XiaoMi-AI文件搜索系统
World File Search System幻觉的
负面的幻觉会因环境友好型的数字而加剧：
摘要在传统项目中添加环保物品有时会导致人们相信整个集合的碳足迹会减少而不是增加。据称，这种负面的足迹幻觉是由平均偏见的基础：人们基本的环境影响估计不是对项目的总影响，而是对它们的平均值。在这里，我们发现，当传统项目数量保持恒定时，幻觉的幅度随着更多的“绿色”项目的增加（研究1和2），支持平均偏置帐户。我们通过测试传统和“绿色”类别中的项目数量在保持两个类别之间的比率时（研究3）时，我们对该帐户提出了质疑。与平均偏置帐户一致，随着类别规模的增加，幻觉的幅度增加了，揭示了类别大小的偏见，并提出了关于幻觉中这些偏见之间相互作用的问题。
000712.pdf div>
抽象幻觉是一种感官感知，在异常的神经系统障碍和各种精神疾病中没有外部刺激的情况下发生。幻觉被认为是一种核心精神病症状，在精神分裂症患者中尤其普遍。引人注目的是，许多患有阿尔茨海默氏病（AD），帕金森氏病（PD），亨廷顿氏病（HD）的受试者以及其他神经系统疾病（如大脑中风和癫痫发作）也经历了幻觉。虽然异常神经传递与精神分裂症的神经病事件有关，但涉及幻觉的精确细胞机制仍然晦涩难懂。神经发生是一种细胞过程，是从大脑中神经干细胞（NSC）衍生的神经细胞产生新神经元的一种细胞过程，有助于调节模式分离，情绪，嗅觉，学习和成年期的记忆。成人大脑海马中的神经发生受损与压力，焦虑，抑郁和痴呆有关。值得注意的是，许多神经退行性疾病的特征是神经细胞的有丝分裂和功能激活以及成熟神经元的细胞周期重新进入，从而导致神经发生过程的急剧改变，称为活性神经细胞。考虑其神经生理特性，神经细胞异常整合到现有的神经网络中或撤回其连接可能会导致异常的突触发生和神经传递。最终，预计这会导致幻觉的看法改变。因此，本文强调了一个假设，即反应性神经母细胞增多的异常神经源过程可能是精神分裂症和其他神经系统疾病中幻觉的基本机制。
通过教学对比解码
大型视觉模型（LVLM）越来越擅长从视觉输入中产生上下文详细且相干的响应。然而，它们在多模态决策和开放式的一代中的应用受到了明显的Hal-Lucinations的限制，因为生成的文本不准确地代表了视觉内容。为了解决这个问题，本文介绍了指令解码（ICD）方法，这是一种旨在减少LVLM推论的幻觉的新颖性。我们的方法的灵感来自我们的观察，即我们所说的干扰指令在多模层融合模块中显着加剧了幻觉。ICD会从标准和指导扰动中进行分布，从而增加对齐不确定性，并有效地从原始分布中减去幻觉的概念。通过对犯罪基准（POPE和MME）和生成基准（Llava-Bench）的全面实验，我们证明ICD显着减轻了对象级别和属性级别的幻觉。此外，我们的方法不仅解决了幻觉，而且还显着增强了LVLMS的一般感知和识别。
货币幻觉下的经济增长
货币幻觉这一术语指的是人们混淆名义量和实际量的一种现象。普遍认为这一术语是由欧文·费雪创造的，他曾用一整本书来探讨这一主题（ Fisher, 1928 ）。凯恩斯主义经济学家和费雪等一些数量理论家经常提到货币幻觉的存在来解释货币的短期非中性。2然而，货币幻觉通常被认为是非理性的，并且会给决策者带来高昂的成本，因此经济学家们一直拒绝在正式分析中使用货币幻觉，阿克洛夫和耶伦（ Akerlof and Yellen）（1985a , b） 可能是一个例外。20 世纪 90 年代中期，越来越多的实证和实验证据重新引发了对货币幻觉的兴趣，并促使阿克洛夫等人开展理论研究。 (1996、2000) 关于菲利普斯曲线的研究，Piazzesi 和 Schneider (2008) 关于房地产市场的研究，以及 Basak 和 Yan (2010) 关于投资者行为的研究。
语言模型是否知道他们何时幻觉参考？
最新的语言模型（LMS）众所周知，很容易产生幻觉信息。这种不准确的输出不仅破坏了这些模型的可靠性，而且还限制了它们的使用并提高了有关错误信息和宣传的严重意见。在这项工作中，我们专注于幻觉的书籍和文章参考，并将其作为语言模型呼吁研究的“模型有机体”，因为它们的频繁且易于言行。我们认为，如果语言模型在其输出中引用了特定的参考，那么理想情况下应该拥有有关其作者和内容的信息，以及其他相关细节。使用此基本见解，我们说明可以通过向有关引用的语言模型询问一组直接或间接查询，而无需介绍任何外部资源，而无需介绍任何外部资源。这些查询可以视为“一致性检查”。我们的发现强调，虽然包括GPT-4在内的LMS经常产生不一致的作者清单以幻觉引用，但他们也经常会回想起真实参考的作者。从这个意义上讲，LM可以说是“知道”当它幻觉引用时。更重要的是，这些发现表明了如何将幻觉的参考文献阐明，以阐明其性质。复制代码和结果可以在github.com/microsoft/hallucined-参考中找到。
伊利诺伊州最高法院关于人工智能的政策 - NET
幻觉 - 当生成式人工智能产生的输出看似真实，但实际上具有误导性，或由人工智能本身而非真实世界的数据或输入编造而成时。如果生成式人工智能用于法律诉状或简报，则所包含的引文可能完全是编造的，或者是真实案例，但不包含所引用的所谓语言。阅读有关幻觉的案例判决。
多模式嵌入中的对抗幻觉
多模式嵌入式编码文本，图像，热图像，声音和视频中的单个嵌入空间，对跨不同方式的对齐表示（例如，，将狗的图像与吠叫声相关联）。在本文中，我们表明多模式的嵌入可能容易受到我们称为“对抗幻觉的攻击”。给定图像或声音，对手可以扰动它，以使其嵌入接近另一种模式中的任意，对手选择的输入。这些攻击是跨模式和目标的：对手可以将任何图像或声音与他选择的任何目标保持一致。广泛的幻觉利用了嵌入空间中的邻近性，因此对下游任务和方式不可知，从而实现了当前和将来的任务的批发妥协，以及对敌方无法获得的方式。使用Imbind和AudioClip嵌入，我们演示了对抗性输入，在不了解特定下游任务，误解图像生成，文本生成，零拍，零拍摄和音频检索的情况下生成的对准输入是如何对准的。我们调查了跨不同嵌入式嵌入方式的幻觉的可转移性，并开发了我们方法的黑盒版本，我们用来证明对亚马逊商业专有泰坦嵌入的第一个对抗性对齐攻击。最后，我们分析了对策和逃避攻击。
静止状态功能连接的电动机幻觉
视觉幻觉 - 运动幻觉（VMI）是通过查看自己在身体静止时进行体育锻炼的图像来唤起动力学感觉。先前的研究表明，VMI激活了运动缔合的大脑区域。但是，尚不清楚VMI是否立即改变静止状态功能连接（RSFC）。这项研究的目的是验证VMI诱导是否使用功能性近红外光谱（FNIRS）改变了RSFC。13个健康成年人的右手进行了幻觉和观察条件，持续20分钟。在每个条件之前和之后，使用FNIRS测量RSFC。在每种情况下，动力学幻觉的程度和使用李克特量表测量的身体所有权感。我们的结果表明，与观察条件相比，幻觉条件后，动力学幻觉的程度和人体所有权的程度明显更高。与观察条件相比，幻觉条件后的RSFC显着增加了与动力学幻觉，身体所有权和运动执行感相关的大脑区域。总而言之，RSFC已成为一种生物标志物，显示出由于VMI引起的大脑功能的变化。VMI可以应用于中风或骨科疾病患者的治疗。
了解 scite，“用于研究的 ChatGPT”，一种新的人工智能 了解 scite，“用于研究的 ChatGPT”，一种新的人工智能 (AI) 工具，可通过克莱姆森图书馆获得 (AI) 工具，可通过克莱姆森图书馆获得
• 从开放存取库和与出版商达成的协议中获取文档 • 将 PDF 转换为机器可读的文本 • 使用 Biblioglutton 将原始书目参考与 Crossref 进行匹配 • 使用深度学习（一种 AI 方法）分析和分类引文以确定上下文（“智能引文”） • 利用由智能引文支持的大型语言模型 (LLM) 最大限度地降低 AI 幻觉的风险，并帮助研究人员查找和分析高质量信息/真实参考文献