XiaoMi-AI文件搜索系统
World File Search System胜哄
摘要集 (pdf)
Simon Martiel（Atos Quantum Lab） Hector Miller-Bakewell Mio Murao（东京大学） Glaucia Murta（杜塞尔多夫海因里希海涅大学） Ognyan Oreshkov（布鲁塞尔自由大学） Prakash Panangaden（麦吉尔大学） Simon Perdrix（Loria） Lidia del Rio（苏黎世联邦理工学院） Julien Ross（达尔豪斯大学） Mehrnoosh Sadrzadeh（伦敦大学学院） Ana Belén Sainz（格但斯克大学） John Selby（格但斯克大学） Rui Soares Barbosa（国际伊比利亚纳米技术实验室） Rob Spekkens（Perimeter 研究所） Isar Stubbe（滨海大学） Benoit Valiron（巴黎萨克雷大学） Jamie Vicary（剑桥大学） John van de Wetering (奈梅亨内梅亨拉德堡大学) Alexander Wilce (萨斯奎哈纳大学) 应明胜 (悉尼科技大学) Vladimir Zamdzhiev (Loria) Margherita Zorzi (维罗纳大学)
对越过无车道的无信号交叉的自动化车辆的最佳控制
摘要 - 开发无信号的交叉点，其中所有OD（原始目的地）运动的连接自动化车辆（CAVS）被适当地指导以同时交叉，可能会大大改善吞吐量并减少燃油消耗。自然，交叉区域的车辆与车道无关。因此，可以将过境区域视为无车道基础设施以进一步改善开发是合理的。本文提出了一种越过无信号和无车道交叉路口的骑士的联合最佳控制方法。具体来说，所有车辆的控制输入（包括加速度和转向角度）通过基于车辆动力学的自行车模型解决单个最佳控制问题（OCP），在时间胜地上优化了加速和转向角度。成本功能包括适当的条款，以确保平稳且无冲动的运动，同时还要考虑燃油消耗和所需的速度跟踪。适当的约束旨在尊重交叉点边界，并确保车辆向各自目的地的平稳运动。定义的OCP通过有效的可行方向算法（FDA）进行数值求解，该算法可以接受。一个具有挑战性的演示示例证实了建议方法的有效性。
温暖：关于体重平均奖励模型的好处
通过加强学习（RLHF）将大型语言模型（LLM）与人类偏好保持一致，可以导致奖励黑客，在这种情况下，LLMS在奖励模型（RM）中利用失败（RM）以实现看似高的奖励，而无需实现基本的目标。我们在设计RMS时确定了两个主要挑战以减轻奖励黑客黑客：在RL过程中的分配变化以及人类偏好的不一致。作为解决方案，我们提出了平均奖励模型（温暖），首先对多个RM进行细调，然后在重量空间中平均它们。此策略遵循以下观察结果：在共享相同的预训练时，微调权重保持线性模式。通过平均权重，与传统的预测结合相比，温暖提高了效率，同时提高了分配变化和偏好不一致的鲁棒性的可靠性。使用最佳和RL方法，我们对摘要任务的实验表明，温暖可以提高LLM预测的总体质量和一致性；例如，用温暖调整的策略RL对单个RM进行微调的政策RL的胜利率为79.4％。
加利福尼亚的新的Medi-Cal Dyadic护理和家庭疗法...
加利福尼亚州的Medi-Cal系统，该系统通过医疗补助为该州几乎一半的儿童提供健康覆盖范围，以争取为其最年轻的好处提供预防护理的努力；未能提供可能会产生长期健康影响的健康问题的早期，治疗和/或预见。尽管Medi-Cal对美国儿科学会（AAP）/Bright Futures推荐的护理时间表的收养，但2022年9月的一项州审计发现，从2014年至2021年，Medi-Cal中的5年级到2021年，在Medi-Cal中，只有不到一半的儿童获得了所需的预防服务。 1胜任性进一步加剧了19日大流行。健康的访问为预防和早期的中间服务提供了一个重要的知识，以满足个人和家庭需求。加利福尼亚州的新型二元二元好处支持基于亲戚的护理人员和家庭监视以及基于家庭的介入措施，在鲁ɵnefellial Care Care Care in Pediatricseƫngs，Meeɵng家族中，在RouɵneWell Child Care中，可以增强儿童发展（即“ Dyadic Health Care Services”）。2
合作游戏环境中的人机协作
人机交互在我们日常生活的许多领域中无处不在。在本文中，我们研究了在具有部分可观察信息的协作式人工智能驱动的词语联想游戏中的人机协作。在我们的实验中，当参与者认为他们正在与人工智能或人类一起玩时，我们测试了参与者对其伙伴的主观社会感知（融洽度、智力、创造力和可爱度）的各个维度。我们还测试了参与者在呈现各种置信度水平时对其伙伴的主观社会感知。我们在 Mechanical Turk（n=164）上对这款协作游戏进行了大规模研究。我们的结果表明，当参与者认为他们的伙伴是人类时，他们会发现他们的伙伴比他们认为他们正在与人工智能伙伴互动时更讨人喜欢、更聪明、更有创造力、更融洽，并使用更多积极的词语来描述他们伙伴的属性。我们还发现游戏结果（包括胜率和完成回合）没有差异。我们利用定量和定性研究结果，探讨了人工智能代理的透明度，包括对整合或支持人机协作的工具的设计影响，并规划了未来研究的方向。我们的研究结果对其他形式的人机交互和交流具有启示意义。
特伦甘纳邦电力监管委员会
站点总计能量 FC VC 数量 CGS NPC Kaiga - I& II 1086968163 0 3841930755 3841930755 NPC-MAPS 72727507 0 189375495 189375495 NPC-Kudankulam 351455893 0 1553845047 1553845047 NLC ST-I 68180704 49542318 180781991 230324309 NLC ST-II 102615039 66345397 273242759 339588156 Expn I 24459876 24783103 59821602 84604705 扩展 II 10224701 22774852 26926511 49701363 NNTPS 442721532 803715670 975638806 1779354476 NTPC(SR) I 和 II 1983620952 1971382939 7795125440 9766508379 NTPC(SR) ST III 473087715 522108271 1711996441 2234104712 NTPC-辛哈德里-I 3220251186 4617853185 14560231835 19178085020 NTPC-辛哈德里-II 1536323393 2962699193 6718118032 9680817225 NTPC-塔尔彻-ST II 1711133003 1364494014 3379805083 4744299097 NTPC 库迪吉 I 1134822706 3459516567 6303466450 9762983017 NTECL - 瓦鲁鲁 704974970 1495088026 2506948188 4002036214 NLC 泰米尔纳德邦电力有限公司929992183 1714343722 3845817360 5560161083 CGS 13853559523 19074647258 53923071794 72997719052 IPPs 0 0 0 0 胜科能源印度有限公司 (570 兆瓦)
Driehaus 中小型股增长策略摘要
• 7 月份，小盘股的表现几乎创下了大盘股的记录。本月，小盘股罗素 2000 指数上涨 10.16%，罗素 2000 增长指数上涨 8.19%，而标准普尔 500 指数则落后，仅上涨 1.22%。小盘股飙升的触发因素始于 7 月 11 日，当时美国 CPI（消费者价格指数）远低于预期。再加上美联储主席杰罗姆·鲍威尔的鸽派言论，根据联邦基金期货市场的数据，9 月份开始降低联邦基金利率的可能性从 75% 上升到接近 100%。推动小盘股轮动的另一个因素是针对唐纳德·特朗普的暗杀未遂导致前总统的民意调查激增。随后，人们对乔·拜登的持续健康担忧以及他突然退出总统竞选大大增加了唐纳德·特朗普在 11 月获胜的可能性。市场认为特朗普胜选对小型股和美国经济有利。副总统卡马拉·哈里斯成为民主党候选人后，选举形势很快再次发生变化，导致选举胜算暂时大致为 50/50。
通过层次结构链进行加强学习
抽象的内在学习是离线加固学习（RL）来处理内线任务的一种有前途的方法，可以通过提供任务提示来实现。最近的著作表明，当将RL任务视为跨散点的顺序预测概率时，In-Actest RL可能会以反复试验的方式进行自我完善。尽管自我改善不需要梯度更新，但是当跨情节序列随着任务范围而增加时，当前的作品仍处于高计算成本。为此，我们提出了一个内在的决策变压器（IDT），以高级反复试验的方式实现自我完善。特定于IDT的灵感来自人类决策的有效层次结构，因此将序列重新构造为由高级决策组成，而不是与环境相互作用的低级动作。作为一个高级决策可以指导多步骤的低级动作，IDT自然会避免过度长序列并更有效地解决在线任务。实验结果表明，IDT超过了当前的内在RL方法，可以实现长胜压任务的最新任务。尤其是，我们的IDT的在线评估时间比D4RL基准中的基线快36倍，而在网格世界基准中，我们的IDT时间比基准的速度快27倍。
光电子学与先进材料 — 快速通讯 第 11 卷，第 9-10 期，2017 年 9 月 -10 月，第 534 - 539 页 光电机载综合检测概率及评估方法 金郭 a,b,* ，张胜兵 a ，邱郑 c
针对机载光电系统探测性能难以评估的问题，本文提出了一种红外与微光传感器目标信息融合检测概率的定量计算方法，从目标与背景的辐射特性、探测器的传输特性和成像特性3个方面分析了影响目标检测概率的因素，建立了目标信息融合检测概率计算模型，基于模糊贝叶斯网络理论，根据机载光电传感器目标特点及威胁效果，给出了目标威胁评估的模糊贝叶斯网络模型。实验结果表明，当融合质量因子小于1时，融合图像的质量与源图像相比有所下降；通过贝叶斯网络算法得到了目标威胁，对威胁评估过程的仿真证明了模型的有效性和结果的可靠性。所提出的方法可以计算机载光电系统图像融合的目标检测概率，并对目标威胁进行评估。 （2017年3月30日收到；2017年10月10日接受）关键词：目标信息融合，检测概率，威胁评估，机载光电
不寻常的真相 我们如何知道 AI 正在发挥作用？
人工智能是投资者经常问到的话题，通常涉及人工智能相关股票的价格。但考虑如何知道它正在带来更广泛的收益也很有趣。我们正在关注生产力、通货膨胀、就业和利润。上周在法国发生的事件很有启发性。政府的垮台伴随着许多担忧，但也伴随着法国债务利差缩小（相对于德国收益率）、法国股票表现优异（相对于欧洲同行）以及欧元兑美元逐渐上涨。所有这些都表明，法国资产价格已经包含了很多坏消息。与此同时，在美国，围绕唐纳德·特朗普胜选的热情似乎已经消退，美国股市相对于其他市场有所喘息（见图 3），在美国市场中，能源股和银行股表现不佳（尽管非必需消费品和技术继续表现良好）。此外，美元不再上涨，就业报告似乎让市场相信美联储将在即将召开的政策会议上放松政策，这也进一步证实了这一事实。在最近的 2025 年展望会议上，特朗普第二任期的影响一直是投资者关注的焦点。上周末，叙利亚总统阿萨德在叛军迅速占领该国后离开该国（他之前得到俄罗斯和伊朗的支持），这加剧了局势。目前尚不清楚美国将如何应对，无论是在白宫移交之前还是之后，