XiaoMi-AI文件搜索系统
World File Search SystemCompanion
机器人伴侣，行业的智能互动机器人同事5.0
摘要 - 为了克服所谓的行业4.0的局限性，重点是大规模生产和充分的自动化，最近引入了一种新颖的范式，即行业5.0，旨在增加人类和机器之间的合作，尤其是机器人，而不是将前者替换为后者。这个挑战需要新颖的互动智能机器人能够轻松有效地执行复杂的任务，并在需要时与人类合作，无论是进行培训还是工作。在这项工作中，引入了机器人同伴，这是该范式的新颖示威者。它结合了机器人技术，人工智能，软件工程和嵌入式系统技术，并针对工业组装任务。首先测试表明，该机器人可以自主地或与人类操作员合作有效地组装代表性齿轮系统。
要求伴侣文件到FBI CJIS安全策略版本5.9.5
建议更改CJIS安全政策（CSJISECPOL）的第5.9.4版，于2023年11月获得咨询政策委员会（APB）的批准，随后由联邦调查局董事批准。该策略包含从以前版本中遵循的当前要求，以及新批准的代理商要求实施的要求。新语言用红色粗体斜体表示，并在StrikeThrough中指示了删除的语言。“更改摘要”页面列出了“更改”部分。文档中的修改以黄色突出显示，以易于位置。基于“ Cjissecpol安全控制优先级和实施截止日期”，主题论文由2023年秋季APB认可并经FBI董事批准，已对“审核 /制裁日期”列和新的“优先级”列进行了更改。“审核 /制裁日期”列指示现代化安全控制将成为可用于审计的日期。CJISSECPOL版本5.9中存在的要求和现代化的控件以绿色和状态为“现有”。该版本之后现代化的新要求尚不可制定，以黄色表示，并说“零周期”。所有机构于2024年10月1日开始“零周期”。“优先级”列指示每个控件的批准的优先级。优先级1 [p1]在出版Cjissecpol版本5.9.5时立即被制裁，并将其标记为“酒吧”，这意味着Cjissecpol和该文档的封面上的日期。注意：该机构始终最终负责确保政策合规性。该文档还包含“ Cloud Matrix”，该列由描述谁（CJIS*/CSO，代理商，云服务提供商或代理商和服务提供商）组成的其他列具有技术能力，可以执行确保满足特定要求的必要措施。三个子列被标记为IaaS，PaaS和SaaS，并描绘了该机构从Cloud Service提供商那里利用的云服务类型。分别这些云服务模型是：
伴随诊断检测和靶向药物治疗的生物标志物（覆盖范围确定标准）
○ PA 可将承保范围定向至符合 NCCN 建议的特定“首选”生物标志物检测，以确定伴随疗法。○ 低分化肿瘤、未分类的原发性肿瘤可能有资格接受更广泛的生物标志物筛查。○ PA 可能会限制对未确诊癌症或未通过临床评估和组织学和/或细胞学检查的异常结果（癌症或疑似癌症）证实怀疑癌症的患者进行生物标志物检测。○ PA 可能会限制用于研究而不是直接患者护理的生物标志物检测。○ PA 可能要求肿瘤科医生作为首选提供者类型。○ PA 可将承保范围定向至特定的“首选”实验室供应商。但是，如果有本政策涵盖的专有测试，则应使用该实验室供应商。
建议通过基础模型与老年人设计对话伴侣机器人
伴侣机器人的目的是通过在日常生活中提供社会和情感支持来减轻老年人之间的孤独和社会隔离。但是，老年人对对话陪伴的期望可能与当前技术以及与其他年龄段（如年轻人）相同。因此，让老年人参与对话伴侣机器人的开发至关重要，以确保这些设备符合其独特的期望和经验。与依靠人类控制机器人（即OZ的向导）或有限的基于规则的架构相比，基础模型的最新进步（例如大型语言模型）朝着实现这些期望而大步迈出了鲜明的抗议，这些文献适用于老年人的日常生活。因此，我们对28名老年人进行了参与式设计（共同设计）研究，展示了使用大语言模型（LLM）的伴侣机器人，并设计了代表日常生活情况的设计场景。对这些情况的讨论的主题分析表明，老年人期望会话伴侣机器人在社交环境中积极进行对话，记住以前的对话，个性化，保护隐私，保护隐私并提供对学习的数据，提供信息和日常提醒，培养社交技能和联系，并表达同情心和情感。基于这些发现，本文为使用基础模型（例如LLMS和Vision-Language Models）设计对话伴侣机器人提供了可行的建议，这些机器人也可以应用于其他域中的对话机器人。
riotfuzzer：伴侣应用程序辅助远程模糊，以检测物联网设备中的漏洞
由于物联网（IoT）系统的体系结构和外围设备的多样性，BlackBox Fuzzing脱颖而出是发现IoT设备漏洞的主要选择。现有的黑盒模糊工具通常依靠伴侣应用来生成有效的模糊数据包。但是，现有方法在依靠基于云的通信的模糊设备方面遇到了绕过云服务器端验证的挑战。此外，他们倾向于将精力集中在Android Companion应用程序中的Java组件上，从而限制了它们在评估非java组件（例如基于JavaScript的Mini-Apps）方面的有效性。在本文中，我们介绍了一种新颖的黑盒模糊方法，名为Riot-Fuzzer，旨在借助伴侣应用程序远程发现物联网设备的脆弱性，尤其是那些由JavaScript基于JavaScript的Mini-Mini-Apps功能启用的全合一应用程序启动的应用程序。我们的方法利用基于文档的控制命令提取，用于突变点识别的混合分析和侧向通道引导的模糊来有效解决模糊IoT设备的挑战。我们将Riotfuzzer应用于突出平台上的27个物联网，并发现了11个漏洞。所有这些都得到了相应的供应商的认可。8已由供应商确认，并已分配4个CVE ID。我们的实验结果还表明，侧通道引导的模糊可以显着提高发送到IoT设备的模糊数据包的效率，平均增加76.62％，最大增加362.62％。
使用ARL X'tra Companion X射线衍射仪
仅用于研究使用。不适用于诊断程序。有关当前认证，请访问thermofisher.com/certifications©2024 Thermo Fisher Scientific Inc.保留所有权利。除非另有说明，否则所有商标都是Thermo Fisher Scientific及其子公司的财产。AN41512_E_10/24
我们如何评估针对靶向癌症疗法的伴侣生物标志物的成本效益？系统评价
鉴于生物标志物测试应用或使用的多种目的的性质，以及伴侣生物标志物诊断对患者健康益处的间接影响，从第三方付款人的角度来看，可能不足以捕获适合相应治疗的临床患者中与伴侣生物标志物相关的所有费用和福利。但是，只有一项研究考虑了间接费用，例如旅行费和缺勤成本，以及不良事件的成本（30）。但是，这项研究也不考虑任何与生物标志物相关的间接费用。例如，Schnell-Inderst及其同事进行了有针对性的审查，并强调了测量潜在效应修饰符，例如治疗对情境因素和学习曲线的依赖性（31）。
使用ARL X'tra Companion benchtop XRD
仅用于研究使用。不适用于诊断程序。有关当前认证，请访问thermofisher.com/certifications。©2024 Thermo Fisher Scientific Inc.保留所有权利。除非另有说明，否则所有商标都是Thermo Fisher Scientific及其子公司的财产。AN41505 02/24
使用基于锥形束 CT 的自动配准对伴侣动物进行无框架脑活检系统的可行性
本研究的目的是评估一种新型的基于锥形束计算机断层扫描 (CBCT) 的术中自动配准系统在伴侣动物无框架立体定向脑活检中的应用。一项实验性尸体研究评估了三只无颅内疾病史的狗和三只猫的丘脑和梨状叶靶点针放置误差。对二十四只患有颅内疾病的客户所养狗和四只猫进行了前瞻性诊断准确性和诊断产量评估。二十一项手术是在死后进行的（十八只狗和三只猫），七项活检手术是在活着的患者身上进行的（六只狗和一只猫）。对十名死后患者和四名活着的患者评估了手术持续时间。对六只狗和一只猫进行了结果评估。在狗中，计算得出的梨状叶和丘脑靶位的针头放置误差中位数分别为 1.8 毫米（范围 0.71–2.84 毫米）和 1.53 毫米（范围 1.45–1.99 毫米）。在猫中，计算得出的梨状叶靶位的针头放置误差中位数为 0.79 毫米（范围 0.6–1.91 毫米），丘脑靶位的针头放置误差中位数为 1.29 毫米（范围 0.47–2.69 毫米）。诊断率为 96.4%（95% CI 0.81–0.99），诊断准确率为 94.4%（95% CI 0.72–0.99）。尸检活检的中位总操作持续时间为 57.5 分钟（范围 41–69 分钟）。活体活检的中位总手术时长为 122.5 分钟（范围为 103-136 分钟）。三只狗在活检后 1 天出院，一只狗在 6 天后出院。两只狗和一只猫在活检后 24 和 48 小时被安乐死。基于 CBCT 的伴侣动物无框架立体定向活检术中自动图像配准能够提供与头骨大小和形态无关的诊断性脑活检样本，其诊断产量和准确性与兽医学中使用的各种无框架和基于框架的立体定向系统的已公布值相当。手术持续时间不会受到负面影响，并且在其他系统公布的范围内。移动式术中 CBCT 配准结合神经导航可为伴侣动物提供诊断性脑活检。
从工具到伴侣：故事作家希望人工智能作家尊重他们的个人价值观和写作策略
现代大规模语言模型的写作质量接近人类水平。这预示着人工智能写作伴侣的出现，它们将在人类控制下进行人工智能主导的写作，超越仅限于修订和构思支持的传统写作工具。然而，人机合作写作可能会超越共同创作的界限，危及作家的控制权、自主权和所有权。我们对 7 位业余爱好者和 13 位专业作家进行了设计工作簿研究，发现了采用人机合作写作的三组主要障碍。故事作家希望保留对写作的控制权，而不是让人工智能占据主导地位，因为他们 (1) 在将想法转化为文字时优先考虑情感价值，而不是人工智能生成的写作效率；(2) 在具有挑战性的子任务（例如，创造角色和对话）方面有很高的自信和不信任人工智能；(3) 预计人工智能控制机制与他们的写作策略不匹配。我们为尊重故事作家个人价值观和写作方法的人工智能伴侣奠定了基础。