XiaoMi-AI文件搜索系统
World File Search System搜索任务
世界模型的几何形状对基于好奇心探索的影响
在人类的空间意识中，3-D投影几何结构结构信息整合和行动计划，通过视角在内部表示空间内采取。不同观点与世界模型相关的方式并改变了特定的感知和想象方案。在数学中，这种转换的收集对应于一个“群体”，其“动作”表征了空间的几何形状。将世界模型与群体结构相关联，可以捕获不同的代理人的空间意识和负担能力方案。我们将小组动作用作特殊的策略，以进行视角依赖控制。我们探讨了这种几何结构如何影响代理的行为，并比较了欧几里得与投射组如何在主动推断，好奇心和探索行为中对认知价值作用。我们正式演示并模拟了各组如何在简单的搜索任务中诱导不同的行为。根据框架的选择，投影组的非线性放大信息会转化认识价值，从而为感兴趣的对象产生了方法的行为。代理商世界模型中的投射组结构包含了射影的意识模型，该模型已知可以捕获意识的关键特征。另一方面，欧几里得群体对认知价值没有影响：没有动作比最初的闲置状态更好。在构造代理的内部表示形式时，我们展示了几何形状如何在信息集成和行动计划中起关键作用。关键字：几何世界模型；勘探;体现认知科学；认知建模；感知效果耦合
利用脑电图、GSR 和眼动追踪对不同任务负荷影响的多模态研究
摘要。目的。通过同时收集多模态生理数据和参与者反应数据，研究任务负荷对绩效的影响。还获得了对问卷的定期回复。目标是确定最能预测任务绩效的模态组合。方法。一组参与者执行了一项基于计算机的视觉搜索任务，模仿邮政编码排序。必须将五位数字分配给六个不同的不重叠数字范围之一。试验以逐步增加任务难度的块形式呈现。同时收集了参与者的反应，包括 32 个脑电图 (EEG) 数据通道、眼动追踪数据和皮肤电反应 (GSR) 数据。在实验的离散时间点使用了 NASA 任务负荷指数自我报告工具。主要结果。随着认知任务负荷的增加，低 beta 频率 EEG 波 (12.5-18 Hz) 更加突出，大多数活动发生在额叶和顶叶区域。这些伴随着更频繁的眨眼和瞳孔扩张。眨眼持续时间与任务表现密切相关。GSR 信号的相位成分与认知负荷有关，而紧张成分则表示更普遍的唤醒状态。参与者报告的主观数据 (NASA TLX) 显示挫折感和精神负荷增加。根据单因素方差分析，EEG 和 GSR 与感知工作量水平具有最可靠的相关性，并且是绩效预测最具参考价值的指标（综合起来）。意义。在与任务相关的活动中，许多模态都会发挥作用。如果适当分组，其中许多模态可以提供有关任务绩效的信息。这项研究表明，虽然 EEG 是任务绩效的良好预测指标，但 GSR 等其他模态会增加更准确预测的可能性。此外，在受控的实验室条件下，可以分离最具参考价值或最少数量的模态以在实际工作环境中进行监控。
无意识地操纵具有解码神经反馈的概念表示影响搜索行为
人类学习中有意识意识的必要性一直是心理学和神经科学的长期话题。先前对非意识联想学习的研究受到潜意识刺激的信噪比低的限制，并且证据仍然存在争议，包括不重复复制。使用功能性MRI解码神经反馈，我们指导来自男女的参与者产生类似于视觉感知现实世界实体（例如狗）时观察到的神经模式。重要的是，参与者仍未意识到这些模式所代表的实际内容。我们利用一种联想的十NEF方法将感知含义（例如狗）浸入日本的希拉加纳角色中，这些角色对我们的参与者没有固有的含义，绕开了角色与狗的概念之间的有意识联系。尽管缺乏对神经反馈目标的认识，但参与者还是成功地学会了激活双边锻造形式的目标感知表示。在视觉搜索任务中评估了我们培训的行为意义。ecnef和对照参与者搜索了由Decnef培训期间使用的Hiragana预先塑造的狗或剪刀目标或对照Hiragana。Decnef Hiragana并未对其相关目标进行搜索，但令人惊讶的是，参与者在寻找目标感知类别时受到了损害。因此，有意识的意识可能起作用，以支持高阶关联学习。这项工作还提供了关于神经代表性漂移的ectnef效应的说明。同时，在现有神经表示中的重新学习，修改或可塑性的较低级别形式可能会在不知不觉中发生，并且在原始培训环境之外会产生行为后果。
利用脑电图、脑回波和眼动追踪技术对不同任务负荷的影响进行多模式研究
摘要。目的。通过同时收集多模态生理数据和参与者反应数据来研究任务负荷对表现的影响。同时还获得了对问卷的定期响应。目标是确定最能作为任务表现预测指标的模态组合。方法。一组参与者执行了一项基于计算机的视觉搜索任务，模仿邮政编码分类。必须将一个五位数字分配给六个不同的不重叠数字范围之一。试验以逐步增加任务难度的块形式呈现。同时收集参与者的反应以及 32 个通道的脑电图 (EEG) 数据、眼动追踪数据和皮肤电反应 (GSR) 数据。在实验的离散时间点使用 NASA 任务负荷指数自我报告工具。主要结果。随着认知任务负荷的增加，低 β 频率 EEG 波 (12.5-18 Hz) 更加突出，其中大部分活动发生在额叶和顶叶区域。同时还伴随着更频繁的眨眼和瞳孔扩张。眨眼持续时间与任务表现密切相关。GSR 信号的相位成分与认知工作负荷有关，而紧张成分则表示更普遍的唤醒状态。参与者报告的主观数据 (NASA TLX) 显示挫折感和心理工作负荷增加。基于单因素方差分析，EEG 和 GSR 与感知工作负荷水平提供了最可靠的相关性，并且是绩效预测最具参考价值的指标（结合起来）。重要性。在与任务相关的活动期间，许多模态都会发挥作用。这些模态中的许多如果适当分组，都可以提供有关任务表现的信息。这项研究表明，虽然 EEG 是任务表现的良好预测指标，但 GSR 等其他模态会增加更准确预测的可能性。此外，在受控的实验室条件下，可以分离最具参考价值或最少数量的模态以在实际工作环境中进行监控。
工作有报酬吗？平台经济中的无偿劳动
平台经济现象的规模和重要性正在不断扩大，其商业模式渗透到经济的各个部门。新冠疫情加剧了这一现象。虽然雇主和一些政策制定者坚持认为平台为工人创造了就业和新机会，尤其是那些难以就业的工人，但该领域蓬勃发展的学术研究指出，平台内的工作和就业条件面临许多挑战，尤其是不可预测的薪酬和工作时间（Pulignano 等人，2021 年；Berg，2016 年）。然而，一个重要的额外挑战却很少受到关注，即平台工人所从事的无偿劳动量（ILO，2021 年）。本政策简报填补了这一空白，系统概述了不同类型平台工作中各种形式的无偿劳动，分析和量化了其普遍性，确定了驱动因素，并制定了关于如何应对这一挑战的政策建议。当前研究报告了数字经济中由“无偿”人员和工人承担的无数项目和任务，他们为创造经济价值做出了贡献，但其投入没有得到报酬，甚至没有被认可为劳动。一方面，这包括在任何劳动安排之外提供的投入，例如使用自助服务技术（如商店结账）、生成大数据或玩家制作的视频游戏修改（Ekbia 和 Nardi 2017）。另一方面，数字劳动平台以某些方式组织有偿工作——例如计件工资、随叫随到的工作、自营职业——使他们能够将部分工作时间和许多与工作相关的活动从有偿劳动范围中剔除（另见 Piasna 2019）。这导致了无偿劳动，我们将其定义为“工人在雇佣关系的固定工作时间和小时工资之外的时间或精力”（Pulignano 和 Morgan 2021：3），根据 Moore 和 Newsome（2018）的说法，这应该被视为不稳定工作的一个方面。在本政策简报中，我们研究了平台工作者作为无偿劳动所经历的活动，这些活动在欧洲不同国家和监管环境下的各种现场交付和在线（远程）自由职业平台上进行。我们表明，现场交付和远程自由职业平台中的零工工作都包括无偿劳动。它涉及从劳动力中无偿提取经济（“剩余”）价值，通常包括无报酬但“生产性”的活动（例如，等待或搜索任务/订单所花费的劳动时间、在订单之间奔波、建立声誉），这些活动由工人和/或自由职业者在其有偿任务之外执行。虽然我们认识到某些形式的无偿劳动可能并非平台工作所特有，并且可能代表平台经济内外的工作（例如，创意自由职业者），我们的论点是，平台内的无偿劳动是独一无二的，它源于平台如何管理劳动力，通过数字中介将客户与工人进行匹配，比如基于算法的