XiaoMi-AI文件搜索系统
World File Search System可验证
完整规划许可验证清单
设计与访问声明 何时需要 威尔特郡任何地方的任何大型开发项目（10 栋房屋或 1000 平方米或以上的建筑面积）。 仅限于保护区和埃夫伯里/巨石阵世界遗产地的任何新住宅开发项目；或建筑面积为 100 平方米或以上的非住宅建筑。 需要哪些信息？ 一份书面声明，解释已应用于开发的设计原则和概念，并且： 展示为评估开发背景而采取的步骤以及开发设计如何考虑到这一点，包括对遗产资产的任何影响， 解释所采用的访问政策，以及如何考虑与访问有关的开发计划政策； 说明已就与访问有关的问题进行了哪些磋商（如果有），并考虑了此类磋商的结果；解释如何解决可能影响开发访问的任何具体问题规划政策以及在哪里寻求进一步的援助国家规划政策框架第 128 段和政府“信息要求和验证指南”第 6 节 2010 年社区和政府验证指南
基于包装可验证的可授权 - 可靠性...
手稿版本：作者接受的手稿包装中呈现的版本是作者接受的手稿，可能与已发布的版本或记录的版本有所不同。持续的包裹网址：http：//wrap.warwick.ac.uk/182959如何引用：有关最新的书目引用信息，请参考发布版本。如果已知已发布的版本，则链接到上面的存储库项目页面将包含有关访问它的详细信息。版权所有和重复使用：沃里克研究档案门户（WARAP）使沃里克大学的研究人员在以下条件下可用开放访问权限。版权所有©以及此处介绍的论文版本的所有道德权利属于单个作者和/或其他版权所有者。在合理且可行的范围内，已在可用的情况下检查了包装中可用的材料是否有资格。未经事先许可或收费，可以将完整项目的副本用于个人研究或研究，教育或非营利目的。前提是作者，标题和完整的书目细节被认为是针对原始元数据页面提供的超链接和/或URL，并且内容不会以任何方式更改。发布者的声明：请参阅“存储库”页面，发布者的语句部分，以获取更多信息。有关更多信息，请通过以下网络与WARP团队联系：wrap@warwick.ac.uk。
协同感知和控制单纯性可验证...
2017。自动驾驶安全性：跨学科挑战。IEEE智能运输系统杂志。 Koopman和Wagner。 2019。 为什么深度学习AI如此容易愚弄。 自然。 D.天堂。 2020。 可在物理上可实现的对抗性示例，用于雷达对象检测。 在IEEE/CVF计算机视觉和模式识别会议的会议记录中。 tu等。 2020。 自动驾驶的深度多模式对象检测和语义分割：数据集，方法和挑战。 IEEE交易智能运输系统。 冯等。 2022。 可解释的深度学习：初学的现场指南。 人工智能研究杂志。 Ras等。 2022。 自动驾驶标准和开放挑战。 P. Koopman。 2023。 密集的强化学习，用于对自动驾驶汽车的安全验证。 自然。 冯等。IEEE智能运输系统杂志。Koopman和Wagner。 2019。 为什么深度学习AI如此容易愚弄。 自然。 D.天堂。 2020。 可在物理上可实现的对抗性示例，用于雷达对象检测。 在IEEE/CVF计算机视觉和模式识别会议的会议记录中。 tu等。 2020。 自动驾驶的深度多模式对象检测和语义分割：数据集，方法和挑战。 IEEE交易智能运输系统。 冯等。 2022。 可解释的深度学习：初学的现场指南。 人工智能研究杂志。 Ras等。 2022。 自动驾驶标准和开放挑战。 P. Koopman。 2023。 密集的强化学习，用于对自动驾驶汽车的安全验证。 自然。 冯等。Koopman和Wagner。2019。为什么深度学习AI如此容易愚弄。自然。D.天堂。2020。可在物理上可实现的对抗性示例，用于雷达对象检测。在IEEE/CVF计算机视觉和模式识别会议的会议记录中。tu等。2020。自动驾驶的深度多模式对象检测和语义分割：数据集，方法和挑战。IEEE交易智能运输系统。冯等。2022。可解释的深度学习：初学的现场指南。人工智能研究杂志。Ras等。 2022。 自动驾驶标准和开放挑战。 P. Koopman。 2023。 密集的强化学习，用于对自动驾驶汽车的安全验证。 自然。 冯等。Ras等。2022。自动驾驶标准和开放挑战。P. Koopman。2023。密集的强化学习，用于对自动驾驶汽车的安全验证。自然。冯等。
大型语言模型用于可验证的顺序决策...
摘要：基于自动机知识的基于自动机知识的表示在控制和计划的顺序决策问题中起着重要作用。但是，获得建立这种自动机所需的高级任务知识通常很困难。同时，大型语言模型（LLMS）可以自动生成相关的任务知识。但是，LLMS的文本输出不能被验证或用于顺序决策。我们开发了一个名为GLM2FSA的新颖算法，该算法构建了有限的态自动机（FSA），从简短的自然语言描述中编码高级任务知识的任务目标。因此，所提出的算法填补了自然语言任务描述和基于自动机的表示之间的差距，并且可以根据用户定义的任务规范对构造的FSA进行正式验证。我们相应地提出了一种基于结果的结果，从验证中提出了一种方法，以迭代地改进LLM的查询。我们演示了GLM2FSA构建和验证日常任务的基于自动机的表示以及需要高度专业知识的任务的能力。
迈向抗量子弱可验证延迟函数
可验证延迟函数 (VDF) 是一种加密原语，设计用于在规定的时间 t 内进行计算，而不管可用的并行计算能力如何，同时在计算完成后仍然易于验证。VDF 用于各种应用，例如随机数生成和区块链共识算法，其中需要延迟以确保某些操作不会执行得太快。关于 VDF 的开创性论文“可验证延迟函数”于 2018 年由 Boneh、Bonneau、Bünz 和 Fisch 发表 [ 9 ]。在论文中，作者介绍了 VDF 的概念，并描述了它在拍卖协议、工作量证明系统和安全多方计算等各种应用中的潜在用途。第一个有效的 VDF 是由 Pietrzak [ 42 ] 和 Wesolowski [ 50 ] 提出的；这两个 VDF 都基于未知顺序群的幂运算。我们参考 [ 10 ] 对这些 VDF 进行了概述。在寻找一种同时具有量子抗性的 VDF 这一未解决的问题的驱动下，De Feo、Masson、Petit 和 Sanso [ 25 ] 使用超奇异同源链作为“顺序慢速”函数来构建他们的 VDF。然而，考虑到双线性配对的使用，这种基于同源的 VDF 不具有量子抗性，而只提供一些量子烦恼。证明同源性的知识
从文本中识别量化可验证的语句
人类通常使用基于趋势的模式来描述复杂的定量数据。基于趋势的模式可以解释为高阶功能和关系，而不是数值数据，例如极端值，变化率或重复。一个应用程序，其中趋势多于数值表数据的描述。因此，数值表的对齐和趋势的文本描述可以更轻松地解释表。大多数现有的方法都可以将文本中的数量与表格数据保持一致，但无法检测和调整基于趋势的数据模式。在本文中，我们介绍了对数据的基于趋势模式的初步步骤，即对趋势的文本描述进行了检测以及趋势与相关表的一致性。我们介绍了在文本中识别量化可验证语句（QV）的问题，并将其与表和数据集对齐。我们定义了这些陈述的结构，并建立了基于结构化的检测。在我们的经验中，我们证明了我们的方法可以从几个方法中脱离和对齐这些陈述，并与传统的序列标记方法进行比较。
基于受控量子隐形传态的可验证仲裁量子签名方案
自 1984 年 Bennett 和 Brassard[1]提出量子密钥分发 (QKD) 协议以来，量子密码学引起了广泛的关注。它的安全性由海森堡不确定性原理、量子不可克隆定理等量子力学原理保证。量子密码学可以提供无条件安全的优势，使得量子密码学的研究越来越重要。目前，量子密码学的许多重要分支已被发展起来，如量子密钥分发[2,3]、量子签名 (QS)[4–6]、量子隐形传态 (QT) [7]、量子认证 [8]、确定性安全量子通信 [9]。量子签名可用于验证发送者的身份和信息的完整性。仲裁量子签名 (AQS) 因具有许多优点而备受关注。2002 年，曾文胜等 [9] 在量子密码学中提出了一种基于仲裁的量子签名方案。 [ 10 ] 利用格林-霍恩-泽林格 (GHZ) 态和量子一次性密码本 (QOTP) 提出了第一个仲裁量子签名方案。该方案在经典仲裁数字签名的设计基础上，利用可信第三方仲裁员提供的在线签名为签名者和接收者提供重新验证服务。2008 年，Curty 和 Lutkenhaus [ 11 ] 研究了该方案 [ 10 ]，他们认为该方案描述不清楚，安全性分析不正确。针对 Curty 等人的争议，曾等人 [ 12 ] 更详细地证明了该方案 [ 10 ]。2009 年，为了降低协议的复杂度和提高效率 [ 10 ]，李等人 [ 12 ] 提出了一种仲裁量子签名方案 [ 10 ]。 [ 13 ] 提出了一种基于Bell态而非GHZ态的AQS方案，并证明了其在传输效率和低复杂度方面的优势。遗憾的是，2010年，Zou和Qiu [ 14 ] 认为李的AQS方案可以被接收方否认，并提出了利用公告板等不使用纠缠态的安全方案的AQS协议。他们的方案进一步简化了李等人的协议，并利用单粒子设计了可以抵抗接收方否认的改进AQS方案，从而降低了AQS的物理实现难度。然而，2011年，Gao等人[ 15 ] 首次从伪造和否认方面对先前的AQS方案进行了全面的密码分析。
最小信息设置以启用可验证的理论...
4您是否讨论了建模结果中潜在不确定性，可变性和错误的所有来源及其对定量结果和定性趋势的影响？您是否讨论了建模（和数值）输入的敏感性，例如材料属性，时间步长，域大小，神经网络体系结构等。它们是可变还是不确定的地方？
最小信息设置以启用可验证的理论...
4您是否讨论了建模结果中潜在不确定性，可变性和错误的所有来源及其对定量结果和定性趋势的影响？您是否讨论了建模（和数值）输入的敏感性，例如材料属性，时间步长，域大小，神经网络体系结构等。它们是可变还是不确定的地方？
设计可解释性和可验证性的人工智能 - ThinkIR
摘要 在设计和实施自主系统时，主要的（如果不是最关键的）困难之一是决策结构和逻辑路径的黑箱性质。人类价值观如何在现场体现和实现最终可能会被证明是有害的，甚至是完全顽固的。因此，考虑到智能代理的不透明结构所带来的风险，利益相关者的价值观变得尤为重要。本文探讨了如何通过自动驾驶汽车的信念-愿望-意图模型设计决策矩阵算法，以最大限度地降低不透明架构的风险。主要通过明确地面向可解释性和可验证性的价值进行设计。为此，本研究采用价值敏感设计 (VSD) 方法作为将这些价值观纳入设计的原则框架。VSD 被认为是一个潜在的起点，它为工程团队提供了一种系统的方法，可以将现有的技术解决方案正式纳入道德设计中，同时保持对新出现的问题和需求的灵活性。结论是，VSD 方法至少提供了一个足够强大的基础，设计师可以从此开始预测设计需求并制定突出的设计流程，以适应自动驾驶汽车所需的不断变化的道德环境。