XiaoMi-AI文件搜索系统
World File Search SystemQueries
第 15 章 – FOIA 和公共事务媒体查询
SUPSHIP 将指定一名 FOIA 协调员，公众和 SUPSHIP 人员将向其提出所有 FOIA 查询或问题。主管可以充当发布权人，也可以将发布权委托给 FOIA 协调员。承包官员应避免与公众（包括潜在投标人）讨论 FOIA 问题。所有与 FOIA 请求相关的对话都必须记录在 FOIA 协调员的请求文件中。由于 SUPSHIP 有 NAVSEA 法律顾问办公室代表，因此他们对其活动收到的 FOIA 请求拥有初步拒绝权。此权力仅委托给主管。参考 (b)，NAVSEAINST 5720.5B**，《信息自由法 (FOIA) 计划》，提供了更多详细信息。
投标前询问回复 - 维杰亚瓦达地区办事处
ii) 广泛活动：j. 顾问应根据商定的计划，根据需要对 ESIC/ESIS 下各个地点的各个主要办事处、医院、学院、药房、服务提供中心等进行实地考察。k. 考察限制：为评估而进行的实地考察次数限制为在同一城市内进行两次考察，每个阶段在 5 个区域（印度北部、东部、南部、西部和中部）最多由三人进行，每次考察时间不超过 3 个工作日。签订合同时应确定详细的分区。考察应涵盖医院、药房、分支机构、区域/次区域办事处、IMP 诊所、教学机构、数据中心和培训中心。应涵盖上述 ESIC 和 ESISo 控制的办事处。
外行人对大语言模型和搜索引擎健康查询的使用和态度：调查研究
背景：外行可以通过大语言模型（LLM）（例如ChatGpt和搜索引擎（例如Google））轻松访问健康信息。搜索引擎改变了健康信息访问，LLMS为回答Laypeople的问题提供了新的途径。目标：我们旨在比较对LLM和搜索引擎的使用频率和态度，以及它们的比较相关性，有用性，易用性以及对健康查询的响应。方法：我们进行了筛查调查，以比较寻求健康信息的LLM用户和非用户的人口统计学，并通过逻辑回归分析结果。邀请筛查调查的LLM用户进行后续调查，以报告他们寻求的健康信息的类型。我们使用ANOVA和Tukey Post hoc测试比较了LLM和搜索引擎的使用频率。最后，配对样本Wilcoxon测试将LLM和搜索引擎比较了感知的有用性，易用性，可信度，感受，偏见和拟人化。结果：总计，2002年的美国参与者在多产的情况下招募了有关使用LLM和搜索引擎的筛查调查。，参与者中有52％（n = 1045）是女性，平均年龄为39岁（SD 13）年。参与者为9.7％（n = 194），12.1％（n = 242）黑色，73.3％（n = 1467）白人，1.1％（n = 22）西班牙裔，3.8％（n = 77）是其他种族和种族。此外，1913年（95.6％）使用搜索引擎查找健康查询，而LLMS的642（32.6％）。男性使用LLM的健康问题比女性更高（1.63，1.63，95％CI 1.34-1.99; p <.001）。黑色（或1.90，95％CI 1.42-2.54; p <.001）和亚洲（或1.66，95％CI 1.19-2.30; p <.01）个体的几率比白人个体更高。那些感知到健康的人（OR 1.46，95％CI 1.1-1.93; p = .01）的人比健康状况良好的人更有可能使用LLM。更高的技术能力提高了LLM使用的可能性（OR 1.26，95％CI 1.14-1.39; P <.001）。在对281名LLM用户健康的后续调查中，大多数参与者首先使用搜索引擎（n = 174，62％）来回答健康问题，但第二个最常见的第一个咨询者是LLMS（n = 39，14％）。llms被认为是有用的（p <.01）且相关性较小（p = .07），但引起了较少的负面感觉（p <.001），看起来更人性化（llm：n = 160，vs search：n = 32），被视为较小的偏见（p <.001）。信任（p = .56）和易用性（p = .27）没有差异。结论：搜索引擎是健康信息的主要来源；然而，对LLM的积极看法表明使用日益增长。未来的工作可以通过补充外部参考和限制有说服力的语言来遏制过分依赖的答案来探讨LLM信任和有用性是否得到增强。与卫生组织的合作可以帮助提高LLMS健康产出的质量。
通过主动查询从人类反馈中学习的强化
将大语言模型（LLM）与人类偏好保持一致，在建立现代生成模型中起着关键作用，可以通过从人类反馈（RLHF）学习来实现。尽管表现出色，但当前的RLHF方法通常需要大量的人类标记的偏好数据，这很昂贵。在本文中，受主动学习成功的启发，我们通过提出查询有效的RLHF方法来解决此问题。We first formalize the alignment problem as a contextual dueling bandit problem and design an active-query-based proximal policy optimization ( APPO ) algorithm with an e O ( d 2 / ∆) instance-dependent regret bound and an e O ( d 2 / ∆ 2 ) query complexity, where d is the dimension of feature space and ∆ is the sub-optimality gap over all the contexts.然后，我们提出了基于直接偏好优化（DPO）的算法的实用版本ADPO，并将其应用于微调LLMS。我们的实验表明，ADPO仅对人类偏好的查询进行了大约一半的查询，与最先进的DPO方法的性能相匹配。
无需叠加查询的量子攻击
量子密码分析始于 Shor [40] 的开创性工作，他证明了 RSA 和 Diffie-Hellman 密码体制可以被量子计算机破解。Simon 算法 [41] 的工作原理非常相似，它可以在 ( { 0 , 1 } n , ⊕ ) 中找到一个隐藏周期，但它最近才开始应用于密码分析。2010 年，Kuwakado 和 Morii [29] 展示了如果允许对手进行叠加查询，如何在量子多项式时间内区分三轮 Feistel 网络和随机排列。后来，人们在这种情况下获得了更多结果 [30, 24, 31]。然而，尽管令人印象深刻，但这些破解需要叠加查询模型，在该模型中，攻击者可以将原语作为量子预言机进行访问；例如，对具有未知密钥的密码进行量子加密查询。在本文中，我们首次在标准查询模型中应用了 Simon 算法，表明上述中断可能会在该模型中产生影响。这也是量子隐藏周期算法在仅使用经典查询的对称密码学中的首次应用。我们的核心结果之一是，在解决具有隐藏结构的碰撞搜索问题时，我们可以用多 (n) 个量子比特替换指数大小的内存。即使时间加速仍然是二次的，这也为量子对手带来了之前意想不到的优势。
对新交所关于 2024 财年年度报告的质询的回复.pdf
对新加坡证券交易所关于公司 2024 年 9 月 30 日财政年度年度报告的质询的回复 Envictus International Holdings Limited（“公司”）及其董事会（“董事会”）对新加坡证券交易所有限公司（“SGX-ST”）于 2025 年 2 月 4 日就公司截至 2024 年 9 月 30 日财政年度的年度报告提出的质询作出如下回复：- 质询 1 上市规则 1207(6)(a) 要求年度报告必须说明支付给审计师的费用总额，该费用必须分为审计和非审计服务。如果没有支付审计或非审计费用，则必须作出适当的否定声明。第 55 页指出“审计委员会已审查了外部审计师提供的所有非审计服务，并认为提供此类服务不会影响审计师的独立性”。在这方面，请确认外部审计师是否在截至2024年9月30日的财政年度提供了任何非审计服务。 如果有，请披露为此类非审计服务支付的费用金额。 公司对问题1的回应 截至2024年9月30日的财政年度，集团向BDO Tax Advisory Pte Ltd和BDO Tax Services Sdn Bhd支付了总计35,000令吉的集团企业所得税合规服务非审计服务费，两家公司都是外部审计师BDO LLP的网络成员公司。 问题2 上市规则1207(10)要求年度报告必须包括董事会关于“发行人内部控制（包括财务、运营、合规和信息技术控制）和风险管理系统的充分性和有效性”的声明。年报第54页载明，“董事会及审计委员会一致认为，截至2024年9月30日，集团应对财务、运营、合规和信息技术风险的风险管理和内部控制系统是充分有效的”。请披露董事会是否及审计委员会一致认为，截至2024年9月30日，集团应对财务、运营、合规和信息技术风险的风险管理和内部控制系统是充分有效的。
ai，文化遗产和偏见：使用genai
摘要：我们的文章，文化遗产和偏见研究了使用机器学习来解释和对人类记忆和文化遗产进行分类的挑战和潜在解决方案。我们认为，偏见是文化遗产收藏（CHC）及其数字版本中固有的，并且AI管道可能会扩大这种偏见。我们假设有效的AI方法需要具有结构化元数据的庞大，通知的数据集，而CHC通常由于多种数字化实践和有限的互连性而缺乏CHC。本文讨论了CHC和其他数据集中偏见的定义，并探讨了它是如何源于培训数据和人文专业知识中生成平台中的不足。我们得出的结论是，关于AI和CHC的奖学金，准则和政策应以AI技术的固有和增强为偏见。我们建议在整个过程中实施偏见缓解技术，从收集到策展，以支持有意义的策划，拥抱多样性并迎合未来的遗产受众。
标准化Meddra查询的入门指南（...
SMQ是出于公认的Meddra用户社区的需求，以帮助识别和检索安全数据。原始的Meddra特殊搜索类别（SSC）是出于类似目的而用于类似目的的，但是经过数年的使用，生物制药社区（监管机构和行业）得出结论，这些工具没有充分满足需求。在响应中，MEDDRA维护和支持服务组织（MSSO）于2002年初开始开发MEDDRA分析组（MAGS）。mags被定义为从MEDDRA层次结构的任何级别（通常是LLT）以及与MAG名称定义的医疗状况或感兴趣的领域相关的任何级别的术语集合，包括符号，症状，症状，身体发现，实验室和其他物理学测试数据以及与医疗状况相关的情况或与医疗状况相关的领域。
QardEst：使用量子机器学习进行连接查询的基数估计
经典和学习查询优化器 (LQO) 使用基数估计作为查询规划的关键输入之一。因此，准确预测任意查询的基数在查询优化中起着至关重要的作用。最近新型深度学习方法的蓬勃发展不仅刺激了 LQO 的兴起，也促成了学习基数估计器 (LCE) 的出现。然而，它们中的大多数都是基于经典神经网络的，忽略了不同表之间的属性之间的多元相关性可以通过量子电路中的纠缠自然表示。在本文中，我们介绍了 QardEst - 量子基数估计器 - 一种用于估计连接查询基数的新型量子神经网络方法。我们使用相似数量的可训练参数进行的实验表明，在量子模拟器上执行的量子神经网络在均方误差和 q 误差方面均优于经典神经网络。
咨询服务疑问澄清：输电线路设计、塔架定位/调度、工程量清单编制和 Sitalpat 成本估算
请确认所有塔系列的设计报告、设计计算、载荷计算和设计文件（即 PLS-Tower 的 .tow 文件）的可用性，以便审查塔设计中因加固横臂而产生的额外重量。或者，顾问将建议对重量跨度违规的塔进行加固，EPC 承包商将在详细工程设计阶段对塔设计进行详细评估和审查。