XiaoMi-AI文件搜索系统
World File Search System低质量的
使用视觉数据理解城市感知
建筑环境的视觉特征会影响人们的感知和体验城市。很长一段时间以来，许多研究都检查了城市中的视觉感知。由于技术的进步和相关数据的扩散（例如，街景图像，地理位置照片，视频，视频，虚拟现实和空中图像），这种努力在近年来加速了。尚未就此主题进行全面的系统审查论文，以揭示一系列总体研究趋势，局限性和未来的研究机会。这种遗漏是由于难以审查有关此流行主题的大量相关论文的困难。在这项研究中，我们利用机器学习技术（即自然语言处理和大语言模型）进行半自动进行审查过程，并审查了393篇相关论文。通过评论，我们发现这些论文可以分为城市的物理方面：绿化和水，街道设计，建筑设计，景观，公共空间以及整个城市。我们还透露，许多研究以越来越多地利用大数据和先进技术的趋势进行了定量分析，例如街道视图图像和深度学习模型的组合。局限性和研究差距也被确定为以下内容：（1）在研究领域，样本量和属性方面的范围有限； （2）低质量的主观和视觉数据； （3）需要更加控制和复杂的方法来推断
JHEP05（2024）106
摘要：提出了ATLAS协作对Charginos和Nutralos的Electroweak生产进行的搜索的约束摘要。考虑了八个单独的地图集搜索的结果，每种质子 - 质子蛋白数据的140 fb - 1在其第二次数据获取运行期间在大型强子撞机上收集的√s= 13 tev的质子 - 质子数据。结果是在19参数现象学最小的超对称标准模型的背景下解释的，其中假定R-平衡保守性，并假定最轻的超对称粒子是最轻的中性粒子。约束。结果是根据超对称粒子质量的约束表示的，并与简化模型的限制进行了比较。还显示了Atlas搜索对参数的影响，例如暗物质遗物密度以及由直接暗物质检测实验靶向的自旋依赖性和自旋依赖性散射横截面。Higgs Boson和Z Boson的“漏斗区”，低质量的中性诺不会使深色物质遗物丰度过于饱和，几乎完全被所考虑的约束所排除在外。还提出了具有光charginos和中性诺斯的非排斥超对称模型的示例光谱。
脱氧得分蒸馏：从嘈杂的扩散预处理到一步高质量一代
扩散模型在产生各种自然分布的高分辨率，逼真的图像方面取得了巨大的成功。但是，他们的性能在很大程度上依赖于高质量的培训数据，这使得从损坏的样本中学习有意义的分布变得具有挑战性。此限制限制了它们在稀缺或昂贵的科学领域中的适用性。在这项工作中，我们引入了DeNoising评分蒸馏（DSD），这是一种出奇的有效和新颖的方法，用于训练低质量数据的高质量生成模型。DSD首先预修了一个扩散模型，专门针对嘈杂，损坏的样品，然后将其提炼成能够生产精制，干净的输出的单步生成器。传统上将得分蒸馏视为加速扩散模型的一种方法，但我们表明它也可以显着提高样本质量，尤其是从退化的教师模型开始时。在不同的噪声水平和数据集中，DSD始终提高生成性能 - 我们在图中总结了我们的经验证据1。此外，我们提供了理论见解，表明在线性模型设置中，DSD识别了干净的数据分散协方差矩阵的特征空间，并隐含地正规化了生成器。此透视图将蒸馏片重新升级为效率的工具，而且是改善生成模型的机制，尤其是在低质量的数据设置中。
监视航空燃料和燃料系统微生物污染的风险
航空是世界许多国家经济成功的一个因素。航班有助于建立国际贸易联系，并建立了重要的国内联系，将一个国家“缝合”在一起。加速科学和技术进步，航空运输市场的全球化，提高国际连通性以及数字经济的引入需要持续监测风险以使运营的风险和维护航空运输的基础设施能力，以增强其竞争力和可持续发展。确保航空公司正常运行的最重要部分是确保正在进行的战役的安全。飞机运营安全以及航空和环境安全，对于确保安全安全至关重要。航空燃料和润滑剂的质量是飞机安全的一个方面[1]。普遍认可的法规和要求已经存在，并允许在其生命周期的每个阶段维持航空燃料质量和控制的稳定系统。飞机燃气轮机发动机的可靠性和效率高度取决于航空燃料的质量。从化学学量的角度来看，包括燃料在内的运行流体（包括燃料）是各个系统的完整结构元素。与民用和军事航空中使用的航空燃料强加了与可靠性，效率和环境友好性有关的严格要求。低质量的航空燃料降低了飞机设备的性能和可靠性，而较高的燃油需求会导致更高的燃油价格。因此，现代
通过注意力机制的弱监督框架对计算机辅助诊断阿尔茨海默氏病
摘要：阿尔茨海默氏病（AD）是最普遍的神经退行性疾病，引起了人们的疾病，并对中年和老年人构成了显着的健康风险。大脑磁共振成像（MRI）是AD最广泛使用的诊断方法。但是，收集具有高质量注释的能力大脑成像数据是一项挑战。弱监督学习（WSL）是一种机器学习技术，旨在从有限或低质量的注释中学习有效的功能表示。在本文中，我们提出了一个基于WSL的深度学习（DL）框架（ADGNET），该框架由具有注意机制的骨干网络和同时图像分类和图像重建的任务网络组成，以使用有限的注释来识别和分类AD。ADGNET基于六个评估指标（Kappa，敏感性，特定型，精度，准确性，F1分数）在两个大脑MRI数据集（2D MRI和3D MRI数据）上实现出色的性能，并使用两个数据集中的Babels仅使用20％的标签。ADGNET的F1得分为99.61％，灵敏度为99.69％，表现优于两个最先进的模型（Resnext WSL和SIMCLR）。所提出的方法代表了一种潜在的基于WSL的计算机辅助诊断方法，用于临床实践中的AD。
在注释中使用mRNA和EST证据
识别潜在有趣的基因或类似基因的特征的一种方法是使用cDNA数据库。CDNA对于基因鉴定很有用，因为它们是由mRNA制成的，并反映了基因组的表达区域。为了在时间和财务上进行大规模的cDNA测序，随机采用cDNA克隆，并测序cDNA的一端或两端。每个cDNA克隆仅在一个通过中进行测序，就像单个基因组读数一样。这些序列通常称为表达的序列标签（ESTS）。因此，EST是低质量的核酸序列，所有与单读相同的问题。大多数EST仅代表cDNA的一部分（一端或另一端）。但是，它们可以用作构建更完全注释的mRNA的构建块，例如RefSeq mRNA数据库中发现的一些序列。除了相对较低的EST读取质量（大约2％的误差）外，EST还具有其他局限性。通常，归一化程序用于允许对稀有的转录本进行采样。但是，仍然存在偶然的可能性，可能完全因为它们的表现较低或不在给定的库中而完全丢失了稀有的成绩单。转录本也可能遗漏，因为它们未在用于构建各种cDNA文库的组织，细胞类型或发育阶段表达。（有关更多信息，请参见NCBI手册。）在本练习中，我们将使用mRNA和EST序列指导和验证我们的注释工作。
LLM通过过程奖励指导树搜索
LLM自我训练中的最新方法主要依赖于LLM生成重音，并以正确的输出答案作为培训数据过滤那些。这种方法通常会产生低质量的微调训练集（例如，计划不正确或中间推理）。在本文中，我们开发了一种加强的自我训练方法，称为REST-MCTS ∗，基于将过程奖励指导与树搜索MCTS ∗集成在一起，用于收集高质量的推理痕迹以及每步价值以培训政策和奖励模型。REST-MCT ∗避免了通常用于通过基于树搜索的强化学习来训练过程奖励的每个步骤手动注释：给定的最终正确答案，REST-MCTS ∗能够通过估算此步骤的概率来推断正确的过程奖励，可以帮助您带来正确的答案。这些推断的奖励提供了双重目的：它们是进一步完善过程奖励模型的价值目标，并促进选择高质量的痕迹进行政策模型自我训练。我们首先表明，与先前的LLM推理基线相比，REST-MCTS ∗中的树搜索策略（如在相同的搜索预算中）具有更高的精度。然后，我们证明，通过使用该搜索策略作为培训数据所搜索的痕迹，我们可以不断增强多种迭代的三种语言模型，并超过其他自我训练算法（例如REST EM和自我奖励LM）。我们在https://github.com/thudm/rest-mcts上发布所有代码。
研究Havnsø结构，丹麦
在丹麦，地质碳储存（GCS）已被优先作为气候作用的直接解决方案。HAVNSØDOMAL结构已被确定为GC最有希望的位置之一，因为它的大小和特性被认为适用于GC。然而，主要基于旧，稀疏和低质量的地震数据的初步评估尚不确定有关该结构的前瞻性存储资源和完整性。为了实现明智的决策和储存操作的规划，作为针对丹麦整个近海建筑物的大规模收购活动的一部分，该地区的地震数据获取工作于2022年在该地区进行。调查的目的是描述结构封闭并绘制可能危害GCS操作的故障的可能地质特征。总共使用创新的双元素记录系统来获取132 km的高倍和高分辨率2D轮廓，以实现深层和浅的地下成像目的。录制包括两个振动源和一个分布在10 m处的节点记录器的组合，以及连接到移动地带的2-M基的基于2-M的微电机电系统（MEMS）基于基于的重新线。地震数据包含有关GC的所有感兴趣范围的信息。该结构估计为定义明确的四向封闭，该封闭库是连续的。解释了厚的，大部分是均匀的密封岩，并且在近表面没有发现大规模的断层。根据现有背景信息支持的结果提供了关键信息，以协助与HAVNSØ的未来存储操作有关的进一步决策和行动。
零拍的幻觉拓扑记忆
在视觉计划（VP）中，代理商学会了从观察到的动态系统中的目标指导行为，例如，从自我监督的机器人交互中获得的图像。大多数先前关于VP的作品通过在学习的潜在空间中进行计划，低质量的视觉计划和难以训练的培训算法来接近概率。在这里，我们提出了一种直接在图像空间中计划并显示竞争性能的简单VP方法。我们建立在半参数拓扑内存（SPTM）方法上：图像样本被视为图中的节点，从图像序列数据中学到了图形连接，并且可以使用常规的图形搜索方法来执行计划。我们在SPTM上提出了两次修改。首先，我们使用接受稳定训练的对比预测编码训练基于能量的图形连接函数。第二，为了允许在新域中进行零射击计划，我们学习了一个有条件的VAE模型，该模型在给定描述域的上下文中生成图像，并使用这些幻觉样本来构建连接图和计划。我们表明，这种简单的方法在使用计划指导轨迹以下控制器的计划时，就计划的可解释性和成功率而言，这种简单的方法既优于SOTA VP方法。有趣的是，我们的方法可以拾取诸如其几何形状之类的非平凡的视觉属性，并在计划中说明它。
LLM可以帮助对超声成像的质量评估？
摘要 - 由于操作员的熟练程度和成像情况的差异，超声检查的次数急剧增加，低质量的超声成像已大大增加，因此对诊断准确性造成了严重负担，甚至导致重新诊断的风险在关键病例中重新开始诊断。为了帮助临床医生选择高质量的超声图像并确保准确的诊断，我们引入了超声波QBench，这是一种全面的基准，该基准在系统上可以评估多模式大型语言模型（MLLMS），以实现超声图像的质量评估任务。超声 - Qbench建立了从不同来源收集的两个数据集：IVUSQA，由7,709张图像和心脏硫酸氢菌组成，包含3,863张图像。这些图像包含常见的超声成像工件由专业的Ul-Trasound专家注释，并分为三个质量：高，中和低。为了更好地评估MLLM，我们将质量评估任务分解为三个维度：定性分类，定量评分和比较评估。对7个开源MLLM和1个原则的评估表明，MLLM具有超声图像质量分类中低级视觉任务的初步功能。我们希望这种基准能激发研究界的深入研究和增强MLLM在医学成像任务中的未开发潜力。索引术语 - 大型大语言模型（MLLM），质量评估，超声图像