XiaoMi-AI文件搜索系统
World File Search System幻觉
主动自我触摸恢复了“橡胶手幻觉”扰乱后的身体本体感受的空间意识
身体自我意识依赖于视觉，触觉，本体感受和运动信号的不断整合。在“橡胶手幻觉”（RHI）中，具有视觉刺激的刺激会导致自我意识的变化。尚不清楚其他躯体信号是否可以弥补由有关身体的视觉信息引起的自我意识的改变。在这里，我们将RHI与机器人介导的自动触摸结合使用，以系统地研究触觉，本体感受和运动信号在维持和恢复身体自我意识中的作用。参与者用右手移动了领导者机器人的手柄，同时从追随者机器人的左手手中收到了相应的触觉反馈。这种自动刺激是在诱导经典RHI之前或之后进行的。在三个实验中，在RHI之前（但不是之前）提供了主动自我打击，大大降低了由RHI引起的原始漂移，支持主动自我接触对身体自我意识的恢复作用。在非自愿自我打击期间不存在效果。单峰控制条件证实，自动触摸的触觉和运动组件都是恢复身体自我意识所必需的。我们假设主动自动触摸会瞬时提高触摸身体部位的本体感受的精度，从而抵消了RHI构成的视觉捕获效果。
查看，比较，决定：通过多视图的多路推理减轻大型视觉模型中的幻觉
最近，大型视觉模型（LVLM）在多模式上下文理解中表现出了令人印象深刻的能力。但是，他们仍然遭受幻觉问题，即与图像内容产生不一致的输出。为了减轻幻觉，先前的研究主要集中于使用自定义数据集对LVLM进行重新培训。al-尽管有效，但它们本质上带有额外的计算成本。在本文中，我们提出了一个无培训的框架MVP，旨在通过通过Multimi-v iew Multi-p ath的理由来减少LVLMS的天生能力来减少幻觉。具体来说，我们首先设计了一种多视图信息寻求信息的策略，以彻底了解IMEAM中的全面信息，该信息丰富了原始愿景编码器在LVLMS中捕获的一般全球信息。此外，在答案解码期间，我们为每种信息视图提出了多路推理，以量化和集结多个解码路径中每个电位的确定性得分，并效法确定输出答案。通过完全掌握图像中的信息，并在解码时仔细考虑了潜在的范围的确定性，我们的MVP可以有效地减少LVLM中的幻觉。广泛的实验证明了我们提出的MVP可以显着减轻四个众所周知的LVLM的幻觉概率。更重要的是，MVP是插件，可以与其他解码方法集成，以进行更多的增强。源代码可在以下网址提供：https：//github.com/gasolsun36/mvp。
hahamy-et-al-2021-brain.pdf
人类大脑的自发活动已得到充分记录，但人们对这种普遍存在的神经现象的功能作用知之甚少。以前有人假设自发的大脑活动是无提示（内部产生）行为的基础。我们通过研究五名经历生动的视觉幻觉（Charles Bonnet 综合征）的盲人/视障人士的皮质视觉系统来测试自发的大脑活动是否可能是内部产生的视觉的基础。这些人的视觉系统中的神经元群被剥夺了外部输入，这可能导致他们对自发活动波动的高度敏感。为了测试这些自发波动是否有助于产生幻觉，我们将查尔斯·博内综合征患者报告幻觉时的功能性 MRI 大脑活动 (自发性内部产生的视觉) 与以下情况进行了比较：(i) 视力正常的对照组在看到幻觉流的视觉模拟后由真实视觉 (外部触发的视觉) 引起的大脑活动；(ii) 非幻觉盲人对照组在视觉意象 (提示性内部产生的视觉) 过程中的大脑活动。所有情况都显示出跨越视觉系统大部分的活动。然而，只有查尔斯·博内综合征患者的幻觉情况表现出独特的时间动态，其特点是在报告的幻觉开始之前神经活动缓慢建立。这种建立在早期视觉皮层中最为明显，然后沿着视觉层次结构衰减。这些结果表明，在没有外部视觉输入的情况下，早期视觉皮层中自发波动的积累可能会激活视觉层次，从而触发视觉体验。
![arxiv：2407.04831v2 [cs.ai] 2024年8月8日](/simg/g:\will\search\icon\source\5\582c869eda4fed17fe6c182478437bb813c5f970.webp)
arxiv：2407.04831v2 [cs.ai] 2024年8月8日
生成模型（例如大语言模型（LLMS））被广泛用作代码副本，并用于整个程序生成。但是，他们生成的程序通常在集成方面具有可疑的正确性，安全性和可靠性，因为它们可能不遵循用户要求，不正确和/或毫无意义的输出，甚至包含语义/语法错误 - 总体称为LLM幻觉。在这项工作中，我们介绍了几种类型的代码Hal-Lucination。我们已经使用LLM手动生成了此类幻觉代码。我们还提出了一种技术 - Halltrigger，以展示产生任意代码幻觉的有效方法。我们的方法利用了3个不同的LLM的动态属性到工艺提示，可以成功地触发模型幻觉，而无需访问模型体系结构或参数。受欢迎的黑盒模型的结果表明，Halltrigger确实是有效的，而普遍的LLM幻觉对软件开发产生了巨大影响。
歌剧：通过过度信托的惩罚和转录分配
幻觉是对多模态大语言模型（MLLM）的普遍挑战的幻觉，极大地阻碍了他们需要精确判断的真实用法。现有方法可以通过特定设计的数据进行培训，或通过其他来源的特定知识来缓解此问题，从而产生了不可避免的额外费用。在本文中，我们提出了一种新型的MLLM解码方法，该方法基于o-vertust pe nalty和r eTroptoction-llocation策略，它是一种几乎免费的午餐，可以减轻幻觉问题，并没有其他数据，知识，知识或培训。我们的方法始于一个有趣的观察结果，即，大多数幻觉与自我注意力矩阵所表现出的知识聚集作用紧密相关，即MLLM倾向于通过关注一些摘要的代价来产生新的代币，但并非所有以前的代币。这种部分过度信任的倾向会导致忽略图像令牌，并用幻觉描述图像内容。基于观察结果，Opera在梁搜索解码过程中引入了对模型逻辑的惩罚术语，以使Miti-Gate the Trust问题以及回滚策略回顾了在预先生成的令牌中存在摘要令牌的存在，并在必要必要时重新分配给标记。通过广泛的实验，Opera在不同的MLLM和指标上表现出明显的幻觉降低性能，证明其有效性和性质。我们的代码为：https：//github.com/shikiw/opera。
Rubrik Annapurna：为 Amazon Generative AI 提供安全数据
独立于经过过滤和保护的源数据，使用 FM 构建的应用程序可能会由于幻觉而生成不正确的信息。例如，FM 可能会生成偏离源信息的响应、混淆多条信息或发明新信息。Amazon Bedrock Guardrails 支持上下文基础检查，如果响应没有以源信息为基础（例如，事实上不准确或新信息）并且与用户的查询或指令无关，则可帮助检测和过滤幻觉。上下文基础检查可以帮助检测 RAG、摘要和对话应用程序的幻觉，其中源信息可用作验证模型响应的参考。
认知神经工程博士职位开放
认知神经工程博士职位开放，研究使用脑电图解码和脑刺激的机器人诱发幻觉的注意力和社会机制。认知神经科学实验室 (Olaf Blanke：https://www.epfl.ch/labs/lnco/) 开放一个新的博士职位，研究健康参与者和帕金森病患者实验诱发幻觉的注意力和社会大脑机制。该项目将结合机器人技术和虚拟现实 (VR) 与非侵入性脑刺激以及高密度脑电图/脑磁图记录的使用，以揭示注意力和社会大脑机制对幻觉的影响。该项目是瑞士西部一项重大研究项目的一部分，该项目研究健康个体和帕金森病患者的意识状态改变（幻觉）和相关认知功能的大脑机制。项目描述：幻觉是意识神经科学的重要现象，也是帕金森病等主要精神和神经疾病的常见症状（Ffytche 等人，《Nature Reviews Neurology》，2017 年）。尽管幻觉的患病率很高且具有临床相关性，但人们对其神经机制知之甚少，而且幻觉研究因其不可预测和私密性而受到阻碍，使其调查、量化和评估极具挑战性（即 Bernasconi 等人，《Nature Protocols》，2022 年）。该博士项目基于我们最近开发的方法，该方法融合了机器人和虚拟现实 (VR) 技术，以诱导实验控制的特定幻觉状态（Blanke 等人，《Current Biology》，2014 年；Bernasconi 等人，《Science Translational Medicine》，2021 年），并使用新的隐式 VR 行为标记来量化幻觉（Albert 等人，《Nature Communications》，2024 年）。临床证据表明，帕金森病患者的幻觉可能与注意力波动有关（例如 Shine 等人，帕金森病，2015 年），而注意力波动可能与清醒状态下的睡眠样侵入（慢波）有关（Arnulf 等人，神经病学，2000 年），并且与更快的认知能力下降有关（Bernasconi 等人，自然心理健康，2023 年）。当前的项目计划以这些最新方法和发现为基础，有三个主要目标。首先，将机器人技术和 VR 与高密度 EEG/MEG 相结合，以研究清醒状态下睡眠样侵入引起的注意力波动是否会调节机器人引起的特定幻觉（存在性幻觉）和相关的主观精神状态（在健康参与者和帕金森病患者中）。第二，将EEG/MEG-VR机器人系统与基于MRI的非侵入性脑刺激（时间干扰电刺激；例如Wessel等人，Nature Neuroscience，2023）相结合，以特定的振荡频率应用，进一步调节机器人引起的存在幻觉。第三，使用机器学习来预测幻觉状态，该机器学习应用于行为和神经数据。要求：理想的候选人应拥有工程、计算机科学、神经科学或神经技术、医学或生物学硕士学位（或同等学历），对认知系统神经科学和神经成像/信号分析有浓厚兴趣。之前在应用机器学习和非侵入性脑刺激方面的工作是一个加分项。工作环境：
Exelon补丁10，透皮补丁
大多数意外过量的病例尚未与任何临床体征或症状有关，几乎所有有关的患者仍在继续治疗。在发生症状的情况下，包括恶心，呕吐，腹泻，腹痛，头晕，震颤，头痛，脾气暴躁，心动过缓，混乱状态，高胡质症，高血压，高血压，幻觉，幻觉，幻觉和不适。对胆碱酯酶抑制剂的过量可能导致胆碱能危机，其特征是恶心，呕吐，唾液，出汗，心动过缓，低血压，呼吸道抑郁和抽搐。肌肉无力是可能的，如果涉及呼吸道肌肉，可能会导致死亡。由于胆碱酯酶抑制剂对心率，心动过缓和/或晕厥的已知迷走神经效应，也可能发生。
部署-enterprise genai-genai-applications-On-Oracle- ...
在生成AI中，“幻觉”发生时，该模型产生了合理的听起来不正确或荒谬的内容，因为它依赖于数据模式而不是真实的理解。为了确保Genai应用程序提供精确且相关的响应并减少幻觉，您必须使用企业的独特数据进行提示和响应。您可以使用检索型生成（RAG）框架来实现接地。rag是一种混合模型架构，将检索机制与生成模型相结合，以提高生成内容的质量和准确性。基于抹布的架构提供了比标准生成模型自行提供的更准确和明智的答案。不使用RAG的企业通常会发现他们的模型幻觉并产生错误的结果。