XiaoMi-AI文件搜索系统
World File Search System验证
基于神经网络的生存模型的发展和验证缺血性心脏病的死亡率
。cc-by-nc 4.0国际许可证是根据作者/资助者提供的，他已授予Medrxiv的许可证，以永久显示预印本。（未通过同行评审认证）
多因素身份验证（MFA）指南
1）电话（座机或单元）； 2）短信（SMS）； 3）指纹/面部识别（Windows Hello/Touch ID）。FINRA致力于保护数据和系统组织使用的完整性和机密性。FINRA升级其安全姿势，以防止网络钓鱼和网络攻击不断发展，并降低数据泄露的风险，因此有必要退休这些选择。此外，FINRA需要进行这些更新以符合零信任体系结构以保护数据，应用程序和网络。
一种用于定量验证神经网络
摘要。验证的可靠性和实用性取决于适当表示不确定性的能力。关于神经网络验证的大多数现有工作依赖于输入的基于集合或概率的信息的假设。在这项工作中，我们依靠不精确的概率（特定P-boxes）的框架提出了Relu神经网络的定量性验证，这可以说明输入的概率信息和认识论的不确定性。，可以提高紧密性和效率之间的贸易，同时处理在投入方面的不确定性类别的更一般类别，并提供了完全确保的结果。
对行星表面作业宇航员-探测车团队进行形式化验证
摘要——本文介绍了一种使用 Brahms 多智能体建模语言对模型进行形式化验证来确保宇航员探测车 (ASRO) 团队自主系统可靠性的方法。行星表面探测车已被证明对几次载人和无人月球和火星任务至关重要。第一批探测车是遥控或手动操作的，但自主系统越来越多地被用于提高探测车操作的效率和范围，例如 NASA 火星科学实验室。预计未来的载人月球和火星任务将使用自主探测车协助宇航员进行舱外活动 (EVA)，包括科学、技术和施工作业。这些 ASRO 团队有可能显著提高地面作业的安全性和效率。我们描述了一个新的 Brahms 模型，其中自主探测车可以执行几种不同的活动，包括在 EVA 期间协助宇航员。这些活动争夺自主探测器的“注意力”，因此探测器必须决定哪些活动当前最重要，并参与其中。Brahms 模型还包括一个宇航员代理，它可以模拟宇航员在舱外活动期间的预测行为。探测器还必须对宇航员的活动做出反应。我们展示了如何使用 Brahms 集成开发环境模拟这个 Brahms 模型。然后，还可以使用 SPIN 模型检查器通过从 Brahms 自动翻译到 PROMELA（SPIN 的输入语言），根据系统要求对模型进行正式验证。我们表明，这种正式验证可用于确定任务和安全关键操作是否正确执行，从而提高 ASRO 团队行星探测器自主系统的可靠性。
物联网的实用跨层射频基于射频的身份验证方案
摘要常染色体显性症（AD）高IGE综合征（HIE）的抽象患者患有一系列表现形式，包括复发细菌和真菌感染，严重的特应性和骨骼异常。这种情况通常是由单相关的显性阴性（DN）STAT3变体引起的。在2020年，我们描述了来自八名具有DN IL6st变体的八种幼虫的患者，导致了一种新形式的AD HIE。这些变体编码了截短的GP130受体，具有完整的细胞外和跨膜结构域，但缺乏细胞内回收基序和四个STAT3结合残基，导致无法循环和激活STAT3。我们在这里报告了三个无关的HIS-AD家庭中IL6ST的两个新的DN变体。这些变体的生化和临床影响与先前报道的变体的生化和临床影响不同。p。（Ser731Val f s*8）变体，在来自两个家族的7例患者中鉴定出来，缺乏回收基序和所有STAT3结合残基，但其在细胞表面的水平仅略有升高，并且它的基础是轻度生物学表型，具有可变的临床表达性。p。（arg768*）在单个患者中鉴定出的变体缺乏回收基序和三个最远端的STAT3结合残基。这种变体在细胞表面积聚，并构成严重的生物学和临床表型。p。（Ser731Val f s*8）变体表明，在细胞表面上以接近正常水平表达的DN GP130可以是异质临床表现的基础，范围从轻度到重度。p。（arg768*）变体表明，截短的GP130蛋白保留了一种STAT3结合残基可以是严重HIE的基础。
为学生开发和验证生成人工智能态度量表
将生成的AI工具纳入人力计算机互动（HCI）有望重塑教育，丰富个性化的学习旅程并培养学生之间的创造力（Castelli and Manzoni，2022； Harshvardhan等人，2020年，2020年； Sanchez-Lengeling; Sanchez-lengeling和Aspuruzik-Guzikik，2018）。与历史上其他强大的工具一样，生成AI有望具有可测量的短期效应和潜在的转化长期影响（Lin，2023）。据估计，到2024年，将使用AI功能启用47％的学习管理工具，这表明教育中AI的整合不断增加（Ng等，2023）。这种教育中的工具被视为一种促进教育过程的成长且有希望的工具，并为教育提供者和寻求者带来了好处，包括改善的保留和成功的在线培训过程（Lukianets and Lukianets，2023年）。
工具包用于自主代理人的社会，法律，道德，善解人意，善解人意和文化要求的规范，验证和验证
但是，对于启发，规范，验证和验证，有最小的工具支持。这是一项具有挑战性的任务，因为需要参与此过程的专家（伦理学家，律师，监管机构，最终用户等）的非技术和各种背景。我们的软件Sleec-TK是一种用户友好的工具包，采用正式方法，允许利益相关者在验证和验证Sleec要求的验证和验证中了解和解决问题。Sleec-TK是一种公开可用的工具包，可由非技术专家使用，可在[1-3]中支持该过程和技术。由Sleec-TK机械化的Sleec框架包括规则启发过程[1]以及规范，验证和验证技术[2]。[3]中的技术报告介绍了我们的理论基础和过程，以实现Sleec要求的规范，一致性验证和验证。它讨论了Sleec-TK软件中使用的领域特定语言（DSL）和该语言的正式语义，并采用了定时版本的CSP（交流顺序过程）[4]。[2]中描述了我们工具的初始版本，该版本仅支持Sleec语言建模，一致性和冗余验证。我们在这里描述的版本实现了语义的更新版本，该版本提供了增加的可伸缩性，并已得到了广泛的验证。此外，它通过对SLUEC规则的系统模型的一致性验证得到了增强（即，图中所示的Sleec一致性插件1是我们软件中的新组件）。此外，对于Sleec-TK，我们用7个Sleec规范文件验证了规则和语言，与利益相关者一起涵盖了199个规则。从规范思想的角度[5，6]的角度，在开发自主系统方面有重要的工作，包括基于用户的道德选择的透明度[7]，解释性和数据驱动的个性化工具[8]。我们Sleec语言的工作还考虑了启发和调试的替代方法[9]。sleec-tk与规范的操作[1] [10]有关，支持自动化过程，以验证和验证捕获这些规范的规则，通过其在𝑡𝑜𝑐𝑘-CSP中描述的语义机械化（定时过程代数[4，11]）。sleec-tk被用作Eclipse环境的一组插件，但包括用于Sleec规则验证的独立版本。存储库中的readme.md文件提供了用于下载，安装和使用软件的说明，并提供示例。规则的定义是通过图形界面提供有关任何句法或打字问题的指导的图形界面。在后台，生成𝑡𝑜𝑐𝑘-CSP脚本以支持冲突和冗余的检查。通过在后台使用CSP型号Checker FDR4 [12]，以按下按钮进行。验证是通过与Robotool 1 [13]集成而进行的，这是一种使用域特异性符号Robochart建模和验证移动和自治机器人的工具。SLEEC规则可以作为Robochart模型的文档定义属性的一部分，用于自动验证和报告。
通过精度概况验证定量分析方法
简介Max Feinberg是我手中的这个特殊问题的INRA技术的人，可能会出现两个问题： - 为什么我要验证我使用的分析方法？- 如果我决定，我应该如何处理？回答问题：为什么要验证？始终通过使一系列措施或多或少地组织起来，以证明它们适合其目标来“有效”他们的方法。当然，那些经过认可的实验室的人知道，这是不够的，并且必须根据更严格的实验程序进行验证，在该程序中我们只是说话，可重复性等。验证已成为证明这些认可实验室能力的主要因素。
