XiaoMi-AI文件搜索系统
World File Search SystemEvaluating
评估对可持续发展目标 11 的贡献
然而，人工智能对可持续发展目标 11 的影响却呈现出复杂的图景。利用 AIxSDG 数据库和社区研究与发展信息服务 (CORDIS) 等来源的数据进行的研究表明存在区域偏见，欧洲国家比其他地区更广泛地利用人工智能。人工智能使用分布不均预计将对这些国家的可持续发展产生积极影响。此外，《自然通讯》发表的一项研究提供了更细致入微的视角，认识到人工智能在实现可持续发展目标方面的潜在好处和缺点。虽然人工智能在支持可持续城市方面显示出希望，但由于缺乏全面的纵向研究，其有效性仍存在争议。这强调需要进一步开展全球研究，以评估人工智能对可持续发展目标 11 的长期影响及其整体可持续性影响。
评估无人驾驶飞机的性能...
无人机 (UAS) 的潜在用途已引起建筑行业的关注。然而，其使用仍需要调查，以便更好地了解如何将该技术应用于施工管理任务。本文旨在评估 UAS 在现场安全检查中的应用，重点关注其效用、设备性能以及与使用该技术相关的风险。为此，在巴西进行了两个案例研究。从现场飞行测试中收集数据以收集视觉资产，并定期与项目人员举行会议以征求反馈。安全检查分析基于收集的视觉资产中安全要求的可视化。进行了文件分析和对项目人员和工人的访谈，以支持绩效评估。结果，无人机的应用可以提供 87.2%（项目 A）和 58%（项目 B）所选安全检查项目的可视化，为工地的安全监控提供详细信息。气象因素和飞行员培训等障碍影响安全检查技术的使用。目前正在开展进一步研究，以系统地评估无人机支持下的安全检查的影响。
评估交通公平性
执行摘要 社会公平（也称为公平和正义）是指收益和成本的分配，以及这种分配是否公平和适当。交通政策和规划决策对公平有重大影响：它们影响公共资源的分配、人们的生活质量和经济机会，以及旅行者给社区带来的外部成本。人们关心这些影响——他们希望规划决策能够反映公平目标。因此，从业者有责任在交通规划分析中评估公平影响。交通公平是一个及时的问题。过去，交通系统的性能主要基于旅行速度进行评估，这有利于更快但更昂贵和资源密集型的交通方式，例如驾驶，而不是更慢但更实惠、更包容和更高效的交通方式，例如步行、骑自行车和公共交通。公平辩论主要考虑交通资金的公平性，例如应如何征收和分配燃油税，以及不同车辆支付道路成本的份额程度。很少考虑交通系统是否为非驾驶员服务，或者规划决策如何影响外部成本，例如交通拥堵、碰撞风险和对其他人造成的污染。结果往往是不公平的。例如，许多高速公路项目破坏了多式联运城市社区，因为规划过程认识到这些项目为驾车者带来的好处，但很少考虑到它们对居民造成的可达性、宜居性和经济机会的降低。这些高速公路现在受到广泛批评，有些可能会被拆除，但它们造成的损害是不可逆转的。再举一个例子。大多数司法管辖区都有路外停车最低限额，这会使房屋成本增加数万美元，使普通家庭每周的食品杂货账单增加几美元。这是不公平的，因为它迫使驾驶率低于平均水平的家庭补贴驾驶率高于平均水平的邻居的停车费。然而，这些公平影响往往被忽视；在评估停车最低限额时，规划人员很少分析谁最终承担成本或它们如何影响住房和食品负担能力。这些例子说明了在交通规划中需要更全面的公平分析。然而，这可能具有挑战性。如何定义公平、考虑和衡量影响以及对人员进行分类会显著影响结果。一项决策可能以一种方式评估时看起来公平，但以另一种方式评估时则不然。没有单一的正确方法来评估交通公平性。通常最好考虑各种观点、影响和分析方法。公平规划需要参与交通决策的人们了解这些问题。本报告概述了主要的交通公平概念，并描述了将公平目标纳入政策和规划分析的实用方法。
评估人工智能
背景：人工智能 (AI) 有可能通过自动解释和穿支识别提高放射学报告的效率、准确性和可靠性，从而改变乳房重建的术前计划。大型语言模型 (LLM) 最近在医学领域取得了重大进展。本研究旨在评估当代 LLM 在解释计算机断层血管造影 (CTA) 扫描以进行深下腹壁穿支 (DIEP) 皮瓣术前计划方面的能力。方法：四个著名的 LLM，ChatGPT-4、BARD、Perplexity 和 BingAI，回答了六个关于 CTA 扫描报告的问题。一组在乳房重建方面拥有丰富经验的整形外科专家使用李克特量表评估了答案。相反，答案的可读性则使用 Flesch 阅读难度分数、Flesch-Kincaid 等级和 Coleman-Liau 指数来评估。 DISCERN 评分用于确定反应的
评估...
在量子计算硬件的最新进展之后，国家标准技术研究所（NIST）是标准化的加密协议，这些协议可抵抗量子对手的攻击。NIST选择的主要数字签名方案是晶体-Dilithium。该方案的硬度基于三个计算问题的硬度：模块学习错误（MLWE），模块短整数解决方案（MSIS）和自助图。mlwe和msis经过了很好的研究，被广泛认为是安全的。然而，自我攻击是新颖的，尽管在经典上与MSI一样坚硬，但其量子硬度尚不清楚。在本文中，我们通过减少量子随机Oracle模型（QROM）中的MLWE来提供自我攻击性硬度的第一个证明。我们的证明使用了最近开发的量子重编程和倒带技术。我们方法的一个核心部分是证明了来自MSIS问题的某些哈希函数正在崩溃。从这种方法中，我们在适当的参数设置下得出了一个新的安全性证明。与Kiltz，Lyubashevsky和Schaffner（Eurocrypt 2018）的先前工作相比，它为DiLithium变体提供了唯一的其他严格安全证明，我们的证明具有适用于条件Q = 1 mod 2 N的优势，其中Q表示模量和n的模量和n的尺寸。此条件是原始二硫族提案的一部分，对于该计划的有效实施至关重要。9×和1。分别比Kiltz等人提出的分别大。我们在条件q = 1 mod 2 n下为二氨石提供了新的安全参数集，发现我们的公共密钥大小和签名大小约为2。在同一安全级别。
评估面孔的可信度
人们经常根据面部外观做出各种特征判断，而这些判断会影响重要的社会结果。这些判断彼此高度相关，反映了效价评估渗透到面部特征判断中的事实。可信度判断最接近这种评估，这与杏仁核参与面部可信度隐性评估的证据一致。基于计算机建模和行为实验，我认为面部评估是功能自适应系统的延伸，用于理解情绪表达的交流意义。具体而言，在缺乏诊断性情绪线索的情况下，可信度判断是一种推断行为意图的尝试，这些行为意图表明了趋近/回避行为。相应地，这些判断来自与情绪表达相似的面部特征，这些情绪表达表明了此类行为：快乐和愤怒分别代表可信度连续体的正端和负端。情绪过度泛化假说可以解释高效但不一定准确的面部特征判断，这种模式从进化的角度来看似乎令人费解，并且还产生了关于大脑对面部反应的新预测。具体来说，该假说预测杏仁核对面部可信度的非线性反应，这已在功能性磁共振成像 (fMRI) 研究中得到证实，并且面部身份处理和面部评估之间存在分离，这已在发育性面部失认症研究中得到证实。最后，我总结了一些面部评估研究的方法论意义，重点关注在社会维度上正式建模面部表征的优势。
建立和评估值得信赖的人工智能
Error 500 (Server Error)!!1500.That’s an error.There was an error. Please try again later.That’s all we know.
4 监测和评估结果的创新
各国越来越多地采用创新方法来管理公共政策、方案和服务交付的绩效。这些方法正在促进整个发展周期中更具包容性、协作性和响应性的进程：从规划到实施、监测和评估。本文探讨的创新有两个关键的共同点：1）增加了输入和反馈的频率；2）扩大了利益相关者的定义和覆盖范围，包括那些传统上不参与发展过程的利益相关者。在某些情况下，参与度的提高是直接的（例如，公民通过 SMS 报告或讲故事提供意见），而在其他情况下则是间接的（例如，远程和汇总收集和分析信息）。许多创新还具有成本相对较低、形式和僵化程度较低等特点。