XiaoMi-AI文件搜索系统
World File Search System可执行的
变分算法中的量子经典权衡和多控制量子门分解
近期量子计算机的计算能力受到门操作的噪声执行和有限数量的物理量子比特的限制。混合变分算法非常适合近期量子设备，因为它们允许在用于解决问题的量子资源和经典资源数量之间进行广泛的权衡。本文通过研究一个具体案例——将量子近似优化算法 (QAOA) 应用于最大独立集 (MIS) 问题的实例——研究了算法和硬件层面的权衡。我们考虑了 QAOA 的三种变体，它们在算法层面根据所需的经典参数数量、量子门和所需的经典优化迭代次数提供不同的权衡。由于 MIS 是一个受约束的组合优化问题，因此 QAOA 必须尊重问题约束。这可以通过使用许多多控制门操作来实现，这些操作必须分解为目标硬件可执行的门。我们研究了该硬件级别可用的权衡，将不同本机门集的门保真度和分解效率组合成一个称为门分解成本的单一指标。
跨境执行针对国家的判决
一旦将外国判决公认为可执行的所有权，执行该判决的程序将与国家法院的判决相同。资料来源：请参阅《艺术》国家民事和商业程序法规。517-519。2。其他考虑因素可能适用于执行您管辖范围内某个国家的外国判决，例如通知规定？阿根廷法律区分了阿根廷执法的两种可能的情况：（i）执行对阿根廷国家的外国判决，以及（ii）对外国国家的外国判决。一方面针对阿根廷国家的执法，对阿根廷国家的判决是宣告性的，并且作为一般规则，仅限于承认原告在该主张中寻求的权利。 这意味着，谁有有利的外国判决来谴责阿根廷国家的任何人将无法立即开始执法过程。 相反，它必须提供一方面针对阿根廷国家的执法，对阿根廷国家的判决是宣告性的，并且作为一般规则，仅限于承认原告在该主张中寻求的权利。这意味着，谁有有利的外国判决来谴责阿根廷国家的任何人将无法立即开始执法过程。相反，它必须提供
Oceanplan：在大规模未开发的海洋环境中驾驶的自然语言的层次结构计划和重建
我们通过增强世界的增强表示，开发了一个分层的LLM任务计划和重建框架，以有效地将抽象的人类统一到有形的自主水下汽车（AUV）控制中。我们还挑战了一个整体的重建器，以向所有计划者提供现实世界中的反馈，以进行健壮的AUV操作。尽管已经进行了大量研究来弥合LLMS和机器人任务之间的差距，但他们无法保证在广阔而未知的海洋环境中AUV应用的成功。为了应对海洋机器人技术中的特定挑战，我们设计了一个层次结构计划来制定可执行的运动计划，该计划通过将长途任务分解为子任务，从而实现了计划效率和解决方案质量。同时，Replanner获得实时数据流以解决计划执行过程中的环境不确定。实验验证了我们所提出的框架是否通过自然语言试验为长期持续任务提供了成功的AUV表现。项目Web-网站https://sites.google.com/view/oceanplan。
美国的快艇、船只和飞机...
在美国海岸警卫队的男女官兵专业而熟练的操控下，海岸警卫队的快艇、飞机和船只全天候待命，无论白天还是夜晚，都能应对各种天气条件下的安全威胁。作为负责执法、事件响应、国土安全和灾害管理的海事领域联邦牵头机构，这些专业能力使海岸警卫队能够拯救生命、保护环境、在公海上执行联邦法律并保卫国土。近年来，海岸警卫队通过资产重组取得了多项成就。2015 年 11 月，该部门为第六艘国家安全巡逻舰 (NSC) 命名，即 Munro 号。第五艘国家安全巡逻舰 James 号于 2015 年 8 月投入使用。该部门于 2015 年底投入使用第 14 艘快速反应巡逻舰，14 架 HC-27J 飞机从空军移交并改装为海岸警卫队任务。尽管取得了这些里程碑，但机队和飞机的资本重组时间表落后于服务需求，危及“时刻准备”的能力，无法为重大事件做好准备、做出响应并从中快速恢复。展望未来，海岸警卫队将深思熟虑地寻求并实现平衡且可执行的收购计划，以应对日益恶化的近海、沿海和内陆资产。
plancollabnl：利用大型语言模型在人机合作中的自适应计划生成
摘要 - “嘿，机器人。让我们整理厨房。顺便说一句，我今天有背痛”。机器人系统如何从此抽象目标和代理条件中使用适当的任务分配的共享计划来设计共享计划？为此目的，已经对经典的AI任务计划进行了规定，但它涉及对不灵活的计划问题的繁琐定义。大型语言模型（LLM）通过自然语言（NL）的知识提取了机器人决策的有希望的概括能力。但是，将NL信息转换为受约束的机器人域仍然是一个挑战。在本文中，我们使用LLM作为NL信息和结构化的AI任务计划问题之间的翻译，以人为机器人的协作计划为目标。LLM生成了计划问题中编码的信息，包括从NL抽象目标中得出的特定子目标，以及基于NL代理条件的子距离分配的建议。在许多目标和代理条件下评估了框架，Plancollabnl，结果表明在大多数情况下都可以找到正确和可执行的计划。使用此框架，我们打算为HRC计划的生成增加灵活性和概括，从而消除了对受限计划问题和代理模型的手动和费力定义的需求。
指示偏见：指导调节的语言模型表现出紧急认知偏见
大型语言模型（LLMS）在协助机器人学习任务（即复杂的家庭计划）方面取得了巨大的成功。但是，经过验证的LLMS重量的性能依赖于特定领域的模板数据数据，这在具有基于图像的观察器的现实世界机器人学习任务中可能是不可行的。此外，现有的带有文本输入的LLM缺乏与环境非专家交互的发展能力。在这项工作中，我们引入了一种新颖的学习范式，该范式以文本的形式生成了可执行的动作，仅源自视觉观察。我们提出的范式与以前的作品不同，该作品利用语言说明或语言和视觉数据的组合作为输入。我们证明我们提出的方法可以提出两种微调策略，包括模仿学习和强化学习，以适应目标测试任务。我们进行了广泛的实验，其中涉及虚拟室环境中7个房屋布局的各种模型选择，环境和任务。我们的实验结果表明，我们的方法超过了现有的基准，证实了这种新型学习范式的有效性。
糖尿病足感染：开发治疗药物
I.引言本指南的目的是协助赞助商临床开发药物，以治疗糖尿病足感染（DFIS），而无需骨骼和关节受累。2具体来说，本指南涉及食品药物管理局（FDA）关于整体开发计划和临床试验设计的当前思维，以开发药物，以支持治疗DFI的指示。在单独的指导中介绍了用于治疗急性细菌皮肤和皮肤结构感染的药物，该药物定义为蜂窝织炎/埃里赛司赛，伤口感染和主要皮肤脓肿。3本指南不包含对统计分析或临床试验设计的一般问题的讨论。分别在临床试验的ICH行业E9统计原理（1998年9月）和E10对照组和相关问题的选择中分别解决了这些主题（2001年5月）。4个糖尿病脚感染包括位于麦芽脂蛋白的或远端的蜂窝炎，溃疡以及骨和关节感染。骨骼和关节感染不包括该指南的范围。一般而言，FDA的指导文件并未确定合法可执行的责任。相反，指南描述了该机构对某个主题的当前思考，除非提到具体的监管或法定要求，否则应仅查看建议。使用
语言模型作为编译器：模拟伪代码执行改善语言模型中的算法推理
算法推理任务涉及涉及逻辑模式的算法，例如完成Dyck语言，尽管他们最近的成功，但对大语言模型（LLMS）构成了挑战。先前的工作已使用LLM来生成程序语言，并应用了外部计算机来执行此类任务。然而，当飞行时，很难用解决方案的正确逻辑生成可执行的代码。即使这样，一个实例的代码也无法重用其他实例，尽管它们可能需要相同的逻辑来解决。我们提出了t Hink-和-e Xecute，这是一个新的框架，改善了LLMS的算法 - 固有推理：（1）在T Hink中，我们发现了在所有实例中共享的任务级逻辑，并用伪代码表达逻辑； （2）在e x -ecute中，我们将任务级伪代码量身定制为每个实例并模拟其执行。t hink-和-e xecute在算法算法推理任务中的表现优于几个强大的基线（包括婴儿床和锅）。我们表现出使用任务级伪代码而不是一一生成实例特定解决方案的优点。另外，我们表明，即使对自然语言指导进行了自然语言指导，伪代码也可以更好地改善LMS的推理。
信任之前和之后：对医疗 AI 的依赖
摘要 人工智能 (AI) 正在改变医疗保健和医学实践，因为数据驱动的科学和机器学习技术尤其有助于各种医疗和临床任务。这些进步也引发了许多问题，尤其是关于公众信任的问题。为了应对这些问题，公共机构、政策制定者和引领人工智能发展的科技公司一直在集中精力解决所谓的“公众信任赤字”。本文认为，将信任作为这项新技术与公众之间建立关系的基础，在最好的情况下是无效的，在最坏的情况下是不恰当的甚至是危险的，因为它会分散人们对积极保证信任真正需要的东西的注意力。我们认为，与其为如何促进信任而苦恼，这种关系可能会让信任者变得脆弱和暴露，不如将精力集中在确保由强有力的法律和监管框架支持的依赖这一艰难而动态的过程上。从那里，信任可以出现，但不仅仅是一种达到目的的手段。相反，信任是实践中需要努力实现的目标；也就是说，这是持续的道德关系应有的结果，在这种关系中，有适当的、可执行的和可靠的监管基础设施，以便不断地解释和适当纠正问题、挑战和权力不对称。
2030 年红肉产业战略
南非红肉产业有望在“一切照旧”的情况下增长 20% 以上，到 2030 年，每年为南非农业 GDP 增加 120 多亿兰特的实际产值。牛肉传统上占正规红肉总产值的 80% 左右，很可能将贡献这一产值的大部分。全国约 40-50% 的牛群由社区和小农户经营，该行业可以成为包容性增长、农村发展、就业和财富创造的有力推动力，为 100 多万从事畜牧业的家庭创造财富，这些家庭主要分布在该国最贫穷和最受忽视的地区。然而，发达的商业部门或陷入困境的非正规部门的任何形式的增长都必须克服诸多限制，包括口蹄疫的零星爆发、公共部门动物健康和疾病服务不足和失败、卫生和植物检疫制度实施受限、疫苗开发和供应能力下降以及缺乏可执行的识别和可追溯系统。其中许多限制属于国家的责任，需要由国家解决，但由于资金和能力有限，国家在不久的将来不太可能能够独自提供更全面、更有效的服务。