XiaoMi-AI文件搜索系统
World File Search System相关工作
为联合国秘书长 2024 年关于 WSIS 实施情况和联合国环境规划署 (UNEP) 后续行动的报告做出贡献
c. 用于衡量 ICT 对贵组织工作领域实现可持续发展目标的影响的指标 联合国环境署尚未采用任何具体的全球指标来衡量 ICT 如何为联合国环境署工作领域实现可持续发展目标做出贡献。但每个数据平台或报告都有可跟踪的具体影响指标。 d. 贵组织对其参与 WSIS 相关工作和其负责领域的数字发展做出了什么评估？联合国环境署尚未对其参与 WSIS 相关工作的程度进行正式的内部评估。WSIS 不是用于证明联合国环境署数字技术工作合理性的正式依据。 IV. 自峰会以来，特别是 2015 年以来，贵组织认为 WSIS 和其负责领域的数字发展的主要成就、问题和新出现的问题是什么？
飞机螺旋桨入射时的工程模型。博士...
除纯轴向飞行外，任何飞行条件下的飞机螺旋桨都会受到入射流场的影响，从而产生随时间变化的力。文献中提出了对这些随时间变化的力进行建模的方法，取得了不同程度的成功 - 但缺少对不同模型的回顾，并且需要一种使用物理上真实但计算上简单的方法进行模拟的指导性方法。本论文全面概述了迄今为止的相关工作，并提供了一个逻辑框架，可以在其中评估螺旋桨叶片周期性载荷变化的问题。通过这个框架，比较了与此问题相关的不同空气动力学特征的重要性，并提出了一种基于现有模型改编的新解决方法。该研究项目由道蒂螺旋桨公司 (DP) 委托，他们选择了格拉斯哥大学和主管来获得旋翼机模拟经验。
全球新冠肺炎疫情应对计划有效性评估...
研究 我们开发了一种传播建模方法来分析来自不同国家的不同时空数据集，并尝试通过调整我们之前的相关工作 ( 2 ) 来实时评估 COVID-19 疫苗接种运动。由于各种短期公共卫生和社会措施的实施（例如，封锁）、新病毒变种的出现、感染者年龄结构的变化、不同有效性的多种疫苗的可用性、再次感染和其他因素，COVID-19 大流行仍然很复杂。然而，其中许多因素都反映在关键指标——随时间变化的传播率 β ( t ) 中，该指标表征了人群中接触模式随时间的变化。接种疫苗旨在降低人群对疾病的易感性。解开 β ( t ) 的实时变化和疫苗接种的有效性对于评估疫苗接种计划至关重要，而且可能只有通过数学建模才能实现。
高科技世界中的循环经济研讨会报告
本文件中可能会标识某些商业实体、设备或材料，以便充分描述实验程序或概念。这种标识并不意味着美国国家标准与技术研究所的推荐或认可，也不意味着这些实体、材料或设备一定是最适合此目的的。SP1500 子系列中的出版物旨在捕捉与 NIST 标准、测量和测试相关工作相关的外部观点。这些外部观点可能来自行业、学术界、政府和其他方面。这些报告旨在记录外部观点，并不代表 NIST 的官方立场。本出版物中的意见、建议、调查结果和结论不一定反映 NIST 或美国政府的观点或政策。美国国家标准与技术研究所特别出版物 1500-204 Natl. Inst. Stand. Technol. Spec. Publ. 1500-204 109 页（2021 年 12 月）CODEN：NSPUE2
量子热力学及其他领域的非交换守恒电荷
热力学系统通常保存能量和粒子数等量（称为电荷）。通常假设电荷相互交换。然而，不确定性关系等量子现象依赖于可观测量的交换失败。非交换电荷如何影响热力学现象？这个问题在量子信息理论和热力学的交叉点上出现，最近传遍了多体物理学。电荷的非交换已被发现会使热态形式的推导无效，减少熵的产生，与本征态热化假设相冲突等等。本期观点调查了非交换电荷量子热力学的主要成果、机会和相关工作。未解决的问题包括一个概念难题：有证据表明，非交换电荷可能在某些方面阻碍热化，而在其他方面增强热化。
生成推荐的大型语言模型
抽象的大语言模型（LLM）不仅彻底改变了自然语言处理（NLP）的领域，而且有可能重塑许多其他领域，例如推荐系统（RS）。但是，大多数相关工作将LLM视为常规推荐管道的组成部分（例如，作为特征提取器），这可能无法完全利用LLM的生成能力。可以将建议过程分为多个阶段，例如分数计算和重新排序，而可以使用LLM简化为一个阶段：直接从完整项目池中生成建议。这项调查回顾了基于LLM的生成建议的进度，方法和未来方向：1）哪些生成建议是什么，2）为什么RS应提高生成性建议，以及3）如何针对各种RS任务实施基于LLM的生成性建议。我们希望这项调查可以提供探索这个有趣而新兴主题所需的上下文和指导。
在瞬时硬约束下进行安全加固学习的近乎最佳算法
决策问题通常被建模为马尔可夫决策过程（MDP），在线学习者依次与未知环境进行互动以获得大量的预期累积奖励。在文献中提出了许多没有任何约束（因此允许自由探索任何州行动对）的RL算法（因此可以自由探索任何州行动对）（Azar et al。，2017年； Jin等。，2018年； Agarwal等。，2019年； Jin等。，2020年； Jia等。，2020年；周等人。，2021b;他等人。，2022）。以外，现有的“安全” RL算法通常是在需要预期累积的约束下设计的，2019年； Brantley等。，2020年；丁等。，2021; Pa-Ternain等。，2022）（请参阅第1.2节中的更多相关工作）。因此，必须避免在每个时间/步骤中避免不安全状态和动作的实际情况。
军事应用中的深度学习：威胁和机遇
人工智能的最新进步，尤其是在深度学习技术中，加速了不同应用领域的创新和开发。深度学习技术的发展对军事发展趋势产生了深远的影响，从而导致战争形式和模式发生了重大变化。在本文中，我们概述了深度学习的历史和建筑。然后，我们审查相关工作，并在两个主要军事应用中广泛描述深度学习：情报操作和自主平台。最后，我们讨论相关威胁，机遇，技术和实际困难。主要发现是，人工智能技术不是万能的，需要仔细地应用其局限性，网络安全威胁以及在OODA决策循环中对人类监督的强烈需求。在战略决策水平上需要某些保障机制。在这种情况下，最重要的方面之一与军官人员的教育，培训和选择有关。