XiaoMi-AI文件搜索系统
World File Search System表现力
Maude 战略语言
重写逻辑是并发系统和逻辑规范的自然且富有表现力的框架。Maude 规范语言提供了这种形式主义的实现，允许执行、验证和分析所表示的系统。这些规范通过术语和方程式声明其对象，并提供重写规则来表示状态上可能不确定的局部转换。有时需要对这些规则进行受控应用，以减少非确定性，捕捉全局、面向目标或效率问题，或选择特定的执行进行分析。这就是我们所说的策略。为了表达它们，尊重关注点分离原则，提出并开发了 Maude 策略语言。策略语言的首次实现是在 Maude 本身中使用其反射功能完成的。经过充分的实验，又添加了一些功能，为了提高效率，策略语言已在 C++ 中实现为 Maude 系统的一个组成部分。本文介绍了 Maude 策略语言及其语义、实施决策以及来自各个领域的几个应用示例。
pastprint
摘要 - 成功采用工业机器人将在很大程度上取决于他们在人类环境中安全有效运作，进行自然交流，了解用户并直观地表达意图的能力，同时避免了不必要的干扰。要达到这种高级人类机器人互动（HRI）的高级水平，机器人需要征服并结合其用户的任务和环境的知识，并采用多模式的交流方法，并结合语音，运动，凝视和其他方式的表现力提示。本文介绍了几种设计，增强和评估非类人生物工业机器人的表达性HRI系统的方法。我们提出了一个小型拟人化机器人的概念，该机器人是其非类人生物宿主的代理，例如叉车。我们使用视线跟踪和运动捕获来量化用户如何看待机器人并衡量任务进度，为该机器人开发了一个多模式和LLM增强的通信框架，并在几个实验室实验中进行了评估。
Rubrik AI 驱动的网络恢复
如今，网络攻击对组织的数据构成了最严重的威胁。从网络攻击中恢复通常是一个多方面的过程，需要解决技术复杂性，例如确定攻击的程度、确定受影响的数据以及确保完全恢复。使用传统的备份和恢复工具，从网络攻击中恢复通常需要手动且耗时的过程来检索攻击发生前的干净数据。即使在恢复了攻击前的干净数据后，由于虚拟机操作系统中未检测到的后门或漏洞，仍然存在将恶意软件重新感染到生产系统的风险。此外，对组织的威胁以多种方式表现出来，每种方式都带来独特的挑战。组织必须准备好有效管理独特的攻击场景，以确保网络弹性。生成式人工智能成为应对这些挑战的理想解决方案，提供富有表现力和情境感知的指导，简化恢复过程。
心态：以AMAMBA为基础的方法……
这项工作探索了基础模型（特别是基于 Mamba 的选择性状态空间模型）在增强神经系统疾病诊断中 EEG 分析的潜力。EEG 对于诊断癫痫等疾病至关重要，由于其噪声大、高维和非线性的特性，它带来了巨大的挑战。传统的机器学习方法在自动化 EEG 分析方面取得了进展，但往往无法捕捉其复杂的时空动态。深度学习的最新进展，特别是序列建模，为创建能够处理这种复杂性的更通用、更具表现力的模型提供了新途径。通过自监督重建任务和随后的癫痫检测任务，在包含癫痫和非癫痫 EEG 记录的大型数据集上训练基于 Mamba 的模型，我们展示了该模型的潜力，在保留测试集上实现了 0.72 的 AUROC。这种方法标志着朝着开发用于 EEG 数据分析的大规模、临床适用的基础模型迈出了重要一步。
交替分层变分量子电路可以利用经典阴影进行有效的经典优化
变分量子算法 (VQA) 是经典神经网络 (NN) 的量子模拟。VQA 由参数化量子电路 (PQC) 组成，该电路由多层假设（更简单的 PQC，与 NN 层类似）组成，这些假设仅在参数选择上有所不同。先前的研究已将交替分层假设确定为近期量子计算中潜在的新标准假设。事实上，浅层交替分层 VQA 易于实现，并且已被证明既可训练又富有表现力。在这项工作中，我们引入了一种训练算法，可指数级降低此类 VQA 的训练成本。此外，我们的算法使用量子输入数据的经典阴影，因此可以在具有严格性能保证的经典计算机上运行。我们证明了使用我们的算法在寻找状态准备电路和量子自动编码器的示例问题中将训练成本提高了 2-3 个数量级。
接近度的量子证明
我们在属性测试的设置中启动了 QMA 算法的系统研究，我们将其称为 QMA 邻近性证明 (QMAP)。这些是量子查询算法，它们可以显式访问亚线性大小的不受信任的证明，并且需要接受具有属性 Π 的输入并拒绝距离 Π ε 远的输入，同时仅探测其输入的极小部分。我们的算法结果包括一个通用定理，该定理可以实现量子加速，以测试一类富有表现力的属性，即那些可以简洁地分解的属性。此外，我们还展示了该系列之外的属性的量子加速，例如图二分性。我们还研究了该模型的复杂性格局，表明 QMAP 可以比经典邻近性证明和量子测试器强得多。为此，我们扩展了 Blais、Brody 和 Matulef（计算复杂性，2012）的方法，通过降低通信复杂性来证明量子属性测试下限，从而解决了 Montanaro 和 de Wolf（计算理论，2016）提出的问题。
UvA-DARE（数字学术资源库）
随着计算认知神经科学领域的不断扩展和新理论的产生，人们越来越需要更先进的方法来检验大脑行为关系的假设。贝叶斯认知建模的最新进展使得神经和行为模型能够结合成一个统一的框架。然而，这些方法需要手动提取特征，并且缺乏在更复杂的数据中发现以前未知的神经特征的能力。因此，这会阻碍模型的表现力。为了应对这些挑战，我们提出了一种神经认知变分自动编码器 (NCVA)，将高维脑电图与认知模型结合起来，用于生成和预测建模分析。重要的是，我们的 NCVA 既可以根据行为数据预测脑电图信号，又可以根据脑电图信号估计认知模型参数。这种新方法可以让我们更全面地了解行为、大脑活动和认知过程之间的三重关系。
基于连续单词大小的音频令牌的生成语言模型
在NLP中，已知基于单词或子字的文本语言模型表现优于其基于字符的同行。然而，在语音社区中，口语LMS的标准输入为20ms或40毫米的离散单元（比音素短）。从基于文字的LM中汲取灵感，我们基于单词大小连续值的音频嵌入来引入生成性口语模型（GSLM），该模型可以产生多样化和表现力的语言。这是通过用词汇嵌入函数代替词汇类型的查找，通过对比度损失的横熵损失以及k-nn Sampling的多项式采样。最终的模型是基于单词大小连续嵌入的第一个属性语言模型。其性能与自动指标和主观人类判断衡量的发电质量的离散单位GSLM相当。此外，由于其200ms的大型单元，它的内存效率高五倍。此外，词汇嵌入器之前和之后的嵌入在含明确和语义上是可解释的。1
与Haru
本研究对人类机器人互动中自主对话在行为改变教练中的设计和影响进行了实证研究。我们专注于桌面社交机器人Haru的使用，并探讨了微小习惯方法[13]的实施，以促进积极的行为改变。我们研究的核心在于开发一个完全自主的对话系统，该系统最大程度地提高了Haru的情感表现力和独特的个性。我们的方法论涉及对话系统的迭代设计和广泛的测试，以确保其有效体现了小习惯方法的原理，同时还纳入了信任和信任阻尼的策略。在与人类参与者的实验研究中评估了对话的最终版本的有效性（n = 12）。结果表明，对Haru活泼，互动性和中立性的看法有显着改善。此外，我们的研究为社会机器人技术中对话设计的更广泛的理解做出了贡献，为该领域的未来发展提供了实用的见解。
计算机和图形
本文介绍的系统背后的主要目标是研究使用虚拟现实（VR）展示相当大的医疗设备的功效。具体来说，我们专注于安装在卡车拖车上的移动磁共振成像（MRI）扫描仪。后者是移动MRI设置不可或缺的一部分，必须作为身临其境体验的一部分呈现。因此，我们不仅必须描绘医疗机构，而且还提供了理解周围环境的手段。这对放射科医生和其他医务人员尤其重要，以确定给定的移动医疗机构是否满足了他们的需求和需求。此外，尽管使用此类MRI设备设计用于机动性，但它们的长途运输可能会耗时，麻烦且昂贵。因此，我们可以观察到需要展示此类移动MRI单元而没有与运输相关的额外费用和负担。为了实现这一目标，我们设计了一个沉浸式的环境，在该环境中，用户可以与移动MRI的现实生活量表3D模型进行交互。此外，我们还使用已建立的启发式方法验证了系统的可用性和表现力。