| 术语 | 英文 | 一句话解释 |
|---|
| 狭缝涂布 | Slot-die coating | 一种工业级溶液涂布技术,油墨从狭缝挤出均匀铺展,是大面积器件量产的前提 |
| 中间相 | Intermediate phase | 在反应物最终转化为产物前,暂时出现的过渡性晶体或无定形结构 |
| 吉布斯自由能 | Gibbs free energy | 等温等压下判断热力学过程自发性的势函数,公式 $G = H - TS$,越低越稳定 |
| 功率转换效率 | Power conversion efficiency (PCE) | 光电器件(如太阳能电池)输出的最大电功率与入射光功率之比 |
| 溶剂工程 | Solvent engineering | 通过选择单一或混合溶剂,调控前驱体溶解度及中间相,从而驾驭结晶质量的方法 |
| 薄膜形貌 | Film morphology | 薄膜表面的微观几何特征,包括粗糙度、晶粒尺寸、致密程度及相纯度 |
| 光致发光量子产率 | PLQY | 材料吸收光子后发射出的光子数与吸收光子数之比,是衡量发光效率的硬指标 |
| 载流子寿命 | Carrier lifetime | 激发的电子或空穴在被复合(辐射或非辐射)前,保持自由移动状态的平均时间 |
| 非辐射复合 | Non-radiative recombination | 电子和空穴复合时,能量不以发光形式释放,而是转化为热(声子振动)耗散掉 |
| 缺陷钝化 | Defect passivation | 通过引入特定原子或分子填补晶格空位或悬挂键,消除陷阱态,减少能量损耗 |
| 晶粒生长 | Grain growth | 晶核形成后,原子或离子不断附着到晶格上,使晶体尺寸增大的过程 |
| 成核 | Nucleation | 结晶的起点:溶液中的溶质分子聚集形成微小且稳定的晶核的过程,类似过冷水滴凝结核 |
| 相图 | Phase diagram | 描述多组分体系在不同温度、压力、成分下相平衡状态的几何图,是材料合成的“导航地图” |
| 结晶动力学 | Crystallization kinetics | 研究晶体从溶液或熔体中成核、生长的速率及演变路径的物理化学分支 |
| 挥发性 | Volatility | 物质容易从液态或固态转变为气态的性质,可用饱和蒸汽压来定量衡量 |
| 共晶混合物 | Eutectic mixture | 两种或多种组分按特定比例混合,形成比各自纯组分熔点都要低的均匀熔体(类似冬天路面撒盐防冻的原理) |
| 钙钛矿 | Perovskite | 一类具有 $ABX_3$ 晶体结构的材料(如 $MAPbI_3$),在光伏和发光领域因带隙可调、吸收强而大放异彩 |
| 非互易输运 | Non-reciprocal transport | 正反向电阻不相等(如左行易、右行难),是整流器工作的基础 |
| 费米能级 | Fermi level | 绝对零度时电子填充的最高能量线,相当于水库的水位线 |
| 玻尔兹曼输运 | Boltzmann transport | 用半经典统计力学描述大量电子在电场和散射下如何流动的理论框架 |
| 范德华异质结 | van der Waals heterostructure | 不同二维材料仅靠微弱分子间力(范德华力)像搭积木般叠在一起的结构 |
| 化学气相沉积 | Chemical Vapor Deposition (CVD) | 让气体在热基底表面发生化学反应并长出固体薄膜的工业生长技术 |
| 整流效应 | Rectification effect | 只允许电流单方向导通,将交变信号变为直流信号的物理过程 |
| 扭角电子学 | Twistronics | 通过旋转堆叠二维材料夹角来连续调控电子能带结构的学科 |
| 贝里曲率偶极子 | Berry curvature dipole | 贝里曲率在动量空间中的梯度(类似电偶极子是电荷分布的偏心),是非线性霍尔的微观根源 |
| 非线性霍尔效应 | Nonlinear Hall effect | 横向电压与电流成二次方(而非线性)关系,源于贝里曲率在动量空间的不均匀分布 |
| 贝里曲率 | Berry curvature | 动量空间中的“等效磁场”,描述电子波函数在动量点移动时积累的几何相位 |
| 平带 | Flat band | 能带图上近乎水平的线,电子有效质量极大,像堵车一样极易产生强关联效应 |
| 对称性破缺 | Symmetry breaking | 系统状态不具备其底层规律所允许的全部对称性,是产生新奇物态的根源 |
| 晶圆级 | Wafer-scale | 在整个半导体晶圆(通常直径数十厘米)上均匀制备,达到工业量产门槛 |
| 低对称性 | Low-symmetry | 晶格缺乏某些旋转或镜面操作,使得物理性质(如电导)沿不同方向表现不同 |
| 量子整流器 | Quantum rectifier | 不依赖传统PN结,纯粹利用量子机制(如几何相位)实现交流转直流的器件 |
| 莫尔超晶格 | Moiré superlattice | 两层网格以微小角度或晶格常数差重叠时,形成的周期远大于原胞的放大图案(如纱窗重叠) |
| 消融实验 | Ablation | 逐一拆掉系统某组件看性能变化,这里用来证明"递归查询"比"塞全视频"更好 |
| 目标谓词 | Goal Predicate | 仿真器中判定任务是否成功的逻辑条件,如"物体 A 在区域 B 内且门关闭" |
| 文本记忆 | Text Memory | HarnessVLA 用文字记录的成功配方与失败教训,缺乏空间与瞬时细节 |
| 分布偏移 | Distribution Shift | 训练(或演示)环境与测试环境在布局、光照等方面的差异 |
| 重入 | Re-entry | Agent 在执行中遇到困难时,重新进入层次树拉取当前子目标对应片段的动作 |
| 片段 | Clips ($L_3$) | 最细粒度,仅 20 帧的短视频,展示接触瞬间的精细动作细节 |
| 时刻 | Moments ($L_2$) | 围绕子事件的短窗口文本索引,如"抓取 1"、"释放 2" |
| 阶段 | Phases ($L_1$) | 两次抓放事件之间的时间区间,用文本描述"移动了什么、放到了哪" |
| 关键帧 | Keyframes ($L_0$) | 最粗粒度,整段任务中均匀及事件附近抽样的少量图像,用于宏观规划 |
| 子事件 | Sub-events | 抓取、释放、关门等动作转换瞬间,是切分视频阶段的天然锚点 |
| 演示层次结构 | Demonstration Hierarchy | 把一段长视频按子事件切分成 $L_0$ 至 $L_3$ 四级粗细不同的索引树 |
| 递归视频上下文学习 | Recursive Video ICL (RV-ICL) | 本文方法:把视频建为层次树,Agent 在执行中按需递归查询,而非一次性塞入 |
| 上下文学习 | In-Context Learning (ICL) | 不更新权重,仅在提示词中放入示例让大模型现学现卖的学习方式 |
| 智能体套件 | Harness (e.g., HarnessVLA) | 包裹在 VLA 外面的调度框架,相当于"大脑",负责调用工具、写记忆、容错重试 |
| 冻结策略 | Frozen Policy | 参数完全锁死不再训练的基础模型,RV-ICL 通过外挂工具驱动它,无需微调 |
| 视觉-语言-动作模型 | Vision-Language-Action (VLA) | 输入图像和指令、直接输出机器人动作的端到端大模型,相当于机器人的"小脑"执行器 |
| User study | User study | 通过用户偏好测试评估方法实用性的实验 |
| Denoising steps | Denoising steps | 扩散模型去噪迭代的步数,影响生成速度和质量 |
| K/V features | K/V features | Transformer中的键/值特征,用于注意力机制 |
| Sketchy | Sketchy | 单对象自由手绘草图数据集,用于评估对象级生成 |
| Photo-Sketching | Photo-Sketching | 轮廓对齐草图数据集,用于评估边缘控制 |
| FS-COCO | FS-COCO | 自由手绘场景草图数据集,用于评估场景级生成 |
| PFC (Progressive Fidelity-Coherence) | PFC | 结合分布质量和时序一致性的综合评分 |
| CLIPScore | CLIPScore | 衡量生成图像与文本描述对齐程度的指标 |
| DINOv2 | DINOv2 | 无监督视觉特征提取器,用于评估语义一致性 |
| FID (Fréchet Inception Distance) | FID | 衡量生成图像与真实图像分布相似度的指标,值越低越好 |
| Prompt revision | Prompt revision | 用户实时修改文本描述以改变图像主题 |
| Stroke addition/removal | Stroke addition/removal | 用户交互操作:添加新笔画或删除已有笔画 |
| Progressive generation | Progressive generation | 随草图逐步完善实时更新图像的生成方式 |
| Union ControlNet | Union ControlNet | 多条件控制网络,支持结构(如边缘)和外观(如记忆)条件融合 |
| Flow-matching backbone | Flow-matching backbone | 基于流匹配的生成模型骨干网络(如FLUX) |
| Banded Adaptive Control (BAC) | Banded Adaptive Control | 基于层带和步长的自适应控制,调节记忆强度以平衡草图信任度 |
| Layer-Selective K/V Injection (LS-KVI) | Layer-Selective K/V Injection | 仅在低重要性层注入上一轮的键/值特征,保留结构灵活性 |
| Previous-Concept Memory (PCM) | Previous-Concept Memory | 保存上一轮生成结果作为外观记忆,适应笔画添加/删除/提示更新 |
| Frozen text-to-image model | Frozen text-to-image model | 预训练且权重固定的文本到图像生成模型(如FLUX) |
| Prompting | Prompting | 文本描述引导图像生成的语言指令 |
| Sketching | Sketching | 用户通过逐步添加/删除笔画来构建图像的交互方式 |
| ProgressNet | ProgressNet | 训练-free框架,支持冻结文本到图像模型的渐进式草图生成与提示编辑 |
| ------ | ------ | ------------ |
| 自适应光学 | Adaptive optics | 实时补偿大气湍流导致的光束畸变技术,平流层应用残余误差较小。 |
| 非合作目标 | Non-cooperative target | 无信标或反射器的碎片,需依赖非合作手段(如激光测距)定位。 |
| 技术成熟度等级 | Technology Readiness Level (TRL) | 评估技术从实验室到实际任务的9级成熟度指标,STRATOLASER目标TRL4(实验室验证)。 |
| ------ | ------ | ------------ |
| 差异差异 | DiD | Difference-in-Differences,统计方法,分离serving效果和模型自身效果。 |
| 质量损失 | Quality loss | 模型输出质量的下降,如准确率降低,评估优化副作用。 |
| 饱和 | Saturation | 服务引擎满负载运行的状态,测试最大吞吐量和延迟。 |
| 负载曲线拐点 | Knee of load curve | 服务引擎性能开始下降的负载点,优化系统的关键阈值。 |
| 泊松到达 | Poisson arrivals | 请求到达的随机过程,模拟真实负载,用于实验设计。 |
| 准入控制 | Admission control | 管理请求队列的机制,控制哪些请求被接受到服务中。 |
| 前缀缓存 | Prefix cache | 缓存共享的前缀序列,减少重复计算,提高批处理效率。 |
| KV缓存 | KV cache | 键值缓存,存储注意力机制的键和值,支持上下文信息保留。 |
| 带宽 | Bandwidth | 内存带宽,如TB/s,影响数据传输速度,决定内存密集型任务性能。 |
| FLOPs | FLOPs | 浮点运算次数,量化计算量,用于评估模型复杂度。 |
| 算术强度 | Arithmetic intensity | FLOPs每字节数,用于确定计算是否受限于带宽或计算能力。 |
| 屋顶线模型 | Roofline model | 性能分析模型,可视化计算和内存带宽限制,指导优化策略。 |
| RTX A6000 | RTX A6000 | NVIDIA的GPU型号,用于实验评估,测试不同硬件的兼容性。 |
| H100 | H100 | NVIDIA的最新GPU型号,用于硬件转移测试,提升性能基准。 |
| A100 | A100 | NVIDIA的GPU型号,用于实验评估,提供高性能计算能力。 |
| SGLang | SGLang | 高效LLM服务引擎,支持结构化语言程序执行和批处理优化。 |
| Llama-3-8B | Llama-3-8B | Meta开发的8B参数语言模型,常用于服务优化研究。 |
| Qwen3 | Qwen3 | 阿里巴巴开发的语言模型系列,支持动态层跳过集成。 |
| CoQA | CoQA | 对话式问答数据集,用于评估对话系统的交互能力。 |
| BBH | BBH | BIG-Bench Hard,一个挑战性语言模型评估基准,测试复杂任务。 |
| GSM8K | GSM8K | 数学推理数据集,用于评估LLM解决数学问题的能力。 |
| Token每秒 | TPS | Tokens Per Second,单位时间内生成的token数,衡量输出生成速度。 |
| 请求每秒 | RPS | Requests Per Second,单位时间内完成的请求数,衡量请求处理速度。 |
| 每输出token时间 | TPOT | Time Per Output Token,生成每个后续token的平均时间,衡量解码效率。 |
| 首个token时间 | TTFT | Time to First Token,生成第一个token的时间,影响用户体验。 |
| 端到端延迟 | End-to-end latency | 从请求提交到响应完成的完整时间,包含所有处理阶段。 |
| 延迟 | Latency | 从请求到响应的时间,包括端到端延迟、TTFT和TPOT,反映响应速度。 |
| 吞吐量 | Throughput | 单位时间内处理的请求数或token数,如RPS或TPS,衡量服务能力。 |
| 解码 | Decode | 生成输出token的阶段,内存密集,涉及KV缓存读取和写入。 |
| 前填充 | Prefill | 处理提示词的阶段,计算密集,通常先于解码执行。 |
| 盈利感知模式切换 | Profitability-aware mode switching | 仅当节省超过成本时才启用路由模式的机制,优化资源利用。 |
| 不变性 | Invariants | 确保动态深度执行正确性的规则,如每层必须写入自己的KV状态。 |
| 路由磁带 | Route tape | 设备上存储每行token在路由层决策的掩码,指导执行路径选择。 |
| 运行 | RUN | 执行层的完整计算,包括注意力和前馈网络,确保输出正确性。 |
| 仅投影 | Project-Only | 跳过层的路径,仅计算并写入KV缓存,不执行注意力和前馈网络。 |
| 队列执行 | Cohort execution | 将具有相同跳过决策的token分组处理,优化计算和内存访问。 |
| 解码图 | Decode graphs | 在服务引擎中预捕获的GPU计算图,用于高效执行解码步骤。 |
| 分页KV缓存 | Paged KV caching | 管理键值缓存的内存技术,按页存储和检索,降低内存占用。 |
| 连续批处理 | Continuous batching | 动态向批处理中添加新请求的技术,减少空闲时间,提高吞吐量。 |
| 服务引擎 | Serving engine | 高效执行LLM推理的系统,如SGLang,支持批处理和内存优化。 |
| FlexiDepth | FlexiDepth | 一种动态层跳过方法,通过轻量级路由器为每个token选择执行层,跳过20-30%层。 |
| vSkipper | vSkipper | 虚拟化层,将动态层跳过策略集成到现代LLM服务引擎中,提升服务效率。 |
| 动态层跳过 | Dynamic layer skipping | 一种计算优化方法,允许每个token只执行模型的部分层,减少冗余计算。 |
| ------ | ------ | ------------ |
| GPT-6 Astra | GPT-6 Astra | 高级语言模型,作为本文机器人代理的规划核心。 |
| RPent | RPent | 机器人控制框架,提供底层原语和工具调用接口。 |
| VLA policies | VLA policies | 视觉-语言-行动策略,直接从传感器映射到动作输出。 |
| Toolformer | Toolformer | 学习使用外部工具的LLM,扩展功能边界。 |
| ReAct | ReAct | 推理与行动交织的代理范式,交替进行思考与环境交互。 |
| Episode | Episode | 单次任务执行的全过程,包含多个LLM交互步骤。 |
| Inference cost | Inference cost | 模型推理的计算开销,通常以美元或时间量化。 |
| Robotic manipulation | Robotic manipulation | 机器人执行抓取、放置等物理交互的技术领域。 |
| Geometric computation | Geometric computation | 利用点云数据计算物体位置或姿态的算法,提升操作精度。 |
| Persistent program state | Persistent program state | 跨代码单元保持变量和函数的内存状态,支持复杂任务。 |
| Local retries | Local retries | 在代码层面对失败操作的重试机制,无需额外LLM调用。 |
| Conditional checks | Conditional checks | 在代码中嵌入状态判断,实现动作分支逻辑。 |
| Token overhead | Token overhead | 模型交互中产生的冗余计算负担,影响实时性。 |
| PyRUA-Lean | PyRUA-Lean | 本文提出的代码执行框架,通过组合原语和选择性观察提升效率。 |
| Ablation studies | Ablation studies | 移除系统组件以验证其贡献的实验方法。 |
| Execution traces | Execution traces | 记录任务执行步骤的详细日志,用于分析失败原因。 |
| Benchmarks | Benchmarks | 标准化测试集(如LIBERO-PRO),用于公平评估算法性能。 |
| Vision-language-action (VLA) policies | Vision-language-action policies | 预训练的端到端模型,直接从视觉生成动作指令。 |
| Success rate | Success rate | 任务完成的百分比,反映系统性能的核心指标。 |
| Input tokens | Input tokens | 输入给LLM的文本单元数量,衡量上下文复杂度。 |
| LLM calls | LLM calls | 大语言模型推理的调用次数,直接影响计算成本。 |
| Python execution interface | Python execution interface | 允许VLM生成并执行Python代码的交互框架,支持状态保持。 |
| Feedback-driven | Feedback-driven | 基于执行结果动态调整后续动作,实现闭环控制。 |
| Selective observation | Selective observation | 仅在需要时返回视觉反馈,减少冗余信息进入LLM上下文。 |
| Primitive composition | Primitive composition | 将基础操作(如移动、抓取)组合成复杂任务序列的编程方法。 |
| Tool calling | Tool calling | 通过离散API调用机器人原语的交互方式,每步需单独LLM调用。 |
| Robot agents | Robot agents | 执行物理任务的智能系统,通过语言模型协调机器人动作。 |
| Vision-language model (VLM) | Vision-language model | 结合视觉输入和语言指令的AI模型,用于机器人控制。 |
| ------ | ------ | ------------ |
| coherent quantum simulation devices | coherent quantum simulation devices | 利用量子相干性模拟复杂物理系统的设备,用于研究多体问题或材料性质。 |
| quantum hydrodynamics | quantum hydrodynamics | 描述量子流体(如超流体)运动的学科,结合流体力学和量子力学原理。 |
| global quantum coherence | global quantum coherence | 整个系统共享的量子相干性,使粒子行为同步,用于量子信息处理。 |
| emergent crystalline order | emergent crystalline order | 系统自发形成的晶体序,源于相互作用而非初始设计,是集体量子效应。 |
| non-rigid supersolid phase | non-rigid supersolid phase | 非刚性超固体,允许部分区域流动同时保持整体晶体序,类似“半固态”量子态。 |
| translational symmetry | translational symmetry | 物理系统在空间平移下保持不变的性质,晶体序的破缺导致周期性结构。 |
| interacting condensates | interacting condensates | 多个凝聚体之间通过量子相互作用(如碰撞或耦合)形成的复合系统。 |
| critical condensation density | critical condensation density | 极化子凝聚体形成所需的最低密度,低于此值无法实现量子相变。 |
| parametric nonlinearities | parametric nonlinearities | 系统参数变化导致的非线性响应,如光强依赖的折射率变化,用于信号放大。 |
| multi-mode dispersion landscapes | multi-mode dispersion landscapes | 多种传播模式下的能量-动量分布图,描述不同模式在材料中的行为。 |
| polariton condensate | polariton condensate | 极化子(光与电子耦合的准粒子)在低温下凝聚形成的量子态,具有相干性。 |
| photonic-crystal waveguide | photonic-crystal waveguide | 利用光子晶体结构引导光波传播的波导,可调控光的路径和模式。 |
| dispersion-engineered | dispersion-engineered | 通过设计材料结构控制光或粒子传播的色散关系,以优化能量分布。 |
| perovskite semiconductor | perovskite semiconductor | 一种具有钙钛矿晶体结构的半导体材料,室温下稳定,用于光电器件。 |
| photonic-crystal polariton condensates | photonic-crystal polariton condensates | 在光子晶体结构中形成的极化子凝聚态,极化子是光与物质相互作用的准粒子。 |
| cryogenic temperatures | cryogenic temperatures | 极低温度环境(通常低于-150°C),用于维持量子系统的稳定性。 |
| macroscopic quantum phenomena | macroscopic quantum phenomena | 在宏观尺度上观测到的量子效应,如超导或超流体,通常需要极低温条件。 |
| superfluid flow | superfluid flow | 流体在极低温下失去粘性,可无阻力地流动的现象,常见于液氦等量子流体。 |
| crystalline order | crystalline order | 物质内部原子或粒子规则排列形成的有序结构,类似于晶体网格。 |
| supersolid phase | supersolid phase | 一种奇特量子相,同时具有晶体序(有序排列)和超流体流动(无摩擦运动)的特性。 |
| quantum phases of matter | quantum phases of matter | 物质在量子尺度下的不同状态,如超流体或超固体,表现出宏观量子行为。 |
| ------ | ------ | ------------ |
| Pretraining | 预训练 | 使用大规模数据初始化模型,为特定任务微调奠定基础。 |
| Generalization | 泛化能力 | 模型在未见任务上表现良好的特性,反映鲁棒性和适应性。 |
| Short-Horizon Task | 短时程任务 | 单步完成的简单任务,通常用于基础技能训练。 |
| Long-Horizon Task | 长时程任务 | 需多步骤协作的复杂任务,依赖多个原子技能的连贯执行。 |
| Failure Attribution | 失败归因 | 将复合任务失败定位到具体原子技能的过程,用于瓶颈识别。 |
| Skill Family | 技能家族 | 按能力类型划分的原子任务组,共享适配器参数。 |
| Simulation Environment | 模拟环境 | 用于离线训练的虚拟场景,复现真实机器人交互状态。 |
| Self-Evolution | 自进化 | 系统自主识别瓶颈并更新策略,无需人工干预的闭环机制。 |
| Transfer Learning | 迁移学习 | 将一个任务学到的知识应用到相关任务,提升泛化能力。 |
| Checkpoint | 检查点 | 训练过程中保存的模型状态,用于后续验证和重用。 |
| PPO | Proximal Policy Optimization | 一种强化学习算法,通过裁剪策略梯度提升训练稳定性。 |
| Sparse Reward | 稀疏奖励 | 仅在任务成功时触发的奖励机制,避免中间步骤过度优化。 |
| Termination Head | 终止头 | 预测子任务完成状态的神经网络模块,用于实时阶段边界检测。 |
| Family Policy | 家族策略 | 共享同一适配器的相关原子技能集合,促进跨任务知识迁移。 |
| Composite Task | 复合任务 | 由多个原子任务组成的复杂任务,如厨房操作序列。 |
| Atomic Task | 原子任务 | 长时程任务分解的最小执行单元,如抓取或导航。 |
| Bottleneck | 瓶颈 | 长时程任务中频繁失败的关键原子技能,阻碍整体任务完成。 |
| LoRA | Low-Rank Adaptation | 一种高效微调技术,通过低秩矩阵更新减少计算资源需求。 |
| RL | Reinforcement Learning | 通过奖励信号优化策略的机器学习方法,用于自适应决策。 |
| VLA | Vision-Language-Action | 结合视觉、语言和动作的机器人控制模型,用于多模态任务执行。 |
| ------ | ------ | ------------ |
| Progressive widening | Progressive widening | 动态扩展节点子节点数量,强制探索多编辑程序,防止局部最优。 |
| Transposition table | Transposition table | 缓存已访问节点,避免重复计算,优化MCTS搜索效率。 |
| UCB score | UCB score | 上置信界评分,平衡探索与利用,指导MCTS节点选择。 |
| Edit set | Edit set | 对恒等程序的修改集合,包含非重叠的跳过或重复操作定义。 |
| Segment | Segment | 连续层块,由边界掩码划分,每个块分配一种操作(跳过/重复/保留)。 |
| Beam search | Beam search | 在解码时保留多个候选程序,而非单路径,用于提高路由器预测多样性。 |
| Error-rescue analysis | Error-rescue analysis | 分析错误答案与正确答案的接近程度,量化程序修正错误的能力。 |
| Menu generalization | Menu generalization | 少数固定程序可覆盖多数问题,而非每题需定制程序,体现程序泛化能力。 |
| Program fragility | Program fragility | 程序对编辑操作敏感,单个修改常导致错误修复失效,反映误差修正的脆弱性。 |
| Identity-collapse | Identity-collapse | 路由器预测时总是输出恒等程序,无法生成有效替代方案的现象。 |
| Identity program | Identity program | 标准前向传播程序,即所有层顺序执行一次,作为基准对比。 |
| Layer redundancy | Layer redundancy | 预训练模型中部分层功能重叠,允许通过跳过或重复操作优化推理而不损失性能。 |
| MMLU-Pro | MMLU-Pro | 多领域选择题数据集,包含12,032个问题,用于评估模型泛化能力和程序鲁棒性。 |
| DART-Math | DART-Math | 数学推理数据集,分为5个难度级别,用于测试程序化层在推理任务中的效果。 |
| Pass@k | Pass@k | 模型输出中至少一个候选正确的概率,评估程序或模型性能的指标(如Pass@1为单次解码正确率)。 |
| Skip/Repeat/Keep operations | Skip/Repeat/Keep operations | 三种层操作:跳过层块、重复执行层块、保留层块一次,构成程序基础单元。 |
| Thalamo-cortical coordination | Thalamo-cortical coordination | 类似大脑丘脑-皮层协调机制,在PoLar中路由信息到不同层区域,实现灵活计算。 |
| Router | Router | 轻量级神经网络,预测输入对应的层操作程序,替代搜索过程。 |
| Monte Carlo Tree Search (MCTS) | Monte Carlo Tree Search | 一种启发式搜索算法,通过模拟和上策选择探索程序空间,用于发现最优层执行序列。 |
| Programs-of-Layers (PoLar) | Programs-of-Layers | 将Transformer层视为函数库,通过动态跳过、重复或保留操作实现输入自适应推理的框架。 |
| ------ | ------ | ------------ |
| 制造变化 | Fabrication variations | 批量生产中器件参数的偏差,影响一致性和可扩展性。 |
| 量子性能 | Quantum performance | 器件在量子任务中的表现,如纠缠纯度和干涉可见度。 |
| ITU波长通道 | ITU wavelength-channel pairs | 国际电信联盟定义的标准波长通道,用于光通信系统。 |
| 原始可见度 | Raw visibilities | 干涉条纹的对比度,直接反映量子相干性(>93%为高性能)。 |
| 双光子干涉 | Two-photon interference | 两个光子之间的量子干涉效应,验证纠缠和相干性。 |
| 偶然比 | Coincidence-to-accidental ratios | 符合事件与随机事件的比率,衡量纠缠纯度和质量。 |
| 符合率 | Coincidence rates | 双光子同时被检测到的速率,反映光子对生成效率。 |
| 可扩展性 | Scalability | 增加电路复杂度而不显著降低性能的能力,是量子系统的关键指标。 |
| 功耗 | Power consumption | 器件运行所需的能量,主动调谐显著增加总功耗。 |
| 光谱对准 | Spectral alignment | 确保不同组件的光谱匹配,避免波长失配导致的效率损失。 |
| 主动调谐 | Active tuning | 通过外部控制(如温度或电压)调整器件参数,维持光谱对准。 |
| 制造缺陷 | Fabrication imperfections | 制造过程中引入的误差,导致器件性能偏差和灵敏度。 |
| 模式添加-滤波器 | Modal add-drop filters | 通过模式耦合添加或移除特定模式的光,实现光路由。 |
| 信号/空闲波分复用 | Signal/idler demultiplexing | 分离信号光和空闲光,确保多波长通道独立传输。 |
| 布拉格滤波器 | Bragg filters | 利用光栅反射特定波长,实现波长选择和光分离。 |
| 泵浦光抑制 | Pump rejection | 过滤掉泵浦光,只保留信号光和空闲光,减少噪声。 |
| 微环谐振器 | Micro-ring resonator | 微型环形结构,通过共振增强光场,高效生成光子对。 |
| 纠缠光子对生成 | Entangled photon-pair generation | 产生一对光子,其量子态相互关联,用于量子通信和计算。 |
| 硅光子学 | Silicon photonics | 利用硅材料制造光子器件,实现高密度集成和低成本。 |
| 集成量子光子电路 | Integrated quantum photonic circuits | 在单一芯片上集成光子元件,用于量子信息处理和可扩展性。 |
| ------ | ------ | ------------ |
| PT未破缺相 | PT-unbroken phase | PT对称性保持的相,具有实数准能谱,本论文中媒体的状态。 |
| 散射奇点 | Scattering singularities | 散射矩阵的零点(CPA)或极点(激光),对应极端响应。 |
| 非对称入射 | Asymmetric incidence | 不同振幅、相位或波矢的入射波,扩展边界奇异散射的适用性。 |
| 布洛赫球 | Bloch sphere | 表示量子态或偏振态的球面,用于可视化界面波模式。 |
| 旋量 | Spinor | 描述光偏振或波函数的数学对象,在界面分析中用于线性依赖性。 |
| 模式匹配 | Mode-matching | 波在界面上的振幅和相位匹配条件,导致散射奇点。 |
| 界面 | Interface | 两种介质之间的边界,本论文中散射奇点的起源。 |
| 色散关系 | Dispersion relation | 波矢(k)与频率(θ)的依赖关系,决定传播特性。 |
| 准能量 | Quasienergy | 在周期驱动系统中定义的等效能量本征值,描述稳态行为。 |
| 增益/损耗 | Gain/loss | 介质中能量增加(增益)或减少(损耗)的参数化表示。 |
| 光子网格晶格 | Photonic mesh lattice | 基于耦合光纤环的实验平台,实现Floquet晶格。 |
| Floquet晶格 | Floquet lattice | 周期性驱动的晶格系统,模拟时间演化与空间结构的耦合。 |
| 散射矩阵 | Scattering matrix | 描述入射波与散射波关系的矩阵,其奇点对应CPA或激光。 |
| 宇称-时间对称性 | Parity-time (PT) symmetry | 一种空间反演(P)和时间反演(T)联合对称性。 |
| 非厄米介质 | Non-Hermitian media | 包含增益和损耗的介质,能量不守恒,破坏时间反演对称性。 |
| 谐振器 | Resonator | 用于波 confinement 的结构,传统上实现散射奇点。 |
| 激光 | Lasing | 光放大过程,产生相干光输出的受激辐射现象。 |
| 相干完美吸收 | Coherent perfect absorption (CPA) | 入射光波被完全吸收且无反射的相干干涉现象。 |
| 边界奇异散射 | Boundary singular scattering | 一种仅通过界面实现的散射奇点现象,无需谐振体支撑。 |
| ------ | ------ | ------------ |
| 拓护超导体 | Topological superconductors | 同时具有超导性和拓扑特性的材料,可能支持马约拉纳费米子 |
| 拓护晶格 | Topological lattice | 具有非平庸拓扑特性的周期结构,可用于设计新型量子器件 |
| 拓护边界态 | Topological edge states | 在材料边界处存在的局域化电子态,具有单向传输特性 |
| 拓护表面态 | Topological surface states | 在拓扑材料表面出现的受拓扑保护的导电电子态 |
| 狄拉克锥 | Dirac cone | 能带结构中线性交叉的锥形能带,常见于石墨烯等拓扑材料 |
| 对称性破缺 | Symmetry breaking | 系统对称性降低导致新物理现象出现的机制,常诱导拓扑相变 |
| 拓护光子学 | Topological photonics | 将拓扑概念应用于光子学,设计对缺陷和扰动免疫的光子器件 |
| 量子霍尔效应 | Quantum Hall effect | 在强磁场下二维电子系统呈现的量子化电导现象,拓扑量子态的典型代表 |
| 拓扑相变 | Topological phase transition | 材料在不同拓扑相之间的转变,通常由对称性破缺或参数变化驱动 |
| 陈数 | Chern number | 描述能带拓扑特性的整数,决定表面态的数量和性质 |
| 拓扑绝缘体 | Topological insulators | 内部绝缘但表面存在导电通道的新型材料,由拓扑不变量保护 |
| 二维材料 | 2D materials | 单原子层厚度的材料(如石墨烯、过渡金属硫化物),具有独特的量子效应 |
| 拓扑量子化学 | Topological quantum chemistry | 结合量子力学与拓扑理论,预测材料电子拓扑性质的交叉学科 |
| 能带理论 | Band theory | 描述固体中电子能量分布的理论,解释导体/半导体/绝缘体的根本差异 |
| 对称性分类 | Symmetry classification | 基于空间群对称性对材料电子结构进行的系统性分类方法 |
| 拓扑不变量 | Topological invariants | 量化材料拓扑特性的数学量(如陈数),可预测材料的稳定电子态 |
| 拓扑材料 | Topological materials | 具有受对称性保护的独特电子态的材料,其性质在连续形变下保持不变 |
| ------ | ------ | ------------ |
| Iterative refinement | Iterative refinement | 通过反复测试和改进优化系统性能的方法,常用于AI训练。 |
| Cognitive alignment | Cognitive alignment | 多智能体通过交流逐步达成认知一致的过程,减少误解。 |
| Transformer models | Transformer models | 基于注意力机制的深度学习架构,擅长处理序列数据如语言。 |
| Emergent grammar | Emergent grammar | AI在交流中自发形成的语法结构,不同于人类预设规则。 |
| Natural language processing | Natural language processing | AI理解和生成人类语言的技术,涉及文本分析和生成。 |
| Communication protocols | Communication protocols | 定义智能体间信息交换规则的框架,包括格式、顺序和错误处理。 |
| Symbol grounding | Symbol grounding | 将抽象符号(如词汇)与现实世界对象关联的过程,确保语义理解。 |
| Emergent properties | Emergent properties | 系统整体表现出的个体不具备的新特征,如AI自发语言规则。 |
| Reinforcement learning | Reinforcement learning | AI通过试错和奖励反馈优化行为的方法,常用于决策场景。 |
| Multi-agent systems | Multi-agent systems | 由多个自主智能体组成的系统,通过协作或竞争完成复杂任务。 |
| Semantic drift | Semantic drift | 语言含义随时间或使用场景变化的现象,导致原意模糊。 |
| Tokenization | Tokenization | 将文本分解为离散单元(如单词或子词)的过程,便于AI处理语言。 |
| Neural networks | Neural networks | 模拟人脑结构的计算模型,通过数据训练实现模式识别和决策。 |
| Chat systems | Chat systems | 基于文本的对话平台,支持多用户实时交流,如聊天机器人。 |
| Emergent communication | Emergent communication | 多智能体互动中自然产生的非预设交流模式,无需人类干预。 |
| Language invention | Language invention | AI在通信过程中自发创造新词汇或语法规则的现象。 |
| AI agents | AI agents | 智能体,能自主决策和交互的计算机程序,模拟人类行为。 |
| ------ | ------ | ------------ |
| 激子 | Exciton | 电子-空穴对束缚态,影响光吸收和发射。 |
| 石墨烯 | Graphene | 单层碳原子构成的二维材料,高导电性和强度。 |
| 量子材料 | Quantum materials | 量子效应显著的材料,如扭曲二维材料。 |
| 半导体 | Semiconductor | 导电性介于导体和绝缘体之间的材料,用于电子器件。 |
| 光学性质 | Optical properties | 材料与光相互作用的行为,如吸收和反射。 |
| 扭转角度 | Twist angle | 两层材料之间的相对旋转角度,影响性质。 |
| 可编程材料 | Programmable materials | 可通过外部刺激(如扭曲)改变性质的材料。 |
| 机器学习 | Machine learning | 用于分析数据库和预测材料性质的AI技术。 |
| 高通量计算 | High-throughput computation | 快速计算大量材料性质的技术,加速发现。 |
| 理论模拟 | Theoretical simulation | 使用计算模型预测材料性质的方法。 |
| 电子结构 | Electronic structure | 材料中电子的能级分布,决定光学和电学性质。 |
| 过渡金属二硫化物 | TMDs | 如MoS₂,具有半导体性质的二维材料。 |
| 层状材料 | Layered materials | 由多层堆叠构成的材料,如石墨烯和TMDs。 |
| 带隙调制 | Bandgap modulation | 通过扭曲改变材料的带隙,用于定制电子性质。 |
| 带隙 | Bandgap | 材料中价带和导带之间的能量差,决定导电性。 |
| 莫尔超晶格 | Moiré superlattices | 扭曲二维材料形成的周期性结构,影响电子行为。 |
| 数据库 | Database | 系统存储和检索材料信息的集合,用于高通量研究。 |
| 扭曲 | Twist | 通过旋转两层材料改变相对角度,产生新性质。 |
| 二维材料 | 2D materials | 单原子层厚的材料,如石墨烯,具有独特电子和光学性质。 |
| ------ | ------ | ------------ |
| HDR | HDR (High Dynamic Range) | 高动态范围,表示场景的宽亮度范围,用于环境映射。 |
| 最小二乘法 | Least Squares | 最小化误差平方和的优化方法,用于重建辐照度函数。 |
| 塔梅斯问题 | Tammes Problem | 在球面上均匀分布点的问题,用于优化探测器布局。 |
| 动态范围 | Dynamic Range | 传感器可测量的最小和最大光强之比,FluxCam达75.4 dB。 |
| 信噪比 | SNR | 信号功率与噪声功率之比,传感器性能指标。 |
| 能量收集 | Energy Harvesting | 从环境中收集能量,如光伏电池将光转化为电。 |
| 重建 | Reconstruction | 从采样点恢复完整信号,如通过最小二乘法重建辐照度函数。 |
| 采样 | Sampling | 在空间点测量信号值,如球面上49个探测器位置。 |
| 自由度 | Degrees of Freedom | 表示信号所需参数的数量,辐照度函数仅需31个球谐系数。 |
| 带限 | Bandlimited | 信号频率受限,可用有限基函数表示,如球谐函数。 |
| 工作空间监控 | Workspace Monitoring | 监控环境状态,如占用、灯光开关,无需识别个体细节。 |
| 重新照明 | Relighting | 使用光照数据重新渲染场景,如插入物体到真实环境。 |
| 自运动 | Egomotion | 相机自身的运动,如旋转和平移,可通过辐照度变化估计。 |
| 日射表 | Pyranometer | 测量太阳辐照度的仪器,辐照度相机可作为全向日射表。 |
| 光探头 | Light Probe | 测量环境光照的设备,用于重新照明场景。 |
| 全向的 | Omnidirectional | 在所有方向上均匀覆盖的,如球面布局的传感器。 |
| FluxCam | FluxCam | 辐照度相机的原型,使用49个探测器实现自供电和无线传输。 |
| 自供电 | Self-Powered | 利用收集的光能供电,无需外部电源或电池。 |
| 光伏电池 | Photovoltaic Cell | 将光能转化为电能的半导体器件,用于测量辐照度和能量收集。 |
| 探测器 | Detector | 测量辐照度的传感器,如光伏电池,用于感知环境光照。 |
| 球谐函数 | Spherical Harmonics | 用于表示球面上信号的基函数,用于重建辐照度函数的低维近似。 |
| 辐射度 | Radiance | 单位面积、单位立体角内的光通量,表示场景的亮度和方向性。 |
| 辐照度函数 | Irradiance Function | 描述球面上每点接收的总光照的函数,是场景辐射度在半球上的积分。 |
| 辐照度相机 | Irradiance Camera | 一种测量球面上每点总辐照度的相机,使用少量探测器而非像素。 |
| ------ | ------ | ------------ |
| MMRV | Mean Maximum Rank Violation | 排序一致性度量,量化策略评估中排名错误的程度。 |
| 皮尔逊相关 | Pearson Correlation | 线性相关性度量,评估预测与真实世界结果的一致性。 |
| LPIPS | Learned Perceptual Image Patch Similarity | 感知相似性指标,基于深度学习模型评估图像的感知差异。 |
| SSIM | Structural Similarity Index | 结构相似性指标,评估图像亮度、对比度和结构的一致性。 |
| PSNR | Peak Signal-to-Noise Ratio | 图像重建质量指标,衡量预测图像与真实图像的像素级差异。 |
| 接触F1 | Contact-F1 | 接触预测的F1分数,平衡精确率和召回率。 |
| 接触IoU | Contact-IoU | 接触预测的交并比指标,量化预测区域与真实接触的重叠度。 |
| JEPA相似性 | JEPA Similarity | 评估视觉预测质量的指标,衡量预测与真实图像的语义一致性。 |
| 混合变换器 | Mixture-of-Transformers | 多模态模型架构,通过联合注意力融合视觉和触觉信息。 |
| AdaLN | Adaptive Layer Normalization | 自适应层归一化技术,动态调整模型参数以适应动作条件。 |
| 分手表示 | Split-Hands Representation | 分别编码指尖和手掌的触觉数据,避免人工空间邻域。 |
| 解剖感知触觉标记化 | Anatomy-Aware Tactile Tokenization | 基于手部结构编码触觉数据,保留解剖学对应关系。 |
| 人类到机器人转移 | Human-to-Robot Transfer | 将人类操作知识迁移到机器人,通过共享接口实现。 |
| 合成数据生成 | Synthetic Data Generation | 生成模拟数据用于训练,减少真实机器人数据收集成本。 |
| 策略评估 | Policy Evaluation | 评估机器人策略性能的方法,使用世界模型作为虚拟环境。 |
| 接触动力学 | Contact Dynamics | 接触状态的动态变化,如压力、滑动或卡滞。 |
| 视觉-触觉预测 | Visuo-Tactile Prediction | 同时预测视觉和触觉观测,增强物理交互的保真度。 |
| 流匹配 | Flow Matching | 用于训练生成模型的损失函数,通过概率流匹配优化预测。 |
| 双速率动作条件化 | Dual-Rate Action Conditioning | 以不同速率处理动作信号,适应视觉和触觉的时序差异。 |
| 残留潜变量 | Residual Latents | 相对于初始状态的预测变化,聚焦动态接触而非静态背景。 |
| Taxel | Taxel | 触觉传感器的基本单元,代表一个独立的感知点。 |
| 感知布局 | Sensing Layout | 传感器的空间排列方式,确保数据与物理拓扑一致。 |
| 压阻阵列 | Piezoresistive Arrays | 测量压力变化的传感器阵列,电阻随压力变化而改变。 |
| 灵巧操作 | Dexterous Manipulation | 需要精细接触控制的机器人操作,如抓取或装配。 |
| 动作条件化 | Action-Conditioned | 基于动作序列预测未来状态,强调动作对观测的影响。 |
| 触觉世界模型 | Tactile World Model | 结合视觉和触觉观测的预测模型,专门处理接触密集型操作。 |
| 世界模型 | World Model | 预测未来观测和动作条件的动态模型,用于模拟环境演化。 |
| ------ | ------ | ------------ |
| Success criteria | 成功标准 | 任务完成的量化指标(如瓶子直立、抽屉打开超过2/3)。 |
| Baseline methods | 基线方法 | 对比方法如NovaFlow和Dream2Flow,仅从视频恢复3D流进行轨迹优化。 |
| Franka Emika Panda | Franka Emika Panda机器人 | 实验使用的7自由度机械臂,配备平行夹爪和RGB-D相机。 |
| RGB-D observations | RGB-D观测 | 结合彩色图像和深度数据,用于3D几何重建和抓取定位。 |
| Instruction-conditioned reuse | 指令条件重用 | 无需新视频即可适应新指令(如更换目标或放松约束),更新定位和方向策略。 |
| Cross-scene transfer | 跨场景迁移 | 在物体位置变化时重用技能,依赖几何重建和运动适配规则。 |
| Orientation constraint | 方向约束 | 指定物体方向自由度(如固定轴旋转或完全跟踪),区分任务关键和优化自由度。 |
| Zero-shot framework | 零样本框架 | 无需新演示即可从生成视频中获取技能,支持跨场景和指令适配。 |
| Trajectory optimization | 轨迹优化 | 结合抓取选择和机器人运动规划,在满足任务约束下优化关节轨迹。 |
| Motion transfer | 运动迁移 | 基于目标几何将源场景运动适配到新场景,保持任务关键行为。 |
| Grasp grounding | 抓取定位 | 从VLM的2D像素提示重建3D抓取候选位姿,结合深度信息计算。 |
| Full 6D pose | 完整6D位姿 | 包含位置和完整方向(如抽屉匹配),需精确对齐所有自由度。 |
| Plane geometry | 平面几何 | 扩展表面(如擦桌子),要求接触面平行于目标平面。 |
| Axis geometry | 轴几何 | 定义旋转轴(如微波门打开),用于沿轴的旋转运动。 |
| Point-normal geometry | 点-法线几何 | 结合位置和表面法线(如直立放置瓶子),要求特定方向对齐。 |
| Point geometry | 点几何 | 仅关注目标位置(如苹果放置),忽略方向约束的最简几何类型。 |
| Target geometry | 目标几何 | 任务目标的几何类型,包括点、点-法线、轴、平面和完整6D位姿,定义交互方式。 |
| Phase-wise motion | 阶段化运动 | 将任务分为多个阶段,每个阶段指定运动来源(保留视频或生成过渡)和参考对象。 |
| Task representation | 任务表示 | 将机器人技能分解为阶段、参考和约束的标准化描述,支持跨场景重用。 |
| VLM | Vision-Language Model | 视觉语言模型,能理解图像和文本并输出结构化任务表示的AI模型。 |
| ------ | ------ | ------------ |
| Ground-truth Oracle | Ground-truth Oracle | 理想化的参考模型,提供基于真实规则的正确预测,用于对比模型表现。 |
| Frequency-based Heuristic | Frequency-based Heuristic | 基于历史频率的简单启发式规则(如“统计咖啡出现次数预测”),而非真实推理。 |
| Hypothesis Elimination | Hypothesis Elimination | 通过累积证据逐步排除候选规则的方法,用于测试模型是否进行系统性推理。 |
| Brier Score | Brier Score | 衡量预测概率与真实结果之间差异的指标,值越小表示预测越准确(如$Brier = \frac{1}{N}\sum_{i=1}^N (p_i - o_i)^2$)。 |
| Average Accuracy Rate (Acc) | Average Accuracy Rate (Acc) | 模型在所有子问题上的平均准确率,衡量整体表现。 |
| All-Correct Rate (AC) | All-Correct Rate (AC) | 模型在任务中所有子问题都正确的比例,反映理解的一致性和完整性。 |
| Embodied AI | Embodied AI | 具有物理交互能力的AI系统,需在真实环境中观察和行动,如家庭机器人。 |
| Multimodal Understanding | Multimodal Understanding | 整合视觉、语言和音频等多种模态信息以理解场景,如视频帧和对话文本结合。 |
| Pattern Adaptation | Pattern Adaptation | 模型检测行为模式变化并相应调整理解的能力,如从旧规则切换到新规则。 |
| Trajectory Probing | Trajectory Probing | 通过逐日预测轨迹(如$P_d(\text{yes})$)探索模型如何逐步构建和完善内部假设。 |
| No Hints | No Hints | 模型必须完全从观察中推断模式,不提供任何规则线索。 |
| Partial Hints | Partial Hints | 仅揭示每个条件的抽象类型,如“活动与工作日类型相关”。 |
| Full Hints | Full Hints | 直接指定相关条件,如“活动与是否工作日相关”。 |
| Hint Levels | Hint Levels | 提供规则信息的三个级别:完整提示、部分提示和无提示,用于系统化测试理解能力。 |
| Inverse Counterfactual Reasoning | Inverse Counterfactual Reasoning | 从观察到的行为推断最可能的条件或原因(如“观察到喝咖啡,推断是否熬夜”)。 |
| Noisy Counterfactual Prediction | Noisy Counterfactual Prediction | 在包含无关信息的假设条件下,预测行为(如“若周末且提到天气,是否喝咖啡”)。 |
| Counterfactual Prediction | Counterfactual Prediction | 在假设条件变化下,预测行为(如“若今天是周末,是否喝咖啡”)。 |
| Direct Prediction | Direct Prediction | 给定当前条件,预测最可能的行为类型(如“今天是周一,预测是否喝咖啡”)。 |
| Latent Behavioral Rules | Latent Behavioral Rules | 隐藏在行为背后的潜在规则,需要从分散的证据中推断,而非直接观察。 |
| Behavioral Pattern | Behavioral Pattern | 描述人物何时执行或不执行目标活动的规则,基于时间或事件条件(如“工作日或熬夜后喝咖啡”)。 |
| SimLife-BP | SimLife-BP | SimLife的行为模式理解基准,评估智能体从超长时序观察中推断行为规则的能力。 |
| SimLife | SimLife | 基于The Sims 4构建的可扩展平台,用于模拟长期家庭生活,提供丰富的视觉观察和真实行为日志。 |
| Human-Agent Partnership | Human-Agent Partnership | 人类与智能体之间的协作关系,要求智能体理解人类行为模式以提供长期服务。 |
| Long-Horizon | Long-Horizon | 指需要跨越数周或数月的时间尺度进行推理和理解,而非即时响应的短期任务。 |
| Pattern Understanding | Pattern Understanding | 从超长时序观察中推断潜在行为规则的能力,是长时序人机协作的核心挑战。 |
| ------ | ------ | ------------ |
| 能力分层评估 | Capability-stratified evaluation | 按任务难度分级测试模型可靠性的评估方法 |
| 放弃参数 | Giving-up parameter | 控制拒绝触发概率的动态阈值,需随任务难度自适应调整 |
| 期望校准误差 | ECE | 模型置信度与实际准确度偏差的量化指标,值越小越可信 |
| 一致性生成 | Conformal generation | 基于历史数据分布生成预测区间,控制错误率的统计方法 |
| 语义不确定性 | Semantic uncertainty | 通过语言变体聚类估计模型对答案置信度的方法 |
| 自我修正循环 | Agentic self-correction loop | 模型通过迭代修改输出以符合安全约束的闭环机制 |
| 风险覆盖框架 | Risk-coverage framework | 在拒绝决策中平衡错误风险与问题覆盖率的优化理论 |
| 递归理论 | Recursion theory | 计算机科学的数学基础,研究可计算性问题和算法极限 |
| 认识论不作为 | Epistemic abstention | 基于知识边界主动拒绝回答,与安全规则驱动的拒绝本质不同 |
| 环境层面不可答 | Environment-level unanswerability | 任务本身无解的客观属性(如"当前无工具时查询时间") |
| 三重评分 | Triple-scoring | 同时评估正确、错误、不作为三种结果的评分体系,替代传统二分类准确率 |
| 一致性推理悖论 | Consistent reasoning paradox | 任何系统若始终对等价问题给出相同答案,必在算术类问题上无限次产生幻觉 |
| 校准不作为 | Calibrated abstention | 模型在不确定时主动拒绝回答的机制,需通过概率阈值控制拒绝范围 |
| 工具幻觉 | Tool hallucination | 模型错误调用不存在或不可靠工具的现象,源于强化学习对结果输出的过度优化 |
| 推理可靠性 | Reasoning reliability | AI系统在复杂推理任务中保持答案正确性的能力,涉及工具使用、安全约束和逻辑一致性 |
| ------ | ------ | ------------ |
| Acoustic metamaterials | Acoustic metamaterials | 人工设计材料,通过结构控制声子传播,类似光学超构表面控制光子。 |
| Quantum simulation | Quantum simulation | 用声子模拟其他量子系统,如超导模型,提供实验验证理论的方法。 |
| Measurement backaction | Measurement backaction | 测量对系统的干扰,如激光探测声子时可能改变其状态,引入误差。 |
| Quantum coherence | Quantum coherence | 量子态的相干性,声子跳跃需保持相干以实现量子计算或通信。 |
| Phonon lifetime | Phonon lifetime | 声子存在的时间,短寿命表示高散射率,限制量子信息存储时间。 |
| Thermal conductivity | Thermal conductivity | 材料导热能力,由声子输运决定,声子跳跃效率影响热量传递。 |
| Scattering | Scattering | 声子与杂质或缺陷的相互作用,导致跃迁或能量损失,类似水波撞上礁石。 |
| Density of states | Density of states | 单位能量间隔内的状态数,影响声子分布,决定跃迁概率大小。 |
| Lattice vibrations | Lattice vibrations | 晶格中原子的集体振动,声子是其量子化,类似弹簧网络的振动模式。 |
| Quantum tunneling | Quantum tunneling | 声子穿越能量势垒的量子效应,类似粒子穿过“墙”而不需足够能量。 |
| Detection methods | Detection methods | 探测声子状态的技术,如光谱学(测量频率)或干涉法(观察相位变化)。 |
| Experimental setup | Experimental setup | 实验装置,如低温腔(接近绝对零度)和激光系统,用于隔离和探测声子。 |
| Magnetic field effects | Magnetic field effects | 磁场可能通过自旋-声子耦合影响声子行为,如改变跃迁速率。 |
| Temperature effects | Temperature effects | 温度影响声子分布和跃迁概率,高温增加热噪声,降低量子跳跃可观测性。 |
| Coherence time | Coherence time | 量子态保持相干的时间,声子相干时间短则易去相干,限制量子应用。 |
| Phase | Phase | 振动的位置,声子相干性取决于相位关系,如多个声子同步振动。 |
| Amplitude | Amplitude | 振动的最大位移,影响声子强度和跃迁概率,类似水波涟漪大小。 |
| Frequency | Frequency | 振动每秒的周期数,声子频率对应能量($E = h \nu$,$h$为普朗克常数)。 |
| Resonance | Resonance | 系统在特定频率下响应增强,声子跃迁可能通过共振放大能量交换。 |
| Quantum control | Quantum control | 操纵量子态的技术,如用电磁场控制声子的跳跃方向和频率。 |
| Measurement | Measurement | 观测量子系统导致波函数坍缩,如通过激光探测声子跳跃时干扰其状态。 |
| Entanglement | Entanglement | 量子粒子间的非局域关联,声子间可能存在纠缠,影响集体行为。 |
| Decoherence | Decoherence | 量子相干性的丧失,由于环境噪声(如热扰动)导致声子状态变得随机。 |
| Coherent states | Coherent states | 量子态具有确定相位和振幅,用于描述声子的相干性,类似水波的同步振动。 |
| Quantum states | Quantum states | 系统的量子描述,如声子的基态(最低能量)或激发态(高能量)。 |
| Acoustic waves | Acoustic waves | 声波在介质中的传播,在量子层面由声子携带能量和动量。 |
| Bose-Einstein condensate | Bose-Einstein condensate | 玻色-爱因斯坦凝聚态,大量玻色子(如声子)在极低温下处于同一量子态。 |
| Superconductivity | Superconductivity | 材料在低温下电阻为零的状态,涉及声子与电子的强耦合作用。 |
| Transitions | Transitions | 从一个量子态到另一个的变化过程,如声子通过吸收或发射实现跃迁。 |
| Energy levels | Energy levels | 系统可占据的离散能量状态,声子在这些状态间跳跃时吸收或释放能量。 |
| Quantum mechanics | Quantum mechanics | 研究微观粒子行为的物理理论,解释声子的量子跳跃和状态变化。 |
| Phonons | Phonons | 声子的量子化单元,代表晶格振动的能量量子,类似于光子之于光。 |
| Sound | Sound | 机械波在介质中传播的振动现象,在量子尺度被量子化为声子。 |
| Quantum jumps | Quantum jumps | 声子能量状态的离散跃迁,类似于电子在能级间的瞬时变化。 |
| ------ | ------ | ------------ |
| 原子阵列 | Atomic array | 多个原子在空间中的有序排列,构成量子比特的物理载体。 |
| 脉冲序列 | Pulse sequence | 一系列精确时序的激光或微波脉冲,用于控制量子操作。 |
| 量子计算 | Quantum computing | 利用量子力学原理进行信息处理,潜在速度远超经典计算机。 |
| 退相干 | Decoherence | 量子状态因环境干扰而丢失相干性,导致计算错误。 |
| 纠缠 | Entanglement | 量子比特间的关联,一个状态改变会即时影响另一个,无论距离。 |
| 量子门 | Quantum gate | 对量子比特执行基本操作的单元,如单比特旋转或两比特纠缠。 |
| 光学晶格 | Optical lattice | 用干涉激光形成的周期性势阱,用于排列原子阵列。 |
| 里德伯原子 | Rydberg atoms | 被激发到高能态的原子,用于增强原子间的相互作用。 |
| 量子保真度 | Quantum fidelity | 量子操作后状态保持目标状态的准确性,越高越好。 |
| 连续操作 | Continuous operation | 量子比特阵列无需中断即可长期运行,提升计算效率。 |
| 激光冷却 | Laser cooling | 通过激光减速原子运动,使其接近绝对零度以减少热噪声。 |
| 磁阱 | Magnetic trapping | 利用磁场捕获中性原子的装置,防止原子逃逸。 |
| 光学镊子 | Optical tweezers | 用激光束操控单个原子的技术,像“镊子”一样移动原子。 |
| 量子比特 | Qubit | 量子信息的基本单位,类似于经典比特,但可处于叠加态。 |
| 相干性 | Coherence | 量子状态保持稳定、不退相干的能力,是量子计算可靠性的核心指标。 |
| 原子重载 | Atom reloading | 快速替换或补充阵列中失效的原子,维持量子比特的连续运行。 |
| 中性原子量子比特阵列 | Neutral-atom qubit array | 使用中性原子(如铷原子)排列成的量子比特存储单元,用于量子计算。 |
| ------ | ------ | ------------ |
| Physical manipulation | Physical manipulation | 对物理对象的直接操作和交互,涉及力反馈和环境适应。 |
| Autonomy | Autonomy | 系统自主决策和执行的能力,减少人工干预,提高效率。 |
| Runtime reasoning | Runtime reasoning | 在执行过程中的实时推理,动态调整行为以应对意外情况。 |
| Robotic policies | Robotic policies | 控制机器人的策略或规则集,定义动作与状态的映射关系。 |
| General-purpose agents | General-purpose agents | 通用型代理,可适应多种任务和环境,无需重新训练。 |
| Success rates | Success rates | 任务完成的成功率百分比,衡量代理性能和泛化能力。 |
| Bimanual towel folding | Bimanual towel folding | 使用双臂协调折叠毛巾的任务,需同步控制多个关节和动作。 |
| Targeted throwing | Targeted throwing | 精确投掷物体到目标位置,涉及轨迹计算和力度控制。 |
| Die reorientation | Die reorientation | 重新定向骰子等物体的任务,代理需调整物体姿态至目标位置。 |
| Block construction from goal images | Block construction from goal images | 根据目标图像构建积木结构,代理需解析图像并规划构建步骤。 |
| Assembly from human videos | Assembly from human videos | 通过模仿人类视频进行装配任务,代理学习并复现人类动作序列。 |
| Deformable objects | Deformable objects | 可变形的物体,如毛巾或软材料,需特殊处理以避免损坏或变形。 |
| Dynamic motions | Dynamic motions | 涉及快速或变化运动的任务,如投掷或重新定向,需要实时响应。 |
| Precision manipulation | Precision manipulation | 需要高精度的操作任务,如微装配或小物体定位,依赖精确控制。 |
| Real-world manipulation tasks | Real-world manipulation tasks | 在真实环境中执行的操作任务,如装配、构建或投掷,涉及物理交互。 |
| Continuous interaction | Continuous interaction | 代理与物理世界的实时交互,通过反馈循环持续优化行为。 |
| Programming capabilities | Programming capabilities | 代理的编程能力,用于动态生成和修改控制代码以适应新任务。 |
| Reasoning | Reasoning | 代理的逻辑推理能力,用于解释信息、预测结果和优化策略。 |
| Physical outcomes | Physical outcomes | 机器人动作在物理世界中的实际结果,用于反馈和调整代理行为。 |
| Motion commands | Motion commands | 代理发出的机器人运动指令,包括位置、速度和方向等参数。 |
| Executable programs | Executable programs | 代理生成的可运行代码,直接控制机器人动作,如运动轨迹或抓取指令。 |