XiaoMi-AI文件搜索系统
World File Search System表现力
不确定性策略及其在策略逻辑中的细化
非确定性策略是指在给定博弈历史的情况下，分配一组可能采取的行动（或协议或计划）的策略，这些行动都应该是获胜的。一个重要的问题是改进此类策略。例如，给定一个仅允许安全执行的非确定性策略，对其进行改进，最终达到期望的状态。我们表明，涉及策略改进的战略问题可以在战略逻辑 (SL) 框架中得到优雅的解决，这是一种非常富有表现力的推理战略能力的逻辑。具体来说，我们引入了具有非确定性策略的 SL 扩展和一个表达策略改进的运算符。我们表明，与标准 SL 相比，模型检查此逻辑可以在不增加计算成本的情况下完成，并且可用于解决各种问题，例如最大允许策略或最大允许纳什均衡的合成。
occworld：学习一个自主驾驶的3D占用世界模型
摘要。了解3D场景如何发展对于在自动驾驶中做出决策至关重要。大多数现有方法通过预测对象框的运动来实现这一目标，该对象框的运动无法捕获更细粒度的场景信息。在本文中，我们探讨了在3D占用空间中学习世界模型OCCWorld的新框架，以同时预测自我汽车的运动和周围场景的演变。，我们建议学习基于3D占用率的世界模型，而不是3D边界框和分割图，原因有三个：1）表现力。3D占用可以描述场景的更细粒度的3D结构； 2）效率。3D占用率更为经济（例如，从稀疏发光点点）。3）差异。3D占用率可以适应视力和激光雷达。为了促进世界发展的建模，我们在3D占用率上学习了基于重建的场景令牌，以获得离散的场景令牌
oxonfair：算法公平的灵活工具包
我们提出了OxonFair，这是一种新的开源工具包，用于在二元分类中执行公平性。与现有工具包相比：（i）我们支持NLP和计算机视觉分类以及标准表格问题。（ii）我们支持对验证数据实施公平性，使我们对各种过度适应的挑战进行了强大的态度。（iii）我们的方法可以根据真实的姿势，假阳性，假否定性和真实负面影响来优化任何措施。这使其比现有工具包更容易扩展和表现力。它支持两篇流行评论文章的所有9个和所有基于决策的小组指标。（iv）我们共同优化了一个与公平限制的性能目标。这可以最大程度地减少降解，同时实施公平，甚至改善了不充分调整的不公平基线的表现。OxonFair与标准ML工具包兼容，包括Sklearn，Autogluon和Pytorch，可在https://github.com/oxfordinterntertintinstitute/oxonfair上找到。
糖尿病对语音和语言的影响...
根据疾病预防控制中心（CDC）的说法，“糖尿病是一种慢性健康状况，会影响您的人体将食物变成能量的方式”。美国有3700万成年人患有糖尿病，这是美国第七大死亡原因。伴有影响如此大部分人群的糖尿病，言语病理学家需要了解血糖如何影响各种各样的个体的言语和语言？本文献综述探讨了母亲糖尿病母亲出生的婴儿生命后期语言发展的影响。糖尿病对成人处理语言能力的影响也将得到确定。将探讨言语病理学家在糖尿病患者护理中的作用，并将为学习者提供有关如何最好地为糖尿病患者提供护理的信息。言语病理学家在用表现力和接受语言的整个生命周期影响其糖尿病影响的客户中起着至关重要的作用。
病变分类和糖尿病性视网膜病变分级，通过将软效果和汇总到视觉变压器
方法：在这些技术中，深度学习模型已经证明了各种类型的机器视觉任务的有希望的结果。但是，大多数以医学图像分析为导向的深度学习方法建立在卷积操作上，这可能会忽略医学图像中远程像素之间的全球依赖性。因此，可以在医学图像分析中逐渐采用了可以揭示全球像素之间关联的视觉变压器模型。但是，注意机制的二次计算复杂性阻碍了视力变压器在临床实践中的部署。考虑到上面的分析，这项研究引入了具有软磁性和线性模块的综合自我发场机制，以同时保证效率和表现力。是特定的，通过添加一组代理令牌，在注意模块中采用了比原始查询和键代币的一部分和关键令牌。请注意，代理令牌可以完全利用软磁性和线性注意的优势。
一种用于解释人口的生成建模方法......
摘要。了解神经结构在个体之间的差异对于描述疾病、学习和衰老对大脑的影响至关重要。然而，解开导致个体差异的不同因素仍然是一项艰巨的挑战。在本文中，我们介绍了一种深度生成建模方法来发现许多个体之间的不同变化模式。为此，我们首先在 25 微米分辨率的 1,700 多只小鼠大脑的自发荧光图像集合上训练变分自动编码器。然后，为了利用学习到的因素并验证模型的表现力，我们开发了一种新颖的双向技术来解释潜在空间——通过对网络的高维输入以及瓶颈中的低维潜在变量进行结构化扰动。我们的结果表明，通过将生成建模框架与结构化扰动相结合，可以探测潜在空间以深入了解深度神经网络中形成的大脑结构表征。
Alphafold 3是否为RNA取得了成功？
尽管该领域的进步持续发展，但预测RNA的3D结构是一个显着的挑战。尽管Al-Phafold成功解决了蛋白质的问题，但RNA结构预测由于蛋白质和RNA之间的基础差异而引起了困难，这阻碍了直接适应。Alphafold的最新版本Alphafold 3扩大了其范围，以包括多个不同的分子，例如DNA，配体和RNA。虽然本文讨论了最后一个CASP-RNA数据集的结果，但RNA的性能范围和局限性尚不清楚。在本文中，我们对RNA 3D结构的预测中Alphafold 3的性能进行了全面分析。通过五个不同的测试集的广泛基准测试，我们讨论了Alphafold 3的性能和局限性。我们还将其表现力与十种现有的最新最新的，基于模板和深度学习的方法进行了比较。我们的结果可以在evryrna平台上免费获得：https：// evryrna。ibisc.univ-evry.fr/evryrna/alphafold3/。
社论：AI驱动的音乐和娱乐机器人
机器人和人工智能（AI）的融合正在彻底改变音乐和娱乐领域。机器人正在从执行以服务为导向的任务到具有潜在的情感参与的先进人类机器人互动（HRI）。对机器人表现力的追求在音乐和娱乐机器人的建模，设计和控制中提出了新的挑战和机遇。当前的研究主要是针对能够操纵各种乐器的机器人的设计和物理实施（Wang等，2022; Lim等，2012），而实时HRI的社会智能机器人的开发仍未被倍增。随着AI的进步，机器人现在可以组成和即兴创作，并在HRI期间解释和应对人类情感状态（McColl等，2016； Wang等，2024）。该研究主题始于介绍AI驱动的音乐和娱乐机器人的最新发展。由于电话的结果，本研究主题已接受和收集了六篇论文。这些文章对各种艺术形式进行了全面的探索，包括在钢琴，小提琴，吉他，鼓和马里姆巴等乐器上唱歌，舞蹈和音乐表演。图1显示了这些研究中研究的音乐机器人的概述。在贡献的作品中，两篇文章着重于灵巧的操纵和感觉运动协调。Gilday等。引入了一个通用系统，该系统具有一个能够弹钢琴和表演吉他弹奏的参数手。与现有的定制机器人音乐系统不同，该提议的手被设计为单件3D打印结构，通过调制机械性能和驱动模式，证明了在娱乐应用中增强表现力的潜力。这项研究强调，利用系统 - 环境相互作用可以实现具有简化控制的多种多样的，多功能的功能和可变播放样式。而不是乐器弹奏，而是Twomey等。使用手臂上的可穿戴软传感器研究了舞蹈性能，以探索这种设备是否可以增强艺术表达。舞蹈运动是在虚拟质量弹簧阻尼器系统中以山液的形式建模的，并在本地框架中分析了肢体，以避免通常与IMUS相关的漂移问题。作者提出了一种并行算法来检测
探索音乐作品中Genai的演变
抽象制作音乐作品提出了一系列独特的挑战，与视觉艺术形式遇到的挑战不同。音乐的时间性质需要熟练处理时间动态的模型。此外，组成通常包含多个曲目，每个曲目以其自己的时间复杂性为特征，要求对其相互依存的进化进行复杂的方法。与静态视觉图像不同，音符是测序的，通常组织成和弦或旋律，对专业时间顺序结构施加了要求。本文广泛地研究了Genai在连续生成对抗网络（GAN）领域的进化旅程，专门针对音乐构图量身定制。我们介绍了一套新颖的模型，精心制作，以解决音乐一代的细微差别，探索它们在生产复杂的多轨构图方面的功效。我们的调查集中在对这些模型的进化轨迹的全面分析中，审查了它们自主在各种轨道上产生凝聚力序列的能力。通过严格的经验评估，我们证实了模型产生令人信服的音乐节目的能力，而不是人类干预。此外，我们深入研究了复杂的技术讨论，阐明了推动发电过程的潜在机制，包括神经体系结构和训练方法的复杂相互作用。除了经验验证外，我们还进行了详细的用户研究，从而获得了对生成组成的主观感知的见解。此外，我们深入研究了音乐发电中人类合作的领域，通过无缝提供和谐的伴奏来揭示Genai对人类作品的补充潜力，从而弥合了艺术创造力和计算进步之间的差距。关键字：生成人工智能，音乐构图，进化，神经网络体系结构，长期依赖建模，跨学科协作，道德考虑，模型评估，音乐连贯性，表现力，表现力，创造性景观，文化丰富，技术丰富，技术进步，技术进步，轨道之间的互动，未来> 1。引言近年来，人工智能领域（AI）在产生各种形式的内容，利用技术（例如生成对抗性网络（GAN））方面取得了重大进步。尽管这些进步是值得注意的，但音乐作品带来了必要专业方法的独特挑战。与静态视觉艺术形式不同，音乐随着时间的流逝而展开，需要模型
人工智能创意支持工具中的艺术用户表达
新颖的人工智能算法引入了新一代人工智能驱动的创造力支持工具 (AI-CST)。这些工具可以通过用户无法预料的算法输出来启发和惊喜用户。然而，用户可能很难将他们的意图与意想不到的算法行为结合起来。我的论文研究了艺术创作 AI-CST 中的用户表达需要如何设计。通过对 14 位艺术家的访谈研究和对 111 个现有 CST 的文献调查，我首先分离出三个要求：1) 允许用户表达不受约束的意图，2) 使工具和用户能够共同学习用户表达和算法行为，3) 允许轻松而富有表现力的迭代。基于这些要求，我介绍了两种工具，1) Artinter，它学习用户如何在艺术委托的沟通过程中表达他们的视觉艺术概念，2) TaleBrush，它通过基于草图的故事生成促进用户意图的不受约束和迭代表达。我的研究为设计用户表达交互提供了指导