XiaoMi-AI文件搜索系统
World File Search System细粒度
用于检测用户眼部困惑的神经结构...
深度学习的使用通常仅限于对交互进行建模和使其适应用户情感的研究，部分原因是难以收集和标记大量相关数据。大量数据可用于情绪分析 [39]，即从文本中检测积极与消极情感（效价），因为标记效价相对容易，至少与生成更细粒度的情绪状态标签相比是如此。也有研究使用深度学习来检测视频中表演情绪的情感（例如 [10]），其中情感标签是先验已知的。相比之下，在交互任务中收集特定的非脚本用户情感状态的数据集非常费力，因此与深度学习最成功的领域相比，此类数据集通常较小（例如 [19]）。
非平稳强化学习的复杂性
在强化学习领域的持续学习问题（通常称为非固定强化学习）被确定为对强化学习的应用的重要挑战。我们证明了最坏情况的复杂性结果，我们认为这会捕捉到这一挑战：在强化学习问题中修改单个州行动对的概率或奖励需要几乎与状态数量一样大的时间以保持价值功能的最新功能，除非有强的指数时间假设（SETH）为false;塞思（Seth）是p̸= np猜想的广泛接受的加强。回想一下，在当前应用学习中的状态数量通常是天文学的。相比之下，我们表明，仅添加新的州行动对就更容易实现。关键字：非平稳加强学习，细粒度的复杂性
通过输入重新标记和定量预先注册任务来改善算术
数字是叙事中必不可少的一部分，并提供了许多细粒度的信息。1模型如何学习数字系统吸引了许多研究人员（Spithourakis和Riedel，2018; Naik等人。，2019年； Chen等。，2019年；华莱士等。，2019年；张等。，2020）。研究人员长期以来一直讨论了受过训练的语言模型（LMS）的一些与算术相关的特性。在这项研究中，我们提出了一个新概念 - 无数。当模型面临未出现在训练数据中的数字时，例如，当训练数据中的数字范围与测试数据中的数字范围不同时，无限制的概率变得最明显。此外，即使培训数据中存在数字，LMS也经常面临不存在数字的困难。此问题的一个可能原因是数字可以具有各种符号，其中一些符号很难从其子词中理解。另一个可能的原因是
量化步态和共同试验的平衡结果
摘要摘要，以疾病改良的药物在地平线上进行性行为性共济失调，生态有效，细粒度，数字健康指标非常有必要增加临床和患者报告的结果指标。步态和平衡干扰最常作为退化性小脑共济失调的第一个迹象，并且是疾病进展中据报最多的残疾特征。因此，数字步态和平衡度量构成了临床试验的有希望的和相关的绩效结果。这次叙述性综述和嵌入式共识将描述数字步态和平衡测量值的敏感性的证据，以评估共济失调的严重程度和进展，提出了一种共识方案，用于在自然史研究和临床试验中建立步态和平衡指标，并讨论将其用作绩效结果的相关问题。
可解释的人工智能用于情绪分析
作为一种实用的舆情挖掘和分析工具，社交媒体分析已在许多研究领域中被证明具有很高的价值[1]。情绪分析解决了复杂的社会情感应用的动态问题，这些应用渗透到有感知和解决方案的社交网络中的智能和决策中[2]。当代情绪分析始于简单的极性检测，现已发展为对情感和情绪感知的更细致的分析[3]。然而，检测自然语言中的细粒度情绪即使对人类来说也很困难，这使其自动检测非常复杂。此外，在线观点可以以文本评论或评分的形式提出，针对整个产品，也可以针对其各个方面[4]。多条冗长的评论、带有微文本的随意方言（文字游戏、新词和俚语）的使用、比喻性语言的使用（讽刺、反语）、多语言内容（代码混合和代码转换）和观点垃圾邮件都给意见提取任务增加了挑战。
可解释人工智能的评估实际上告诉了我们什么？
尽管取得了重大进展，对可解释人工智能的评估仍然难以捉摸且具有挑战性。在本文中，我们提出了一个细粒度的验证框架，该框架不会过度依赖这些社会技术系统的任何一个方面，并且承认其固有的模块化结构：技术构件、面向用户的解释性工件和社交通信协议。虽然我们同意用户研究对于从特定部署环境中的被解释者的角度评估解释呈现和交付策略的质量和有效性非常有价值，但底层的解释生成机制需要一种单独的、以算法为主的验证策略，以考虑其（数字）输出的技术和以人为本的要求。这种全面的基于社会技术效用的评估框架可以系统地推理可解释人工智能系统所组成的不同构件的属性和下游影响——考虑到其多种工程和社会方面——考虑到预期的用例。
开发550mpa级热浸镀锌HSLA钢
高强度低合金（HSLA）钢已被广泛用作汽车的结构零件。由于需要减轻体重和抗腐烂的白色身体，因此镀锌HSLA钢的需求最高，高度为550MPa等级。在这项研究中，开发了具有550MPa屈服强度的镀锌HSLA钢。讨论了晶粒尺寸和降水对微结构和强度的影响以及镀锌冷条的锌涂层质量。结果表明，通过采用细粒度加强和降水加强，可以实现550MPa屈服强度和13％伸长的机械性能。可以通过控制冷滚动和退火过程来实现钢的理想微观结构，这导致晶粒尺寸为2〜5μm，沉淀物在矩阵中直径为20〜30nm。还表明，退火温度对微观结构和机械性能有重大影响，而冷滚动和缓慢冷却温度的降低比没有影响。此外，具有550MPA级的热浸镀锌HSLA钢具有良好的涂层质量。
通过经济复杂性评估欧盟绿色技术潜力
对可持续过渡的这种新的，更全面的愿景要求在主题和技术方面对经济分析进行调整（Costanza，1989; Common and Stagl，2005）。问题的复杂性质需要更多细粒度的经验工具，能够结合相互依存关系，进料回路和新兴行为（Foxon等，2012）。在这里我们认为，关于经济复杂性的新文献（Hidalgo and Hausmann，2009; Tacchella et al。，2012）可能会提供有价值的概念和方法论资源，以为欧洲国家和地区层面的绿色潜力和竞争力提供依据。ec专注于复杂性在经济学中的作用，并旨在考虑日益动态和相互联系的全球经济。通过结合结构主义的见解（Hirschman，1958; Kaldor，1981; Kuznets，1966; Prebisch，1950）和进化主义的传统（Dosi等，1990; Nelson and Winter，1982; Teece等，1982; Teece等，1994;
定量故障注射分析 - 密码学EPRINT档案
摘要。主动故障注入是对敏感数据计算现实世界数字系统计算的可靠威胁。在存在故障的情况下争论安全性是不平凡的，最新的标准过于保守，缺乏细粒度比较的能力。但是，需要将两个替代实现的安全性进行比较，以找到安全性和绩效之间的令人满意的妥协。此外，替代故障场景的比较可以帮助优化实施有效的对策。在这项工作中，我们使用定量信息流量分析来建立一个在故障注入下的硬件电路的漏洞指标，该指标在信息泄漏方面衡量攻击的严重程度。pieptiment用例范围从将其脆弱性与特定故障场景的实现进行比较到优化反向调查。我们通过将其集成到用于物理攻击的最先进的评估工具中来自动化指标的计算，并在主动故障攻击者下对安全性提供新的见解。
chie：具有正确性，帮助性，无关紧要和外在性方面的文化质量上下文QA的生成性MRC评估
对Ma-Chine阅读理解（MRC）中生成模型的评估带来了不同的困难，因为Bleu，Rouge，Meteor，Ectect匹配和F1得分等传统指标通常很难捕获细微的和多样化的响应。虽然嵌入基于Bertscore和Bartscore之类的基于基于的指标专注于语义相似性，但它们仍然无法完全解决诸如识别附加有用的信息和奖励忠诚的方面。基于大语言模型（LLM）指标的最新进展提供了更多细粒度的评估，但仍然存在分数聚类等挑战。本文介绍了一个多相关的评估框架，chie，结合了c orcretness，h Elpullness，i rrelevance and e extranesents的各个方面。我们的方法使用二进制分类值而不是连续的评分量表，与人类判断良好，表明其潜力是一种全面有效的评估方法。