆中应用的现有强化学习算法并未考虑多种风险来源带来的风险的可变性。基于上述分析，本研究提出了一种具有风险感知的加强学习方法，并通过驱动任务分解，以最大程度地减少各种来源的风险。特别是，构建了风险潜在领域，并结合了强化学习以分解驾驶任务。建议的强化学习框架使用不同的风险分支网络来学习驾驶任务。此外，提出了针对不同风险分支的低风险发作抽样方法来解决高质量样本的短缺并进一步提高采样效率。此外，采用了一种干预培训策略，其中人工电位场（APF）与增强学习相结合以加快训练并进一步确保安全。最后，提出了完整的干预风险分类双胞胎延迟的深层确定性政策梯度任务分解（IDRCTD3-TD）算法。两个具有不同困难的场景旨在验证该框架的优越性。结果表明，所提出的框架在性能方面具有显着改善。
人工智能未来的七大支柱
摘要：近年来，人工智能研究显示出对人类和社会产生积极影响的巨大潜力。尽管人工智能在分类和模式识别相关任务中的表现往往优于人类，但在处理直觉决策、意义消歧、讽刺检测和叙事理解等复杂任务时，它仍然面临挑战，因为这些任务需要高级推理，例如常识推理和因果推理，而这些推理尚未得到令人满意的模拟。为了解决这些缺点，我们提出了七个支柱，我们认为这些支柱代表了人工智能未来的关键标志性特征，即：多学科性、任务分解、平行类比、符号基础、相似性度量、意图意识和可信度。
人为因素设计方法评论作者 - ePrints Soton
目录 执行摘要……………………………………………………………………………… 简介…………………………………………………………………………..4 HEI 简介…………………………………………………………………………10 1. SHERPA………………………………………………………………………………15 2. HET – 人为错误模板………………………………………………………..23 3. TRACEr…………………………………………………………………………30 4. TAFEI – 错误识别任务分析…………………………………...37 5. 人为错误 HAZOP…………………………………………………………………47 6. THEA – 人为错误评估技术……………………………………54 7. HEIST – 系统工具中的人为错误识别………………………….63 8. HERA 框架…………………………………………………………………69 9. SPEAR – 预测错误分析与减少系统………………….75 10. HEART - 人为错误评估与减少技术……… ...路径分析………………………………………………...127 20. GOMS……………………………………………………………………...134 21. VPA – 言语协议分析………………………………………………..138 22. 任务分解 …………………………………………………………………144 认知任务分析简介……………………………………………………..150 23. ACTA – 应用程序
EDA
摘要 - 一组复杂的电子设计自动化（EDA）工具以增强互操作性的集成是电路设计师的关键问题。大型语言模型（LLMS）的最新进步展示了它们在自然语言处理和理解中的出色功能，提供了一种新颖的方法来与EDA工具接口。本研究文章介绍了Chateda，Chateda是由LLM授权的EDA的自主代理，由LLM授权，并由EDA工具作为执行者提供补充。Chateda通过有效管理任务分解，脚本生成和任务执行来简化从寄存器转移级别（RTL）到图形数据系统II（GDSII）的设计流。通过全面的实验评估，Chateda证明了其在处理多种需求方面的培养基，我们的精心调整自动模型与GPT-4和其他类似LLM相比表现出了出色的性能。
核电站人为可靠性分析...
核电站的人为可靠性分析。可靠性是核电站等社会技术系统的主要要求。研究证实，人为错误是此类系统中事故或事件的最大诱因。人为可靠性分析 (HRA) 可用于系统地识别和分析人为错误相关事件。它为正确改进人机界面、可靠性和安全性提供了机会。HRA 的三个主要目标是人为错误和诱因识别、人为错误建模和人为错误概率量化。在社会技术系统中，已经实施了各种用于 HRA 的方法。它们在范围、类型、任务分解级别和影响错误概率的因素方面有所不同。本研究旨在调查五种 HRA 方法，这些方法已被广泛用于评估影响核电站安全运行的人为错误。回顾并讨论了每种方法的优缺点。收集了有关人为错误和 HRA 的已发表文章以实现本研究目标。关键词：人为可靠性分析、人为错误、核电站。
基于自动参数模型的区域飞机替代机身布局强度分析
摘要：本出版物介绍了利用新版四级算法（FLA）对典型区域飞机机翼进行复杂参数强度研究的结果，该算法改进了负责分析气动载荷的模块。此版本的 FLA 以及基础版本都致力于通过同时使用不同的分解原理来显著减少复杂机身强度分析的时间和劳动力投入。基础版本包括机身四级分解和强度任务分解。新版本在确定临界载荷工况的过程中实现了对载荷工况替代变体的额外分解。这种算法非常适合具有广泛气动概念的区域飞机的强度分析和机身设计。本文对大展弦比机翼新版 FLA 的验证结果证实了该算法在减少设计初期机身强度分析的时间和劳动力投入方面的高性能。在参数化设计研究期间，获得了一些具有大展弦比的支柱支撑机翼的有趣结果。
与大语言模型的人类互动复杂信息
Kadir Karakaya摘要：本文探讨了与大型语言模型或复杂信息任务中的人类互动，重点是迅速工程策略。本文回顾了有关使用人工智能（AI）的当前文献，这些文献通常是非线性的，并且需要解释，组织和信息的综合。在提示增强生成AI响应的角色上的作用上，该研究框架促使工程作为一种媒介，有可能使用户能够迭代地处理复杂的信息任务。它提供了使用关键提示策略的建议，例如任务分解，迭代精致，受众和上下文的识别以及角色/角色分配。考虑到促使作为批判性AI素养的显着重要性，本文以几种含义结尾，可能有利于在生成AI背景下增强人类交流。关键字：生成AI，人类互动，大语言模型，及时的工程，复杂的信息任务，AI读写能力，促使策略