XiaoMi-AI文件搜索系统
World File Search System盲目
经典与量子主动用户检测算法性能比较
摘要 — 连接的移动设备数量的强劲增长对有效利用可用网络资源提出了新的挑战。代码域非正交多址 (NOMA) 技术似乎是一种非常有效的解决方案。每个设备都使用其分配的代码同时传输其数据以及用户标识符，而无需任何资源预留交换，从而节省了宝贵的无线资源。然而，这需要一个能够盲目检测活跃用户的接收器，这非常复杂。在量子架构有希望的叠加特性的驱动下，本文的目标是在 NOMA 的背景下调整和应用量子 Grover 算法进行活跃用户检测 (AUD)，以减轻搜索复杂性。将这种改进的 Grover 算法与最佳经典最大似然 (ML) AUD 接收器以及基本的经典传统相关接收器 (CCR) 进行了比较。根据接收信号的信噪比 (SNR) 评估 AUD 概率的基准。我们表明，我们改进的 Grover 算法在高 SNR 范围内非常有前景。索引词 —NOMA、AUD、最大似然、量子算法、Grover 算法
PDF(3.3 MB) - 独立计划委员会
参考文献：**AEMO 2024 ISP 中缺少全系统成本模型：-“建议 1. 必须由独立机构进行彻底调查并立即实施有效的问责机制，以应对基于公共机构误导性信息而制定的关于可靠性和能源成本的公共能源政策的彻底失败。 2. AEMO ISP 和 CSIRO GenCost 文件必须符合更高的真实标准，以确保真实性、完整性和专业工程流程，而不是盲目遵循现有有缺陷的政策。 3. 必须停止将风能和太阳能目标纳入国家电力规则，以终止政客和政府官僚在没有适当工程资质的情况下选择技术设计解决方案来取代电力系统工程师。 4. 必须在多个层面和时间点的新问责流程中聘请独立的专业知识进行频繁的技术和财务审查，并有权审查和公开审查各种技术方法。 5. 必须放弃 AEMO 2024 ISP，并立即启动考虑所有电力系统技术的新能源 NEM 计划。”（附件 PDF）
使用多模式LLM
摘要 - 以各种内容，编辑样式和工件为特征的短形式视频的兴起，对基于学习的盲目视频质量评估（BVQA）模型构成了重大挑战。多模式大型语言模型（MLLM）以其出色的概括能力而闻名，提出了有希望的解决方案。本文的重点是有效利用预定的MLLM进行短形式视频质量评估，预处理和响应变异性的影响，以及将MLLM与BVQA模型相结合的见解。我们首先研究了框架预处理和采样技术如何影响MLLM的性能。然后，我们引入了一种基于轻量学习的集合方法，该方法可适应从MLLM和最先进的BVQA模型中进行预测。我们的结果表明，通过提出的集合方法表现出了优越的概括。此外，对内容感知的集合权重的分析强调，某些视频特征并未完全由现有的BVQA模型完全代表，从而揭示了潜在的方向以进一步改善BVQA模型。索引术语 - 视频质量评估，短形式视频，多模式大语模型，内容吸引合奏
盲人的智能鞋
失明是全球最普遍的残疾，对受影响的人提出了深刻的挑战。努力应对视力障碍的人在环境环境和保持独立性时遇到了重大障碍。无法自由旅行会减少他们获得教育，就业机会，社会互动和基本服务的机会。认识到这些障碍，创新的解决方案对于增强视觉障碍的人并提高生活质量至关重要。那些患有失明的人在旅行或搬迁方面遇到困难，而这些人没有被视力的人所经历的。全球范围内约有2.53亿人生活在中度到严重的视力障碍或失明。中，大约有3600万人是盲人的，其视觉敏锐度为20/400或更少，以最好的校正或远小于10度的视野。视力障碍和失明代表着重大的公共卫生后果。为了盲目，为了帮助他们在各种组织和倡导团体努力促进盲人的权利和包容，倡导可访问的环境，平等的机会以及对社区所面临的需求和挑战的认识，以及WHO启动诸如“愿景2020：远见权”的计划，以避免盲目的计划，以避免消除盲目性。
通过拨款实现复原力：飞行员对复杂决策支持的看法
智能决策支持工具 (DST) 有望提高人类在航空备降等具有挑战性的情况下的决策质量。为了实现这些改进，DST 设计的一个共同目标是校准决策者对系统的信任。然而，这种观点主要来自受控研究，可能无法完全反映现实世界中备降的复杂性。为了了解 DST 在最了解备降复杂性的人眼中如何有益，我们采访了专业飞行员。为了促进讨论，我们构建了两个低保真原型，每个原型代表 DST 可以承担的不同角色：(a) 根据飞行员指定的标准主动建议和排名机场，以及 (b) 不引人注目地暗示飞行员应该注意的数据点。我们发现，虽然飞行员不会盲目信任 DST，但他们同时拒绝在决策时刻进行深思熟虑的信任校准。我们重新审视拨款，将其作为一个视角来理解这种看似矛盾的矛盾以及实现拨款的一系列手段。除了通常认为的透明度需求外，这些还包括整个决策过程中的可指导性和持续支持。根据我们的设计探索，我们鼓励将 DST 设计的视角扩展到实际决策点的信任校准之外。
为何教、教什么：小学人工智能课程
引言随着人工智能融入社会加速了数字化转型，解决问题的方式从人类行为的自动化转变为人类认知的自动化。人工智能技术有望在不久的将来发展成为像电力和网络技术一样的通用技术。为了反映人工智能融入人类劳动系统的未来，教育目标应该重新配置，以描绘我们社会不断变化的动态（Parliament 2018）。因此，还应该设计一套小学课程，为在人工智能泛滥的世界中培养和激励下一代人。关于应该向谁教授人工智能的讨论从大学生转向小学生。目前的人工智能教育主要在课程完善的大学开展。大学人工智能教育的目的是让学生成为职业发展的学术和行业专家。然而，基础教育中的人工智能教育应该以培养学生的人工智能素养为中心。盲目套用高等教育的人工智能课程不足以满足小学教育的目的。小学教育的人工智能课程应该考虑小学生特有的能力。小学教育的目标是为学生提供机会，加强核心能力，使他们能够成功地作为社会成员发挥作用。小学的能力应该以培养学生理解人工智能综合世界的能力为目标。
心不在焉、框架问题和数字化运营
面临高风险并在纯数字领域运营的组织，例如计算机安全和许多金融服务，必须满足两个相互矛盾的目标：他们需要大规模和快速地识别数字威胁，同时避免自动化处理导致的错误。对高可靠性组织的研究发现，同时实现这些目标面临多重挑战，因为自动化往往使组织的运营“盲目”，无法从容应对高风险领域不断变化的复杂情况。在数字运营中，一个特殊的挑战来自“框架问题”，即算法无法适应其开发人员最初的认知框架中未确定的环境。在一家计算机安全公司 (F-Secure) 内进行了一项探索性、理论生成案例研究，以研究在数字领域行动的组织如何通过缓解框架问题来实现高可靠性。本文探讨了数字化组织操作的认知和实用特征，以及这些特征如何应对框架问题。集体正念被认为是在这样的社会技术环境中出现的，通过精心分层的系统组合（人类）有意识和（数字）无意识的操作，而组织的核心操作仍然是数字化和算法化的。研究结果指出了迄今为止与数字化组织相关的未探索的可靠性挑战，以及克服和/或缓解这些挑战的几种相关方法。
数字组织中的高可靠性：无意识，...
面临高风险并在纯数字领域运营的组织，例如计算机安全和许多金融服务，必须满足两个相互矛盾的目标：他们需要大规模和快速地识别数字威胁，同时避免自动化处理导致的错误。对高可靠性组织的研究发现，同时实现这些目标面临多重挑战，因为自动化往往使组织的运营“盲目”，无法从容应对高风险领域不断变化的复杂情况。在数字运营中，一个特殊的挑战来自“框架问题”，即算法无法适应其开发人员最初的认知框架中未确定的环境。在一家计算机安全公司 (F-Secure) 内进行了一项探索性、理论生成案例研究，以研究在数字领域行动的组织如何通过缓解框架问题来实现高可靠性。本文探讨了数字化组织操作的认知和实用特征，以及这些特征如何应对框架问题。集体正念被认为是在这样的社会技术环境中出现的，通过精心分层的系统组合（人类）有意识和（数字）无意识的操作，而组织的核心操作仍然是数字化和算法化的。研究结果指出了迄今为止与数字化组织相关的未探索的可靠性挑战，以及克服和/或缓解这些挑战的几种相关方法。
使用共轭同型检测的BB84量子键分布
光同源性检测已被广泛用于测量字段正交的连续变量（CV）量子信息处理。在本文中，我们探讨了在“光子计数”模式下操作共轭同型检测系统以实现离散变量（DV）量子密钥分布（QKD）的可能性。共轭同源检测系统由光束分离器组成，然后是两个光学同伴检测器，可以同时测量传入量子状态的一对共轭四倍体x和p。在经典电动力学中，x 2 + p 2与输入光的能量（光子数）成正比。在量子操作中，X和P不上交，因此上述光子数测量本质上是嘈杂的。这意味着QKD标准安全证明的盲目应用可能会导致模拟性能。我们通过利用拟议检测方案的两个特殊特征来克服这一障碍。首先，外部对手不能操纵与真空浮游相关的基本检测噪声。第二，重建接收器末端的光子数分布的能力可以对对手的可能攻击施加其他约束。为例，我们使用共轭同胞检测来研究BB84 QKD的安全性，并通过数值模拟评估其性能。这项研究可以基于基于单光子检测和基于相干检测的CV-QKD的良好DV-QKD的互补，为新的QKD方案开辟了大门。
糖尿病性视网膜病的筛查间隔
糖尿病性视网膜病（DR）是糖尿病（DM）最常见的微血管并发症之一，也是发达国家新盲目病例的主要原因。DR筛选是一种预防失明的经济高效方法。但是，最佳筛选间隔仍然存在争议。2010年，香港开始系统的DR筛查，这是糖尿病多学科风险评估和管理计划（RAMP-DM）的组成部分。冰岛模型用于根据危及视力视网膜病变（STDR）的个性化风险来确定筛查间隔。1然而，冰岛模型在我们的试点DR筛查研究中显着低估了STDR的风险，尽管它具有可接受的歧视水平。DR的危险因素主要基于西方糖尿病种群。使用在香港筛选计划期间收集的数据，我们试图确定最重要的风险因素并改善香港人口的风险分层。在这项研究中，我们旨在使用系统的DR筛查计划中的数据，基于香港的糖尿病人群开发基于香港糖尿病人群的STDR预测模型； （2）测试所得模型的内部有效性； （3）研究预测模型的安全性，可行性和成本效益； （4）建立一个成本效益模型，可以估算新预测模型的成本效益。