XiaoMi-AI文件搜索系统
World File Search SystemJSON
转向云审计 | 利用 AWS ...
审计人员如今面临的挑战反映了技术的不断发展。随着云在组织的 IT 领域中占据核心地位，审计人员正在努力应对云计算领域内证据收集的复杂性。当今的挑战围绕着数据可读性、数据源聚合以及评估完整性和准确性的方法的变化。来自源的直接输出通常以大量 JSON 或 YAML 文本文件的形式呈现。解释此类输出需要熟悉格式，以及花费大量时间来解码这些大文件。此外，在众多资源、账户和 AWS 组织共存的复杂环境中，聚合数据源变得错综复杂，需要手动分析和整合才能描绘出准确的叙述。
版本11.10.1 Jay Berkenbilt -QPDF文档
6运行QPDF 21 6.1基本调用。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。21 6.2退出状态。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。22 6.3外壳计算。。。。。。。。。。。。。。。。。。。。。。。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>22 6.4帮助 /信息。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>23 6.5一般访问。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>23 6.6进步控制选项。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>25 6.7 PDF转换。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>26 6.8页范围。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>31 6.9 PDF修改。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>31 6.10加密。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>36 6.11页面选择。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>40 6.12覆盖和底层。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>43 6,13嵌入式文件 /附件器。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>44 64 614 PDF检查。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>45 6.15 JSON操作。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>48 6,16测试或调试的选项。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。。。。。。。。。。49 6.17 Unicode密码。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。50 6.18优化文件大小。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。51 6.19 ZOPFLI压缩算法。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。52
MERSCOPE®用户指南
数据处理和可视化。MERSCOPE仪器软件（与Merscope Analysis Computer结合使用）会自动处理原始图像以输出空间基因组学测量，以准备立即进行下游分析。The output includes the list of all detected transcripts and their spatial locations in three dimensions (CSV files), mosaic images (TIFF), experiment metadata (JSON), output from the cell segmentation analysis: transcripts per cell matrix (CSV), cell metadata (CSV), cell boundaries (HDF5 [MERSCOPE Instrument Software v231 or earlier] or PARQUET [V232或更高版本]），以及用于Merscope Vizualizer软件的二进制文件。MERSCOPE平台解决方案包括用于可视化和分析数据的Merscope Vizualizer软件。输出文件也与用于单细胞和空间分析的开源工具兼容。
Oracle Audit Vault 和数据库防火墙
AVDF 支持对常见企业级数据库进行数据库活动监控。开箱即用的审计收集支持包括 Oracle Database、Oracle MySQL、Microsoft SQL Server、SAP Sybase、IBM Db2 LUW 和 PostgreSQL。通过使用随附的自定义连接器框架，可以支持大多数其他数据库和应用程序，该框架通过 JDBC 或 RESTful API 收集数据。自定义收集工具包还支持将审计数据写入 XML 或 JSON 文件的系统。您可以使用 QuickCSV 收集器从 MariaDB、EnterpriseDB (Postgres) 和其他以 CSV 格式创建审计数据的系统中收集审计数据。包含基于 Java 的软件开发工具包 (SDK) 以适应那些无法使用任何自定义连接器框架选项访问的罕见目标。
全球互操作性技术演示第一阶段概述和结果
2023 年 8 月，CBP 对全球互操作性标准进行了初步技术演示，从参与 DHS SVIP 的三家不同公司获取数据。该测试使用无缝数据交换和流程现代化，例如可验证凭证 (VC)、分散标识符 (DID) 和加密技术，以协调完成任务和应对不断变化的贸易格局挑战的关键目标。该测试确保 CBP 可以接收合成数据 JavaScript 对象表示法 (JSON) 有效负载，并在自动化商业环境 (ACE) 测试平台的屏幕上显示每个 VC。该测试主要涵盖石油和钢铁行业。数据在到达前收到并与现有的 ACE 数据相结合，以便操作员评估新数据与传统 ACE 数据的集成程度。该系统在供应链早期几乎实时地从传统和非传统参与者那里接收高质量数据。
将环境意识整合到NPC
摘要我们提出了一个新型系统，该系统可以在具有上下文意识的游戏中使用大型语言模型（LLM）来增强非播放字符（NPC），从而提供动态，环境敏感的交互。传统上，NPC依靠预先列出的对话和对环境的认识，从而限制了他们对玩家行动的反应。我们的系统通过捕获NPC周围环境的全景图像并应用语义分割来识别对象及其空间位置来解决此问题。我们通过将对象位置与分割信息相结合，从而生成NPC环境的结构化JSON表示。此数据作为LLM提供了上下文，使NPC能够将空间知识纳入与玩家的对话中。结果是更身临其境的游戏玩法，NPC可以在互动过程中参考附近的对象，地标和环境特征，从而增强可信度和参与度。本文讨论了我们系统的技术实施，展示了将视觉感知整合到NPC中如何转换游戏内对话和交互。
命令即人工智能对话
摘要 — 尽管图形界面或 ChatGPT 等工具可以提供帮助，但开发人员和数据科学家经常难以编写命令行输入。解决方案是什么？“ai-cli”是一个受 GitHub Copilot 启发的开源系统，可将自然语言提示转换为各种 Linux 命令行工具的可执行命令。通过利用 OpenAI 的 API（允许通过 JSON HTTP 请求进行交互），“ai-cli”将用户查询转换为可操作的命令行指令。但是，在多个命令行工具中集成 AI 辅助功能（尤其是在开源环境中）可能很复杂。从历史上看，操作系统可以进行调解，但单个工具的功能以及缺乏统一的方法使得集中集成具有挑战性。“ai-cli”工具通过动态加载和链接每个程序的 Readline 库 API 来弥补这一差距，使命令行界面更加智能、更加用户友好，为进一步增强和跨平台适用性开辟了途径。
REINVENT 4：现代人工智能驱动的生成分子...
REINVENT 4 是一个用于设计小分子的现代开源生成 AI 框架。该软件利用循环神经网络和转换器架构来驱动分子生成。这些生成器无缝嵌入到通用机器学习优化算法迁移学习、强化学习和课程学习中。REINVENT 4 支持并促进从头设计、R 基团替换、库设计、连接子设计、支架跳跃和分子优化。本文概述了该软件并描述了其设计。详细讨论了算法及其应用。REINVENT 4 是一个命令行工具，可以读取 TOML 或 JSON 格式的用户配置。此版本的目的是为基于 AI 的分子生成中一些最常见的算法提供参考实现。此次发布的另一个目标是创建一个基于人工智能的分子设计教育和未来创新框架。该软件可从 https://github.com/ MolecularAI/REINVENT4 获得，并根据宽松的 Apache 2.0 许可证发布。
模因中的多语种性别歧视检测，剪辑
摘要在这项工作中，我们使用尖端的机器学习方法来解决模因中的性别歧视问题。该研究首先要导入和可视化模因数据集，然后使用包括种植，缩放和标准化的技术进行图像进行预处理，以便为它们做好准备进行模型培训。一种称为剪辑的预训练模型用于提取功能，并且数据集分为西班牙语和英语的模因的培训和验证集。收集的功能用于训练和评估各种机器学习模型，例如逻辑回归，SVM，XGBoost，决策树，随机森林，神经网络，Adaboost和SGD。精确得分，分类报告和混乱矩阵用于评估性能。随机森林模型在所有这些模型中都表现出了最好的作用。之后，创建了包含模型预测性别歧视发生在测试数据集中的JSON文件。结果强调了训练有素的模型和复杂的机器学习方法如何在社交媒体上识别危险内容，为未来的研究提供有见地的信息以及有助于创建更安全的在线空间的有用应用。
自动医疗决策规则从文本提取
医疗决策规则在许多临床决策支持系统（CDS）中起关键作用。但是，这些规则通常是由医学专家制定的，这是昂贵且难以扩大规模的。在本研究中，我们探讨了从文本中自动提取医疗决策规则，从而实现了大规模医疗决策规则的解决方案。我们采用医疗决策规则的表述，作为由条件/决策节点组成的二进制树。这样的树被称为医疗树木，我们介绍了几种生成模型以从文本中提取它们。所提出的模型继承了两类成功的自然语言生成框架的优点，即序列到序列的生成和自动回归产生。为了释放预验证的语言模型的潜力，我们设计了三种线性化样式（自然语言，增强自然语言和JSON代码），是我们模型的目标序列。我们的最终系统在全面的中国基准上实现了67％的树木准确性，优于最先进的基线，提高了12％。结果证明了生成模型在明确建模结构决策路线图上的有效性，并显示出巨大的潜力，可以增强CDSS的发展和可解释的AI。我们的代码将在接受后开源。