XiaoMi-AI文件搜索系统
World File Search System任务绩效
通过偏见神经元消除的指导跟随语言模型的偏见
指导遵循语言模型通常表现出不良的偏见。这些不良偏见可能会在语言模型的现实世界中加速，在这种模型的现实世界中，通过零射击的提示，使用了广泛的指示。为了解决这个问题，我们首先定义了偏置神经元，该神经元显着影响偏见的产出，并在经验上证明其存在。此外，我们提出了一种新颖而实用的缓解方法CRISPR，以消除在遵循教学遵循的环境中语言模型的偏置神经元。crispr au-fomations确定有偏见的输出，并使用可解释性方法来影响偏见输出作为偏见神经元的神经元。实验结果证明了我们方法在减轻零射击指令遵循设置下的偏见的有效性，但失去了模型的任务绩效和现有知识。实验结果揭示了我们方法的普遍性，因为它在各种指令和数据集中显示出鲁棒性。令人惊讶的是，我们的方法可以通过仅消除少数神经元（至少三个）来使语言模型的偏见。
AFSC 1A3X1 机载任务系统操作员...
本 CFETP 为空军职业现场经理 (AFCFM)、MAJCOM 职能经理 (MFM)、指挥官、培训经理、主管和培训师提供必要的信息，帮助他们规划、开发、管理和开展有效且高效的职业现场培训计划。该计划概述了个人必须接受的培训，以便在整个职业生涯中不断发展和进步。就本计划而言，培训分为三个领域：初始技能、资格培训 (QT) 和继续培训 (CT)。初始技能培训是个人在加入空军或重新接受该专业培训以获得 3 级技能时接受的空军专业特定培训。资格培训是实际的动手任务绩效培训，旨在使飞行员有资格担任特定职务。它旨在提供工作所需的绩效技能/知识培训。继续培训是额外的培训，可以是驻地或可输出的高级培训课程，也可以是工作培训，旨在为人员提供额外的培训，以保持他们的技能和知识超出最低要求。 CFETP 有几个目的，其中一些是：
hobot.pdf
前额叶领域对视觉意识的贡献对于全球神经元工作空间理论和意识高阶理论至关重要。本研究的目的是测试视觉意识判断前内侧前额叶皮层（AMPFC）的潜在参与。我们旨在通过神经可塑性样机制暂时影响左AMPFC的神经元动力学。我们使用了不同的theta爆发刺激（TBS）方案，并结合了视觉识别任务和视觉意识等级。在参与者内部设计之前，在实验范式之前应用了连续的TBS（CTB），间歇性TBS（ITB）或假TBS。与假TBS相比，我们观察到参与者在CTB上有足够的判断（元认知效率）的能力有所提高，而不是ITB。效果伴随着不正确的响应中视觉意识等级的较低。在识别任务绩效中没有明显的差异。我们将这些结果解释为PFC参与元认知基础的大脑网络的证据。此外，我们讨论了TMS研究的结果是否可以作为PFC参与意识本身的证据。
![arXiv:2110.11385v3 [cs.AI] 2024 年 2 月 29 日](/simg/g:\will\search\icon\source\0\0dd4026aa24ddd39f4a46f7995d9b38f822905d2.png)
arXiv:2110.11385v3 [cs.AI] 2024 年 2 月 29 日
随着越来越多的人工智能代理投入实际应用，是时候考虑如何让这些代理完全自主，以便它们能够以自我激励和自我监督的方式自行学习，而不是在人类工程师的发起下使用扩展的训练数据定期进行重新训练。由于现实世界是一个充满未知或新奇事物的开放环境，因此检测新奇事物或未知事物、对其进行表征、适应或适应它们、收集真实训练数据以及逐步学习未知/新奇事物对于使代理随着时间的推移变得越来越有知识和强大至关重要。关键挑战是如何使该过程自动化，以便代理能够主动地通过其与人类和环境的交互来执行该过程。由于人工智能代理通常具有执行任务，因此描述每个新事物变得至关重要且必要，以便代理可以制定适当的响应来调整其行为以适应新事物并从中学习以提高代理的适应能力和任务绩效。这个过程不断进行而不会终止。本文提出了这种学习范式的理论框架，以促进构建自发开放世界学习 (SOL) 代理的研究。还描述了一个示例 SOL 代理。
通过数据驱动的共享控制方法降低机器人群的认知负载
摘要 - 多种机器人系统在医学，环境监测等各种领域的多种影响都增加了。尽管有明显的优势，但群体的协调对人类运营商带来了重大挑战，尤其是关于有效控制机器人所需的认知负担。在这项研究中，我们提出了一种新的方法，可以使人类操作员有效控制多个机器人的运动。利用共享控制数据驱动的方法，我们使单个用户能够控制与群体的姿势和形状相关的9度自由度。我们的方法是通过在模拟的3D环境中进行的实验运动进行了评估的，该环境具有狭窄的圆柱路径，可以代表例如血管，工业管道。使用经验后的问卷评估了认知载荷的主观测量，并比较了系统的不同级别的自主权。结果表明，与传统的远程操作技术相比，操作员认知负载的大幅减少，伴随着任务绩效的提高，包括减少完成时间和与障碍的接触实例更少。这项研究强调了我们方法在增强人类机器人相互作用和提高多机器人系统中运行效率方面的效率。
人工智能 (AI) 的采用
本文使用一种与任务绩效相关的人工智能智能的新测量方法来研究对人工智能技术运行效率的期望如何影响采用该技术的意图。我们建议用户对人工智能服务的接受/拒绝有四个级别，包括补偿接受级别。我们的概念模型是专门为人工智能环境设计的，包含两个关键变量：网络安全和拟人化，以及三个中介结构：i）感知的人工智能智能水平，ii）感知的绩效期望，以及 iii）感知的努力预期。通过调查香港 494 名潜在虚拟银行用户并使用结构方程模型 (SEM) 分析数据来检验这些假设。我们发现消费者对人工智能服务的接受度与感知的绩效期望和努力期望以及感知的人工智能智能水平呈正相关。这些发现支持一种扩展的行为意图：人工智能接受的补偿水平。我们经过实证检验且可推广的结果对学者和从业者具有启示。关键词：人工智能采用；人工智能的智能；绩效期望；努力预期；自助服务技术1. 简介
衡量美国中央司令部的情报、监视和侦察效能
本报告旨在协助美国中央司令部 (CENTCOM) 情报局 (J2) 提高其情报、监视和侦察 (ISR) 评估的质量、有效性和效率。本报告旨在帮助 CENTCOM J2 开发可重复、可扩展、数据知情的支持，以衡量 ISR 的有效性，并通过特定目标评估当前性能并规划、影响和提供未来的方法和培训。在本报告中，兰德公司研究人员通过评估其 ISR 资源的有效性来提供研究和分析以支持 CENTCOM J2。虽然本报告直接适用于 CENTCOM，但它也适用于联合参谋部和其他美国国防部地理和职能作战司令部。这些观察、发现和建议也应引起联邦政府内外开展任何类型情报活动或评估任务绩效或有效性的组织和利益相关者的兴趣。此处报告的研究于 2020 年 2 月完成，并在公开发布之前经过了赞助商和国防出版前与安全审查办公室的安全审查。这项研究由 CENTCOM J2 赞助，在兰德国防研究所的网络和情报政策中心 (CIPC) 内进行，该中心是由联邦政府资助的研究和开发中心，由
探索城市空中交通运营的人为因素问题
文献中将其视为空域的新进入者。虽然引入 UAM 可能带来重大好处，但也可能对当前的空中交通管理系统产生根本性改变。目前正在探索几种概念，以便为近期、中期和远期运营开发安全高效的 UAM 系统。近期运营的运营概念提出了几种假设。空中交通管制员等人类操作员的角色和职责概念提出了不同程度的参与。因此，识别和探索人为因素问题是概念发展的关键下一步。使用人在环空中交通管制模拟来研究 UAM 交通密度和当前空域路线和通信程序变化对主观管制员工作量和效率相关任务绩效的影响。研究结果表明，虽然主观工作量对于低密度运营来说是可控的，但中密度和高密度运营导致工作量难以管理，导致拒绝让更多车辆进入受控空域。通过实施协议书，口头沟通减少，这与工作量减少有关。优化路线还与减少工作量和提高性能效率有关。虽然这些调整可以积极支持管制员的表现，但工作量仍然
比较基于EMG的假体设备研究中认知工作量评估技术
摘要 - 先前的研究发现，基于肌电图（EMG）的假体设备可提供更高的握力，提高功能性能，并且比常规假体具有更大的运动范围。但是，认知工作量（CW）仍然是可能对设备的可用性和满意度产生负面影响的问题之一。为了在设计周期的早期评估假肢设备的CW，首先需要选择最合适的措施。因此，这项研究的目标是：（1）回顾以前基于EMG的假体设备评估中使用的CW测量技术； （2）提供指南以选择最合适的测量技术。发现的结果表明，认知绩效模型（CPM），主观措施，任务绩效指标和某些生理指标在检测假体设备配置之间的CW差异方面很敏感，因此可能是对这些技术的可用性评估的有用工具。但是，为了降低侵入性和成本，与生理测量相比，主观工作量度量，任务绩效和CPM等方法更有益。本研究提出的指南可能有益于选择最合适的CW测量技术，以提高灵敏度和准确性并降低侵入性和成本。
通过自适应共享自主权辅助控制机器人武器
摘要 - 共享自主权是一种机器人控制方法，可帮助人类用户实现其预期目标，同时利用机器人自主权的精确和效率。在共享的自主权中，用户输入和自主帮助合并以有效控制机器人，而无需用户提供直接和精确的控制输入。共享自主权中的一个持续问题是如何确定用户输入和自主算法之间的仲裁。由于用户所需的帮助量的可变性，必须通过考虑用户的偏好，物理能力和专业知识来开发以用户为中心的算法来提供定制和自适应帮助。在本文中，我们提出了一种共享的自主方法，该方法在用户的任务绩效和专业水平中都可以自适应地调整运行时的帮助量。我们在辅助控制问题中验证了我们的方法，在该问题中，人用户在模拟的环境中对机器人臂进行了操作，以执行对象到达和掌握任务。结果表明，与直接近距离和仅考虑与任务相关的指标的两种基线仲裁方法相比，我们的方法协助用户实现更高的效率来完成对象到达和掌握任务。