XiaoMi-AI文件搜索系统
World File Search System程序综合
实现基于 GUI 的交互式任务学习代理中有效的人机协作
我们认为，该领域的一个关键问题是促进交互式任务学习 (ITL) 过程中的人机有效协作。一方面，以人工智能为中心的任务流探索和程序综合技术通常缺乏透明度，无法让用户了解内部流程，并且它们几乎无法让用户控制任务完成过程以反映他们的个人偏好。另一方面，由于用户的指令通常不完整、模糊、含糊不清甚至不正确，因此需要机器智能。因此，系统需要提供足够的帮助来指导用户提供有效的输入以表达他们的意图，同时保留用户的代理、信任和对过程的控制。虽然在混合主动交互 [5] 和演示界面 [16] 的早期基础工作中已经讨论了相关的设计原则，但将这些想法融入实际系统的设计和实施中仍然是一个有趣的挑战。
多任务卸载策略优化基于有向的无环图用于边缘计算
摘要 - 随着用户应用程序服务需求的进步，IoT系统倾向于将任务运送到边缘服务器以进行执行。当前关于流量边缘计算的大多数研究都忽略了应用程序综合之间的依赖关系。主要用于单用户场景中，主要用于应用拓扑拓扑的边缘计算的少数研究。与以前的工作不同，我们的工作主要解决了在多源场景中使用边缘计算弹出的依赖任务，这更符合现实。在本文中，将流量问题的依赖任务建模为马尔可夫决策过程（MDP）第一。然后，我们通过共同考虑，通过共同考虑几个用户之间的应用拓扑，并共同考虑了一个基于有向的无环图（DAG）的嵌入层的参与者 - 批评机制。最后，模拟的结果还显示了所提出的Aced算法的优先级。