XiaoMi-AI文件搜索系统
World File Search System设计模式
C++ Online 2024 | 策略设计模式
策略设计模式是一种基本的行为设计模式，允许客户端在运行时控制对象的行为。策略模式在 C++ STL 中实际应用，例如将“策略”应用于如何执行操作（例如 std::par 或 std::seq 就是一个例子）——因此策略通常也称为“策略模式”。策略设计模式通常用于在运行时选择算法以最好地解决问题——将算法行为与对象本身分开，以帮助我们的软件更易于维护、扩展和灵活。在本次演讲中，我们将从头开始介绍一系列使用策略模式在运行时部署不同算法的 C++ 示例。我们还将查看部署策略模式的库中的代码示例，并讨论在现代 C++ 中使用策略模式的最佳实践。策略模式还将与模板方法模式进行比较，后者可能是一种替代选择。与会者将通过本次演讲获得继续实施策略模式的知识，以及如何在他们可能正在开展的项目中发现策略设计模式！
设计模式培训（不仅）嵌入式系统
Behavioral Patterns - Example: Handling timer events - Flexible solution based on the design pattern Observer - Practical exercise: Using the observer pattern in the elevator control - Pitfalls in interface design or implementation - "Horizontal" and "vertical" interfaces - Event handling based on the design pattern Command - Practical exercise: Using the command pattern in the elevator control - Example: Traditional implementation of a state machine in C - Object-oriented solution based on the design pattern State -实践练习：使用电梯控制中的状态模式 - 示例：用户定义的内存管理 - 使用分区管理器分区及其管理 - 基于设计模式策略的灵活内存管理 - 实用练习：使用电梯控制中的策略模式 - 示例：具有常见基本结构的策略 - 基于设计模式模板方法
生成神经符号系统的模块化设计模式
能够产生新型输出的抽象开发系统是当前人工智能（AI）研究的主导趋势之一。近年来，这种生成系统的功能和可用性，尤其是所谓的大型语言模型（LLM）。尽管神经符号生成模型比纯粹的统计生成模型具有优势，但目前很难比较培训，微调和使用这种方法不断增长的方法的不同方式。在这项工作中，我们为此目的使用了van Bekkum等人的模块化设计模式和拳头语言，并扩展了这些模型，以实现生成模型，特别是LLM的表示。这些模式提供了一种通用语言来描述，比较和理解所使用的不同架构和方法。我们的主要目的是支持对生成模型的更好理解，并支持基于LLM的系统的工程。为了证明这种方法的有用性，我们探索了生成的神经符号结构和方法，作为这些生成设计模式的用例。
用于处理逻辑相干交易类型的智能合约设计模式
摘要：最近的研究表明，智能合约的源代码通常是克隆的。区块链网络中相关类型的交易类型的处理导致实施许多类似的智能合约。因此，验证交易的规则被多次复制。本文介绍了Adapt V2.0智能合约设计模式。设计模式对每种事务类型采用独特的配置，并且在配置之间共享验证规则对象。在两个级别上消除了逻辑条件的冗余性。首先，可以将类似的智能合约组合到一个。其次，智能合约中的配置在运行时验证规则对象。结果，对于每个验证规则，只有一个对象是实例化的。它允许通过智能合约有效使用操作内存。本文使用面向对象和功能的编程机制介绍了该模式的实现。应用该模式可确保智能合约的自适应性在任何数量的交易类型上。在智能合约和不同数量的检查交易中，对各种验证规则进行了绩效测试。获得的10,000,000件交易的评估时间小于0.25 s。
人机共同学习的设计模式
人们相信，人工智能推动的技术飞速发展将加强人类与人工智能作为团队伙伴的合作。成功的合作需要合作伙伴相互了解并了解任务。这种人机共同学习可以通过呈现使合作伙伴能够分享知识和经验的情况来实现。在本文中，我们描述了任务环境和研究共同学习的程序的开发和实施。更具体地说，我们设计了特定的交互序列，旨在启动和促进共同学习过程。在一项实验中评估了这些干预措施对学习的影响，该实验使用简化的虚拟城市搜救任务，供人机团队使用。人类参与者与绿野仙踪（即实验者的同伙，执行与基于本体的人工智能模型一致的机器人行为）合作执行了受害者救援和疏散任务。设计的交互序列，即学习设计模式 (LDP)，旨在实现共同学习。结果表明，LDP 有助于人类理解和认识他们的机器人伙伴和团队合作。对协作流畅度和团队绩效均未发现影响。结果用于讨论共同学习的重要性、为研究这一现象设计人机团队任务的挑战以及共同学习可能成功的条件。这项研究有助于我们了解人类如何与人工智能伙伴一起学习以及从人工智能伙伴那里学习，我们设计有意识学习 (LDP) 的提议为未来人机团队的应用提供了方向。
混合参与者的模块化设计模式
设计模式可以形象地看作是一个盒子学，它是一种有组织结构的表示，以有向图的形式表示，该图由标记节点组成，称为盒子，其关系和依赖关系表示为箭头。使用盒子学可以改善对人工智能系统结构的交流和理解。这项工作旨在使复杂的分布式人工智能系统在设计模式方面更加透明。所提出的设计模式的模块化也促进了复杂人工智能系统的设计和工程。这允许包括自主实体（例如软件代理或机器人）之间交互的描述。因此，盒子学可以与更广泛的分布式人工智能应用和主题相关，例如多智能体系统、联合或多智能体学习、人机协作和社会智能。
设计模式与源代码之间的生成关系
当今世界，各种服务的实现都依赖于计算机软件。随着软件的日益复杂化，培养负责软件生命周期（包括规划、开发和运行）的高级软件工程师具有很高的社会重要性。软件开发过程包括规划、需求分析、设计、编程和软件测试等各种过程（ISO，2017）。软件工程师需要学习各种知识和技能来开发每个过程中的工件。我们正在开发一种可视化工具 VRale-SCM，用于 VR 空间中每个过程的工件及其之间的关系（Kishikawa，2020）。软件工程师可以自由浏览工件，以深入了解工件及其之间的关系。在本文中，我们提出了一种生成设计模式和 Java 源代码之间关系的机制。将提出的机制集成到 VRale-SCM 将丰富系统的教育内容，从而进一步提高教育效果。设计模式（Gamma，1995）是面向对象软件设计推荐惯例的抽象描述，可用于教授系统软件设计。我们提出了 xPIML 来描述设计模式的结构和描述（Ohtsuki，1998 和 2011）。
使用 Luigi 分析工作流对分布式资源进行分析自动化的设计模式
摘要。在粒子物理学中，工作流管理系统主要用作蒙特卡罗事件生成等专用领域的定制解决方案。然而，执行数据分析的物理学家通常需要手动控制各自的工作流程，这很耗时，而且经常导致特定工作负载之间没有记录的关系。我们介绍了 Luigi Analysis Workflows (Law) Python 包，它基于最初由 Spotify 开发的开源流水线工具 Luigi。它为任意规模和复杂性的分析建立了通用的设计模式，并将重点从执行转移到定义分析逻辑。Law 提供了构建块来无缝集成可互换的远程资源，但并不局限于特定的基础设施选择。特别是，它鼓励并实现了分析算法与运行位置、存储位置和软件环境的分离。为了满足端到端 HEP 分析的复杂需求，Law 支持在 WLCG 基础设施（ARC、gLite）以及本地计算集群（HTCondor、LSF）上执行作业，通过 GFAL2 库通过最常用协议进行远程文件访问，以及支持 Docker 和 Singularity 容器的环境沙盒机制。此外，这种新颖的方法最终旨在实现开箱即用的分析保存。Law 完全独立于实验，并且是开源开发的。它已成功用于 t¯ tH 截面测量，并使用 CMS 实验寻找双希格斯玻色子的产生。
