XiaoMi-AI文件搜索系统
World File Search System难度
使用微扫视估计视觉任务难度...
我们开发了一种使用微扫视动态来测量分层表面视觉搜索任务所施加的任务难度/认知负荷的方法。先前的研究提供了一致的证据表明任务难度/认知负荷会影响微扫视活动。我们证实了这一观点。具体而言，我们在视觉搜索地形表面中嵌入的特征时探索这种关系，在任务期间允许眼睛自由移动。我们做出了两个相关的贡献。首先，我们验证了一种区分视觉搜索的环境和焦点阶段的方法。我们表明，这种视觉行为范围可以通过一个先前报告的估计量（称为 Krejtz 的 K 系数）来量化。其次，我们使用基于 K 的环境/焦点段作为响应任务难度的微扫视分析的调节因素。我们发现，在视觉搜索的聚焦阶段，(a) 微扫视幅度显著增加，(b) 微扫视速率显著降低，任务难度增加。我们得出结论，结合使用 K 和微扫视分析可能有助于构建有效的工具，这些工具可在执行任务时指示任务内的认知活动水平。
具有战略重要性、技术上可实现、交付难度大
尽管《巴黎气候协定》 5 及其前身《京都议定书》（1997 年） 6 明确批准将国内航空减排目标作为国家温室气体清单的一部分，但 1997 年协议中唯一提到国际航空排放（该行业对全球排放的最大贡献 7 ）的地方是附件 1 国家应在国际民航组织的领导下“减少”国际航空排放。国际民航组织职权范围内的最新发展包括两项关键国际标准：二氧化碳排放效率标准（2013 年）和全球基于市场的措施 (GMBM) 方案（2016 年）。这两项标准在 2016 年都取得了重大里程碑，国际民航组织发布的环境报告宣布采用 GMBM 并计划于 2020 年推出 4 。这些计划源自早期的航空业举措，特别是国际航空运输机构 (IATA) 2013 年制定的“2020 年碳中和增长战略”（CNG 2020）8,9。
具有战略重要性、技术上可实现、交付难度大
尽管《巴黎气候协定》 5 及其前身《京都议定书》（1997 年） 6 明确将国内航空减排目标作为国家温室气体清单的一部分，但 1997 年协议中唯一提到国际航空排放（该行业对全球排放的贡献最大 7 ）的地方是，附件 1 国家应在国际民航组织的领导下“减少”国际航空排放。国际民航组织职权范围内的最新发展包括两项关键国际标准：二氧化碳排放效率标准（2013 年）和全球基于市场的措施 (GMBM) 计划（2016 年）。这两项标准都在 2016 年通过了重要的里程碑，国际民航组织发布的环境报告宣布采用 GMBM 并计划于 2020 年推出 4 。这些计划源自早期的航空业举措，特别是国际航空运输机构 (IATA) 2013 年的“2020 年碳中和增长”战略（CNG 2020） 8,9。
使用 AI 玩家预测游戏难度和参与度
本文介绍了一种用于预测人类玩家行为和体验的自动游戏测试新方法。我们之前已经证明，深度强化学习 (DRL) 游戏代理可以预测游戏难度和玩家参与度，并将其操作化为平均通过率和流失率。我们通过使用蒙特卡洛树搜索 (MCTS) 增强 DRL 来改进这种方法。我们还基于以下观察激发了一种增强的预测特征选择策略：AI 代理的最佳表现可以产生比代理平均表现更强的与人类数据的相关性。这两种添加方式都可以持续提高预测准确性，并且 DRL 增强型 MCTS 在最难的级别上的表现优于 DRL 和原始 MCTS。我们得出结论，通过自动游戏测试进行玩家建模可以从结合 DRL 和 MCTS 中受益。此外，如果 AI 游戏玩法平均而言无法产生良好的预测，那么研究重复的最佳 AI 代理运行的子集也是值得的。
基于人工智能的早期腹腔镜胆囊切除术手术难度评估模型
摘要 腹腔镜胆囊切除术 (LC) 是胆结石患者的标准外科治疗方法，从有症状的胆结石到严重的胆囊炎。由于 LC 期间手术所见差异很大，客观评估手术难度非常重要。这对于进一步开发和在 LC 手术中使用未来的人工智能算法至关重要，因为它可以让外科医生之间进行更可靠的基准测试，并有助于手术室规划。在本研究中，训练了深度学习模型来评估手术第一阶段的难度水平。包括在 Meander 医疗中心录制的 93 个 LC 视频。使用改良的 Nassar 量表来注释胆囊难度（1-3 级）和粘连存在（1-3 级）。各种模型都针对不同的标签组合进行了训练；二元和多标签。在多标签测试集上，最佳模型对胆囊和粘连的分类准确率分别达到 66% 和 40%。最佳二元模型将胆囊难度分为 3 级和 1、2 级，准确率为 88%，将 1 级和 2、3 级的准确率为 82%。这项工作展示了基于早期内窥镜视频的手术场景难度理解的潜力。
感知难度调节人类视觉皮层的注意力增益调节
1 泰国曼谷 10140 泰国国王科技大学吞武里学习学院神经科学研究与创新中心，2 泰国曼谷 10140 泰国国王科技大学吞武里工程学院计算机工程系，3 泰国曼谷 10140 泰国国王科技大学吞武里大数据体验中心，4 泰国曼谷 10140 泰国国王科技大学吞武里工程学院生物工程项目，5 加利福尼亚大学圣地亚哥分校心理学系，加利福尼亚州拉霍亚 92093-1090，6 可持续发展研究与创新中心 (RISC) 幸福科学中心，泰国曼谷 10260，7 加利福尼亚大学圣地亚哥分校神经科学研究生项目和 Kavli 大脑与心智基金会，加利福尼亚州拉霍亚92093-1090
攻击经典和后量子密码学中的难度假设的量子算法
量子计算机是一种利用量子力学现象进行计算的计算机，不同于当今利用经典物理现象的传统计算机。功能足够强大的大规模量子计算机（不易出错或可纠错）将对目前广泛部署的大多数非对称密码系统构成威胁。这是因为 Shor [1] 引入了多项式时间量子算法来解决循环群中的整数因式分解问题 (IFP) 和离散对数问题 (DLP)。例如，如果量子计算机能够执行 Shor 算法，那么对于足够大的问题实例，它将能够破解基于 IFP 的 RSA [ 2 ] 以及基于 DLP 的 DSA [ 3 ] 和 Diffie-Hellman (DH) [ 4 ]——主要是在有限域的乘法群或椭圆曲线点群（在椭圆曲线密码 (ECC) 的情况下）中。[ 5, 6 ]。上述密码系统目前用于保护互联网上大多数交易的安全。
造血细胞移植护士难度的经历：定性系统审查方案
HSCT中的护理需要高水平的专业化，并伴随着多方面的挑战，包括心理压力，情绪疲惫和道德困境。HSCT涉及通过强化化疗和全身辐射来破坏患者的骨髓功能，然后将造血干细胞移植以恢复血细胞的产生（Kanda，2015年）。1974年在日本引入的，每年进行5,500多个程序。然而，威胁生命的风险，例如移植物抗宿主病（GVHD）和严重感染（日本造血细胞移植数据中心，2023年）。
通过共生游戏代理实现自适应游戏 AI 动态难度扩展
摘要。本文介绍了 AdaptiveSGA，这是一种通过 Symbiotic Game Agent 框架通过自适应游戏 AI 实现动态难度扩展的模型。在现代计算机游戏中使用动态难度平衡对于提高游戏的娱乐价值非常有用。此外，Symbiotic Game Agent 作为一个框架，为游戏代理提供了灵活性和稳健性作为设计原则。本文介绍的工作利用了自适应游戏 AI 和 Symbiotic Game Agent 的优势，实现了一个稳健、高效且可测试的游戏难度扩展模型。本文详细讨论了该模型，并将其与原始的 Symbiotic Game Agent 架构进行了比较。最后，本文描述了它如何应用于模拟足球。最后，简要分析了实验结果，表明实现了动态难度平衡。
通过共生游戏代理实现基于 AI 的自适应游戏动态难度调整
摘要。本文介绍了 AdaptiveSGA，这是一种通过 Symbiotic Game Agent 框架通过自适应游戏 AI 实现动态难度扩展的模型。在现代计算机游戏中使用动态难度平衡对于提高游戏的娱乐价值非常有用。此外，Symbiotic Game Agent 作为一个框架，为游戏代理提供了灵活性和稳健性作为设计原则。本文介绍的工作利用了自适应游戏 AI 和 Symbiotic Game Agent 的优势，实现了一个稳健、高效且可测试的游戏难度扩展模型。本文详细讨论了该模型，并将其与原始的 Symbiotic Game Agent 架构进行了比较。最后，本文描述了它是如何应用于模拟足球的。最后，简要分析了实验结果，表明实现了动态难度平衡。