XiaoMi-AI文件搜索系统
World File Search System表现力
![arxiv：2404.19622v1 [cs.hc] 2024年4月30日](/simg/8\8fbe3a2ca039d0410d75f8218ee8c97e747fa324.webp)
arxiv：2404.19622v1 [cs.hc] 2024年4月30日
尽管人类从事面对面对话的人类同时在口头和口头上都可以交流，但与文本音频和统一综合的方法和统一综合的方法和共同言论3D手势运动是一个新的和新兴的领域。这些技术对更类似人类，高效，表现力和ro骨的合成通信具有巨大的希望，但是目前由于缺乏适当的大数据集而阻碍了人们的阻碍，因为现有方法经过所有组成方式的并行数据培训。受到学生教师方法的启发，我们通过简单地合成其他培训材料，为数据短缺提出了直接的解决方案。具体来说，我们使用在大型数据集上训练的单模式合成模型来创建多模式（但合成）并行训练数据，然后在该材料上预先培训联合合成模型。在适当的情况下，我们提出了一种新的综合体系结构，该体系结构为现场的状态方法添加了更好，更可控制的韵律建模。我们的结果证实，对大量合成数据进行预训练可改善多模型模型合成的语音和运动的质量，当对合成数据进行预训练时，提议的架构会产生进一步的好处。
用于语音解码和虚拟形象控制的高性能神经假体
言语神经假体有可能恢复瘫痪患者的交流能力，但自然的速度和表现力却难以实现 1 。在这里，我们使用临床试验中患有严重肢体和声音麻痹的参与者的言语皮层高密度表面记录，以实现跨三个互补的语音相关输出模式的高性能实时解码：文本、语音音频和面部化身动画。我们使用在参与者试图默说句子时收集的神经数据来训练和评估深度学习模型。对于文本，我们展示了准确而快速的大词汇解码，中位速度为每分钟 78 个单词，中位字错误率为 25%。对于语音音频，我们展示了清晰而快速的语音合成和根据参与者受伤前的声音进行的个性化设置。对于面部化身动画，我们展示了对虚拟口面运动的控制，以实现语音和非语音交流手势。解码器经过不到两周的训练就达到了高性能。我们的研究结果引入了一种多模式语音神经假体方法，该方法有望为重度瘫痪患者恢复完整的、具体化的交流能力。
ELECTRIC SOUND - Monoskop
d i Sousa 的观点有点混乱，他是不是反对唱片？无论如何，我认为，无论如何，所有形式的旋转、记录和音乐都是如此。我认为，这是一种普遍的反技术观念。甚至从一般意义上讲，IS a . f 'I ' S ' h I greed rhar rhesnologies 0 rnusica II1srrumenr-ousa mig t lave a .我还发现了小提琴盒的胶水，机械装置和水力发电机。如果钢琴击弦机或电子微处理器使用了 11 个同步器，那么这些乐器已经反映了它们运动的时代和地点。例如，用手工工具制成并且不含任何活动部件的钢琴是 17 世纪欧洲前工业时代技术的产物。钢琴是一种带有许多活动部件的木制机器，是 19 世纪欧洲工业时代技术的产物。事实上，纵观历史和世界，人们一直在使用现有技术来创作音乐。在二十世纪电子时代，电子电路被用来制作乐器，这应该不足为奇。然而，我的观点比用电子元件制作乐器的常态更深刻。我的观点是，电子乐器以其无数的形式具有特别的前景。它很可能是对人类最有益的乐器，也是有史以来最令人愉快、最有回报、最有表现力的乐器。•
双向高级多态性与交点和联合类型
现代主流编程语言，例如打字稿，流量和Scala，具有富含相交和联合类型的多态性类型系统。这些语言实现了双向高级多态类型推断的变体，以前主要在功能编程的背景下进行了研究。然而，现有的类型推理实现在处理非结构性亚型和交叉点和工会类型时缺乏稳固的理论基础，这是以前没有研究过的。在本文中，我们研究了双向高级多态性类型的推断，并使用显式类型的应用以及交点和联合类型，并证明这些特征具有非平凡的相互作用。我们首先提出一种类型系统，该系统由双向规范描述，具有良好的理论属性和声音，完整且可决定的算法。这有助于确定可以始终推断的类型类型。我们还探索了结合实用功能的变体，例如处理记录和推断较大类型的类型，这些类型与现实世界实现更好。尽管某些变体不再具有完整的算法，但它们仍然增强了类型系统的表现力。为了确保严格的结果，所有结果均在COQ证明助手中正式化。
生成式人工智能在艺术和媒体中的伦理影响
随着人工智能 (AI) 的应用，艺术和媒体中的伦理问题越来越令人担忧。关于在艺术和媒体中使用人工智能的争论已经达到了顶峰。人们已经看到，艺术领域的几种人工智能代理可以在不被发现的情况下协助大规模高度精炼的内容，并且看起来像是人类创造的内容。然而，关于人机工作融合的伦理问题和道德困境的讨论还不够。人工智能艺术和媒体正在改变艺术家和设计的创作方式，因为生成式人工智能能够创建艺术内容、音频、视频和文本。本文参考人工智能研究和当代艺术，阐述了人工智能艺术和媒体的表现力和伦理层面。这篇概念论文旨在绘制人工智能艺术和媒体的一些关键框架。本文还通过关注围绕人工智能文本代理提出的三个挑战开展的研究，挑战了当前关于人工智能伦理的争论：虚假信息和大规模操纵、大量低质量内容制作以及利益相关者之间沟通障碍的增加。本文强调了理解人工智能艺术存在条件的相关性，以及它在指导艺术和科学人工智能研究的同时指导其文化处理的潜力。
Floquet 量子比特之间的可编程海森堡相互作用
在追求量子模拟和容错量子计算的过程中，稳健性和可调谐性之间的权衡是一个核心挑战。特别是，量子架构通常被设计为以牺牲可调谐性为代价来实现高相干性。许多当前的量子比特设计具有固定的能级，因此可控相互作用的类型有限。在这里，通过将固定频率的超导电路绝热转换为可修改的 Floquet 量子比特，我们展示了具有完全可调各向异性的 XXZ Heisenberg 相互作用。该交互模型可以充当一组富有表现力的量子操作的原语，但也是自旋系统量子模拟的基础。为了说明我们的 Floquet 协议的稳健性和多功能性，我们定制了 Heisenberg Hamiltonian 并实现了具有良好估计保真度的双量子比特 iSWAP、CZ 和 SWAP 门。此外，我们在更高的能级之间实现了 Heisenberg 相互作用，并使用它来构建三量子比特 CCZ 门，同样具有竞争保真度。我们的协议适用于多个固定频率高相干性平台，为高性能量子信息处理提供了一系列交互。它还确立了 Floquet 框架作为探索量子电动力学和最优控制工具的潜力。
水平蒸馏
一致性蒸馏是一种在一致性（轨迹）模型中采用的加速扩散模型的普遍方法，在该模型中，学生模型被训练以对概率流（PF）普通微分方程（PF）轨迹向后遍历，由教师模型确定。预处理是通过线性将输入数据和网络输出与预定义系数组合为一致性函数的稳定一致性蒸馏的重要技术。它强加了一致性函数的边界条件，而无需限制神经网络的形式和表现力。但是，先前的前提条件是手工制作的，可能是次优选择。在这项工作中，我们通过阐明其设计标准以及与教师ode轨迹的联系来提供对一致性蒸馏的预处理的第一个理论见解。基于这些分析，我们进一步提出了一种原则性的方式，以一种名为Analytic Tracent的方式，以根据一致性差距（以教师Denoiser和Optimal Student Denoiser之间的差距）对预处理进行分析优化预处理，从而对普遍的教师ODE进行了优化。我们证明了分析性可以促进轨迹跳线的学习，增强了学生创造力与教师的一致性，并在多个数据集的多步生成中实现一致性轨迹模型的2×至3×训练加速。
图形级表示与联合...
联合装饰预测架构（JEPA）最近成为一种新颖而有力的技术，用于自我监督的代表学习。他们旨在通过从上下文信号x的潜在反映中预测目标信号y的潜在表示基于能量的模型。JEPA绕过对负面样本和积极样本的需求，传统上是由对比度学习所必需的，同时避免了与生成预处理相关的过度拟合问题。在本文中，我们表明，可以通过提出图形联合装置谓语体系结构（Graph-jepa）来有效地使用此范式进行图形级表示。特别是，我们采用蒙版的建模并专注于预测从上下文子图的潜在代表开始的掩盖子图的潜在表示。为了赋予图表概念中通常存在的隐式层次结构，我们设计了一个替代预测目标，该目标包括预测2D平面中单位双曲线上编码子图的坐标。通过多次实验评估，我们表明Graph-jepa可以学习高度语义和表现力的表示，如图分类，回归和区分非同构图中的下游性能所示。该代码可在https://github.com/geriskenderi/graph-jepa上找到。
Dom2Vec - 通过词嵌入和 AI/ML 驱动的词典分析检测 DGA 域
摘要 — 及时识别对域生成算法 (DGA) 域的 DNS 查询在减轻恶意软件传播及其潜在影响方面起着至关重要的作用，尤其是在阻止协调的僵尸网络活动方面。我们推出了 Dom2Vec，这是一种创新方法，通过利用仅从 DNS 查询中观察到的域名中派生的词典特征来快速检测 DGA 生成的域。Dom2Vec 利用词嵌入将从域名中提取的标记映射到高度富有表现力的表示中。然后将这些表示与基于声誉的域名评分系统相结合，该系统利用 n-gram 与白名单域列表相关的共现频率。域嵌入、声誉分数和从域名派生的其他有意义的词典特征的融合为 AI/ML 驱动的 DGA 检测提供了强大的域名表示。通过对包含 25 个不同 DGA 域系列的数据集进行实验评估，我们证明 Dom2Vec 明显优于当前最先进的 DGA 检测和分析方法，将我们之前基于信誉评分的检测系统提高了至少 30%，误报率低于 1%。索引术语 —DGA 检测、Word2Vec、TF-IDF、n-gram、词典分析、DNS、机器学习。
慢波睡眠醒来后大脑网络的重构：神经通讯中的干预措施和影响
睡眠惯性是指在醒来后立即经历的短暂的警觉性和表现力受损时期。人们对这一现象背后的神经机制知之甚少。更好地了解睡眠惯性期间的神经过程可能有助于深入了解觉醒过程。在生物夜晚从慢波睡眠中突然醒来后，我们每 15 分钟观察一次大脑活动，持续 1 小时。使用 32 通道脑电图、网络科学方法和受试者内设计，我们评估了对照和多色短波长丰富光干预条件下各频带的功率、聚类系数和路径长度。我们发现在对照条件下，觉醒大脑的典型特征是全局 theta、alpha 和 beta 功率立即降低。同时，我们观察到 delta 波段内的聚类系数下降和路径长度增加。醒来后立即暴露在光线下可以改善聚类变化。我们的结果表明，大脑内的长距离网络通信对于觉醒过程至关重要，并且大脑可能会在这种过渡状态下优先考虑这些长距离连接。我们的研究突出了觉醒大脑的一种新神经生理学特征，并提供了一种光在醒来后改善表现的潜在机制。