Ali 分享了他在大学期间向人们敞开心扉的经历。- Ali尽管参加了咨询培训课程，但在申请、注册和参加学位课程时，我并没有真正想到“敞开心扉”。也许我天真地没有想到我必须在课程中必须参加的个人治疗的强制性时间里“敞开心扉”……“你是一个情感成熟的人”，“你与自己的感受如此紧密相连”，“我觉得我可以告诉你任何事情”但是，敞开心扉可能会很可怕。被人倾听可能会很可怕。被别人看到，正确地看到，可能会很可怕。我第一次感到被看到是当我谈到我的第一个学年没有以我想要的方式结束时，一位讲师从我的声音中察觉到了一丝愤怒。对我的感受、我的经历和我自己的那一点点认识让我的脸色苍白。我感到非常冷漠。仿佛我们用来打发时
环境数据往往相当严峻。我不记得上次读到关于气候变化、微塑料碎片、野火等令人鼓舞的消息是什么时候了。然而上周却出现了一线几乎未曾察觉到的希望。如果你浏览过关于乔·拜登的回忆、唐纳德·特朗普的法律纠纷和美国新欢（以及一场以 Usher 为主角的足球比赛）的故事，你会在相当于封底的数字版上发现，EPA 刚刚宣布了一项新的空气质量标准。
Asymmetric Certified Robustness via Feature-Convex Neural Networks
通过特征凸神经网络实现非对称认证稳健性 TLDR：我们提出了非对称认证稳健性问题，它只需要对一个类进行认证稳健性，并反映了现实世界的对抗场景。这种集中设置使我们能够引入特征凸分类器，该分类器可在毫秒级产生闭式和确定性的认证半径。图 1. 特征凸分类器及其对敏感类输入的认证的说明。该架构由 Lipschitz 连续特征图 $\varphi$ 和学习到的凸函数 $g$ 组成。由于 $g$ 是凸的，因此它在 $\varphi(x)$ 处的切平面全局欠近似，从而在特征空间中产生认证范数球。然后，$\varphi$ 的 Lipschitz 性会在原始输入空间中产生适当缩放的证书。尽管深度学习分类器被广泛
