XiaoMi-AI文件搜索系统
World File Search System玩家
纸摇滚剪裁：探索玩家策略的动态
这项研究有助于理解对抗性重复相互作用中动态决策行为的理解。使用众所周知的竞争游戏，在两人实验中，我们在许多试验中成对地收集了重复游戏的数据。我们设计了一个payo矩阵，使我们能够从随机行为中分解最佳（NASH）行为。我们的分析表明，参与者与NASH或随机不一致。我们也没有找到文献中建议的环状行为的证据。有趣的是，人类行为是非常异构的。虽然有些球员遵循常见的“赢 /失速”启发式，但许多其他玩家也遵循“换档 /输掉式停车”启发式启发式。< / div>我们总结了我们的结论，以研究对抗情况下的行为动态。
每个人都是玩家 一切都是目标冲突沙盒
在过去十年中，SpaceX等公司通过快速增加太空发射次数，彻底改变了太空可达性。这导致向太空发射有效载荷的成本降低，商业卫星发射次数激增，增加了平民获取卫星图像的权限和对卫星进行任务的能力，使任何人都拥有了前所未有的影响冲突的能力。在通信方面，人们可以轻松地检测、定位、干扰和拦截军用无线电传输。乌克兰人采用数字伪装来应对这种情况，将他们的传输与民用通信融合在一起。他们利用敏捷的软件定义无线电系统利用俄罗斯的漏洞进行电子战。海军陆战队正在测试一种方法，该方法涉及将传输从易于检测到的无线电频率转移到几乎无法检测到的激光束，从而增加数字带宽以进一步实现技术进步。
阿提拉：基于纯符号人工智能的谈判外交玩家
摘要。棋盘游戏《外交》被认为是自动谈判最具挑战性的测试案例之一。虽然已经为这款游戏开发了许多机器人，但其中很少有能够成功谈判的机器人，而那些能够成功谈判的机器人都是在人类示例游戏的大量数据集上进行训练的。这使得很难将相同的技术应用于其他游戏或谈判场景，因为人类目前还没有这些知识。此外，由于这些机器人是使用深度学习进行训练的，它们本质上是黑匣子，很难理解它们的工作原理。所以，这些机器人对我们更好地理解强有力的谈判技巧没有多大帮助。因此，在本文中，我们介绍了一种名为 Attila 的新外交机器人，它完全基于符号 AI。它的谈判算法利用了游戏战术部分的现有预言机，称为“D-Brane 战术模块”（DBTM）。我们解释了如何将 DBTM 转换为用于自动谈判的搜索算法，并通过实验表明 Attila 的表现远远优于几种最先进的外交机器人。
RNA Pol III启动子 - 精确针对性的钥匙玩家...
i n d i a〜r o d u m s u r〜r〜r y o p e r e u〜z o r l i〜c％1011'1'％t o t a l u〜d〜>。〜o〜p s。I a n d this '>'Yvides n DcFF91Z1rI PT<>CElll I Y p p l e n l C i l l t o I 1 1 ~ Ilig:,, S C r c ~ I - h l l l e d d,C, o f tbs Indimn p D p i r l n t ~ u n .i n i n d l d。r i i i p e u r 1 f e = 1 3 c o〜s u“ i c〜zi？〜Sliy 8。l t h e rorrv ur〜eey〜iic.lie，,,, ili fc.tsi〜d0ll5 i i i i i i i l i o k l l .. l .. l .. l'/'.i，ytlllr在其他scn，l-nr，l-nr，ri ri fropicill fropicill cuyrtiiise o f The y o r i i o r i i i d d.l> ei ii i i l l〜l〜l〜l〜l〜l〜l〜l〜l〜l〜c.〜l，b〜〜”a l r h u u s b〜〜l。i c〜s。i：s，115〜i c l d a n n d an n d a b＃l l t y a r c o r ol.rir> u> pli'，rlly，？t。％i n ulliiy ulna d〜s a r v e％〜o n〜> d e r〜-'lo''ti。= srain或sfoi，llv。5 c v c r。〜colnguuentr。i n c t u d r n r t i o n a l q u a l i l y。s n l l l l l l l l l l l l l l r〜a l faciurr。dlur.rliL.ziri.r unrl b i o l r r > l r b t l r l y o f nurrienls, s o o k , l > g q u l l l i y , c o n s u m e r ICcel?l.tbtlity.a n d r i o r n f s稳定性。 'r h s p r o s r v s s i b a r b a r b s e n "lade a 1 1 r t u d i e l ~ > r r o n l c c o m p o n s n c r o r g r a l n q u a l i t y ul ICRISAT is r e p o r t e d i n iblr pilpcr.
撒谎，欺骗和幻觉：玩家对游戏信任和欺骗的看法
撒谎 - 做出欺骗意图的不真实陈述的行为[74] - 长期以来一直是道德哲学中的重要主题[8，35，55]。许多学者都研究了撒谎 - 在哪种情况下，可以接受[13，63，71]，对撒谎的看法如何在文化和年龄之间有所不同[15，37]等。但是，从叙事构建，讲故事的角度，撒谎和欺骗可以用作探索和增强写作的主题主题[67，80]。谎言的角色可以为故事增添一定程度的歧义和道德复杂性[83，121]；这种欺骗可以帮助表征作品的角色，增加戏剧化和阴谋的水平，并增强读者从故事中脱颖而出的隐喻含义。扩展了在叙事写作中使用欺骗的概念，视频游戏是一种越来越多地用于讲述故事和传达叙事的媒介，以使人们发笑，哭泣和思考[10，45]。与传统的讲故事形式（例如书籍或电影）相反，游戏为玩家提供了高度的互动性，可以控制他们的选择和决定[59]。在这种体验中，游戏可以通过其虚拟代理提供一种社交互动形式 - 不可玩的字符（NPC）[1，5]。与NPC的互动是游戏的重要组成部分，因为它们会影响玩家感到[112]，提供情感关系和依恋的车辆[14]的现实主义和沉浸度[14]，并增加了玩家从游戏中带走的欣赏和意义的感觉[45]。游戏中互动性的负担能力为玩家提供了代理机构，他们想要移动的方式，他们想要如何互动等。我们考虑了这样一个问题，即这种玩家驱动的互动如何影响并受到信任和启示方面的影响，尤其是NPC和玩家之间的互动。，有着相对稀缺的工作，着眼于玩家如何看待NPC中的真实性，谎言和欺骗。由于自然主义的NPC对话和互动的快速研究改善了越来越重要的差距（例如通过AI方法[72，84]）与他们以前的有限和僵化的行为形成对比[60]。我们考虑以下研究问题，从最初启动游戏到游戏后的外卖阶段，也可以构成游戏玩法体验的不同阶段。
使用 AI 玩家预测游戏难度和参与度
本文介绍了一种用于预测人类玩家行为和体验的自动游戏测试新方法。我们之前已经证明，深度强化学习 (DRL) 游戏代理可以预测游戏难度和玩家参与度，并将其操作化为平均通过率和流失率。我们通过使用蒙特卡洛树搜索 (MCTS) 增强 DRL 来改进这种方法。我们还基于以下观察激发了一种增强的预测特征选择策略：AI 代理的最佳表现可以产生比代理平均表现更强的与人类数据的相关性。这两种添加方式都可以持续提高预测准确性，并且 DRL 增强型 MCTS 在最难的级别上的表现优于 DRL 和原始 MCTS。我们得出结论，通过自动游戏测试进行玩家建模可以从结合 DRL 和 MCTS 中受益。此外，如果 AI 游戏玩法平均而言无法产生良好的预测，那么研究重复的最佳 AI 代理运行的子集也是值得的。
自适应严肃游戏中的玩家建模和适应方法
随着越来越多的学生追求高等教育，教育工作者和研究人员开始寻求更好、更有效的学生教育方法。严肃游戏 (SG) [1] 提供了一条这样的探索途径，并在教育和培训中得到了广泛的应用 [2-7]。通过将学习过程游戏化，这些游戏可以更好地吸引学生参与教育过程并提高学习效率 [8-10]。严肃游戏还可以让学生接触到传统课堂上无法获得的新内容或体验。然而，严肃游戏并不是对每个学生都有普遍帮助，因为许多游戏都依赖于学生自我激励和按照自己的节奏学习 [11]。此外，不能指望教师亲自调整游戏内容或在学生玩游戏时单独帮助他们。解决这个问题的方法是将严肃游戏与自动自适应教育技术结合起来，使游戏能够提供自动帮助、调整游戏内容或修改游戏难度，类似于人类导师为学习困难的学生所做的那样 [12]。有效的 SG 专注于优化
虚拟现实游戏脑电图性能指标与玩家评分的比较评估
摘要 — 低成本脑电图 (EEG) 设备被研究人员广泛用于人机交互、视频游戏和软件系统中，以评估交互设计对用户情绪的影响。然而，低成本 EEG 设备提供的情绪状态性能指标存在一些可靠性和准确性问题，这可能会误导开发人员的设计决策。在本研究中，我们将 EEG 设备与三款虚拟现实游戏相结合，以研究从 EEG 数据中提取的性能指标的可靠性。我们对 14 名玩家进行了实验，他们使用了具有不同游戏内动作水平的虚拟现实游戏。我们的分析表明，EEG 设备提供的性能指标与实际玩家体验之间存在显著差异。最后，我们使用临时线性模型直接从原始 EEG 估计玩家的情绪状态水平。我们还展示了不同情绪的大脑活动图，揭示了大脑活动与特定情绪之间的普遍关系。索引词 — 虚拟现实、EEG、玩家情绪、大脑活动图
癌症干细胞 - 肿瘤复发中的钥匙玩家 - 空气Unimi
摘要：不幸的是，肿瘤复发和治疗失败是癌症患者的常见事件，因此通常使癌症成为无法保育的疾病。癌症干细胞（CSC）是具有肿瘤发射和自我更新能力的癌细胞的子集，并且具有高适应性能力。总的来说，这些特征在一种或多种治疗方法后有助于CSC存活，从而导致治疗衰竭和肿瘤进展/复发。因此，阐明与Stem驱动的抗性相关的分子机制对于开发更有效的药物和持久反应至关重要。本综述将强调CSC所利用的机制，以克服从化学和放射性疗法到有针对性疗法和免疫疗法的不同治疗策略，从而阐明了它们的可塑性，作为阴险的特征，负责其适应/逃生。最后，将描述新颖的CSC特定方法，提供其临床前和临床应用的证据。
游戏玩家和非游戏玩家的反应时间和认知能力......
研究表明，第一人称射击游戏 (FPS) 有助于提高人的认知能力 (2)。在一项特定研究中，研究人员调查了玩电子游戏如何影响手眼协调能力以及多任务处理能力。实验对 50 人进行了研究，这些人被分成两组：25 名经常玩游戏的人和 25 名不玩游戏的人。第 1 组（游戏玩家组）在每次测试之前和测试之间玩游戏，而第 2 组（所有不玩游戏的人）只是在测试之间短暂休息。该测试模拟了计算机上的工作以测量多任务处理能力。研究人员的假设得到了证据的支持，测试分数存在显著差异，这表明电子游戏与人的认知技能和能力有直接关系 (2)。虽然两组的分数都随着时间的推移而增加，但游戏组的整体表现要好得多。这项研究的一个挑战是确定电子游戏是否真的有助于提高这些技能，或者多任务处理能力较强的人是否也对游戏感兴趣。