XiaoMi-AI文件搜索系统
World File Search SystemMOSA
定向能武器系统模块化开放系统方法参考架构（DEWS MOSA RA）
“…在功能上被划分为离散的、有凝聚力的、独立的单元，并具有明确定义的接口，允许用来自其他来源的类似组件或产品替换这些单元，同时对现有单元的影响最小。”
定向能武器系统模块化开放系统方法参考架构（DEWS MOSA RA）
此次信息收集的公共报告负担估计为每份回应平均 1 小时，包括审查说明、搜索现有数据源、收集和维护所需数据以及完成和审查信息收集的时间。请将关于此负担估计或本次信息收集任何其他方面的评论（包括减轻负担的建议）发送至国防部华盛顿总部服务处信息行动和报告局 (0704-0188)，地址：1215 Jefferson Davis Highway, Suite 1204, Arlington, VA 22202-4302。受访者应注意，尽管法律有任何其他规定，但如果信息未显示当前有效的 OMB 控制编号，则任何人均不会因未遵守信息收集而受到任何处罚。请不要将您的表格寄回上述地址。
综合架构策略 (CAS) - DTIC
摘要 成功的模块化开放系统方法 (MOSA) 必须考虑和管理采购的四个方面：采购策略、知识产权策略、文档策略和架构策略。前三个方面有详尽的记录和文档，第四个方面则不太为人所知，指导也很少。本文档介绍了任务系统的综合架构策略 (CAS)。该策略整合了业务和技术问题，以支持高效开发和维持满足 MOSA 业务问题的任务系统，同时结合旨在实现功能和性能需求的传统系统工程流程。托管架构可确保组件和系统与总体业务和技术目标保持一致。实施后，CAS 提供了 MOSA 的最终方面。它使遵循该策略的程序能够实现并满足 MOSA 要求。CAS 通过确定要实现的特定业务和技术目标以及成功实施 MOSA 所需的适当系统模块化和关键接口规范来指导 MOSA 的开发。
模块化开放系统方法 - INCOSE
模块化开放系统方法 (MOSA) 可以简洁地定义为“一种集成的业务和技术策略，旨在实现系统生命周期内具有竞争力且价格合理的采购和维持”。实施此方法的目标是确保系统尽可能采用高度内聚、松散耦合和可分割的模块进行设计，这些模块可以单独竞争并从独立供应商处采购。这可以让国防部获得作战能力，包括系统、子系统、软件组件和服务，与以前的专有程序相比，它们具有更高的灵活性和竞争力。MOSA 意味着使用模块化开放系统架构：这是一种现有概念，其中系统接口共享通用且被广泛接受的标准。MOSA 在新采购中采用的主要驱动力源自国会在 2017 年国防授权法案中的授权，即在 2019 年 1 月之前在国防部的重大采购中使用 MOSA。技术和威胁的快速发展需要更快的部署和修改作战能力的周期时间，而 MOSA 有可能加速和简化新能力的交付以满足这一需求。本文从供应商和收购方的角度讨论了 MOSA 原则发展的重要方面，并提出了十 (10) 条建议，以帮助社区成功采用 MOSA。这些建议是：
模块化开放系统方法概述和努力
国防部在过去 20 年中一直采用模块化开放系统方法 (MOSA)；然而，最近的立法要求国防部各项目都必须使用 MOSA。国防部长办公室 (OSD) 得出结论，需要继续实施和进一步开发支持 MOSA 的标准，以确保跨领域快速共享信息，并以快速且经济的方式更新或改进硬件和软件组件。在国防部副部长办公室（研究和工程） (OUSD[R&E]) 的指导下，工程工具和环境主任和 DSPO 已根据 2017 财年国防授权法案 (NDAA) 在整个国防部领导 MOSA 工作。OSD 成立了三个 MOSA 老虎队（标准、实施指南和要求与编程功能），并与模块化开放系统工作组 (MOSWG) 合作，创建成熟度评估，交付
在国防部采购中实施模块化开放系统方法
• 持续每两周一次的全委员会会议 • 持续每两周一次的小组委员会会议（例如 MOSA 指标）和特别会议（根据需要） • 参与 NDIA 制造部门/供应链网络委员会：Ethan Plotkin，主席，“帮助 OSD 更好地进行维持” • 参与国防部的 MOSA（MOSWG）和 Tiger Team（s） • 参与 PSM 的数字工程（DEWG）工作组：功能完整性和波动性指标 • 参与 Paul Jonas 陆军 MOSA 指标工作组活动/调查（他们现在也参与我们的 NDIA SE 架构委员会指标工作）– 目前 Jonas 状态不清楚 • MOSA 白皮书和支持简报
![arxiv：2312.02923v2 [CS.CV] 2024年3月23日](/simg/g:\will\search\icon\source\4\40882b3ffbfd487cf7175f96e2e115dcc1407847.webp)
arxiv：2312.02923v2 [CS.CV] 2024年3月23日
摘要。随着预训练基础模型规模的快速增长，参数有效的微调技术已引起了很大的关注，其中适配器调整是最广泛使用的。尽管达到了效率，但它仍然表现不佳，并且以增加参数的成本为代价而提高。最近的效力要么集中于培训多个适配器专家以提高模型容量，要么将修剪适配器提高以达到参数效率。然而，与原始适配器相比，两种方法都引入了更多参数，因此并非计算上有效。以此为动机，我们提出了对Dapters或Mosa的ixture ixture，作为一种新型的适配器调整方法，以完全释放适配器中每个参数的潜力。我们首先将标准适配器拆分为多个非重叠模块，然后随随随随随之而来的激活它们以进行稀疏训练，最后将它们合并以在调整后形成完整的适配器。以这种方式，MOSA可以比没有任何其他计算或存储开销的标准适配器更好地实现性能。此外，我们提出了一种分层稀疏策略，以改善杠杆有限的培训数据。在一系列27个视觉任务上进行的广泛实验表明，MOSA始终超过其他适配器调整方法以及其他基线的大幅度。更重要的是，MOSA在各种模型量表，体系结构和不同的PEFT方法上带来了一致的改进。代码将发布。
美国陆军作战能力发展司令部 – 航空与导弹中心
• 分析软件控制架构，尽早发现系统级问题 • 支持数字工程、基于模型的 DevOps 和 MOSA • 来自陆军、DARPA、NASA、海军、OSD、AF 和 SOCOM 投资的成熟工具
