XiaoMi-AI文件搜索系统
World File Search System模型分解
使用LSTM模型分解每日降水数据
没有时间调整，需要对其他位置的每日降水量测量值保持一致，以解释日光节省时间。这些位置进行一年一度的一小时换档，需要每日降水读数和其他气象元素之间的时间对齐，因为半小时的降水数据在标准时间始终记录下来。然后，我们使用该站完整的半小时沉淀数据执行此插值数据的内部连接。这导致了一个时间序列，该时间序列可以追溯到半小时的降水记录开始日期。我们在2020年至2022年的所有数据上测试模型，使用2018和2019作为验证设置，以防止模型过度拟合并在其余数据上进行训练。这会导致大约75％-10％-15％的火车验证测试拆分。训练数据集进行了改组，以允许该模型从每批更具代表性的样本中学习。
三角洲：使用大语言模型分解的有效的长期机器人任务计划
摘要 - 大语言模型（LLM）的最新进展彻底改变了许多研究领域。在机器人技术中，通过解锁前所未有的上下文意识级别，将常识性知识整合到下游任务中已大大推动了该领域。尽管知识收集了大量知识，但由于幻觉或缺少域信息，LLM可能会产生不可行的计划。为了应对这些挑战并提高计划的可行性和计算效率，我们介绍了Delta，这是一种新颖的LLM知名任务计划方法。通过使用场景图作为LLM中的环境表示，Delta实现了快速生成精确的计划问题描述。为了提高计划绩效，Delta将LLMS的长期任务目标分解为自回归的子目标序列，从而使自动化的任务计划人员能够有效地解决复杂的问题。在我们的广泛评估中，我们表明，与艺术品相比，达美航空可以实现高效且全自动的任务计划管道，达到更高的计划成功率，并明显较短的计划时间。