XiaoMi-AI文件搜索系统
World File Search SystemRFI
FaceTec US-Treasury 2024年8月AI RFI响应
六大大洲的超过10亿人通过使用智能手机，平板电脑和笔记本电脑的FaceTec AI驱动软件远程证明了他们的LINEVES。此外，在2024年，FaceTec将在全球范围内实现超过26亿个不同的3D LIVENICE检查。FaceTec的用户界面是直观且易于访问的，只需要3秒的“视频自拍”。 FaceTec Biotitric Data Collection SDK旨在有效地在具有低相机分辨率的低成本设备上工作。他们没有可观察到的年龄，性别或肤色偏见，正如数十亿个面对匹配对测试的那样。FaceTec提供了由AI驱动的软件，可在其客户的应用程序内部和防火墙后面运行。FaceTec永远不会收到任何最终用户PII或生物识别数据。此体系结构确保FaceTec系统与GDPR，CCPA和BIPA等隐私框架固有地兼容。FaceTec的神经网络模型（AI的一种形式）包括种族，性别和经济状况，并且在全球范围内经常使用。
ccc-response to-rfi-on-digital-twins- ...
数字双胞胎模型有可能彻底改变我们进行研发的方式，并评估和衡量跨研究领域的系统和物理实体的性能。数字双胞胎可以显着降低与进行测试相关的成本和风险，加快开发速度并改善整体产品设计和安全考虑因素。数字双胞胎还可以编程以提供可以针对特定项目或个人量身定制的个性化解决方案，并且应用领域几乎是无限的。但是，这些模型在设计和/或实施不佳时也会造成伤害，或者当我们假设这些模拟环境的结果无缝转化为现实世界成果时。下面，我们在开发和实施数字双胞胎时列举了一些关键考虑。
Rosetta Commons community_response for NIST信息请求（RFI）
蛋白质结构预测和设计研究在增强公共卫生安全方面也可以通过提高我们的预防，检测和应对大流行的能力来提高公共卫生安全。在Covid-19大流行期间，使用计算设计蛋白质的第一种疫苗被批准用于主要政府（南部韩国和英国），甚至在临床测试中均超过了阿斯利康的疫苗。13最近开发的深度学习模型evescape可以比湿实验室方法更快，更便宜，更精确地预测病毒序列的未来突变，并且可能允许提前预测新兴的SARS-COV-2变体。14从现在到未来，蛋白质结构预测和设计工具将作为大流行反应的战略资产
对OSTP RFI的拟人反应（2025年3月）
2025年3月6日，NCO科学技术政策政策总统办公室总统2415 Eisenhower Avenue Alexandria，Alexandria，VA 22314，通过电子邮件提交给OSTP-ai-rfi@nitrd.gov re：启用人工智能（RFI）的人工智能（RFI）的人工智能（RFI）（ai）的启动（ai）的启动（ai）的启动（ai）的启动（ai）努力定义维持和加强美国在人工智能中的主导地位和领导所需的优先政策行动。在此提交中，我们概述了政府应采取的具体行动，以确保美国从高级AI系统的潜力中受益。我们的建议包括两个类别：（1）通过保护重要的技术基础设施和知识资产免受外国威胁来加强美国安全的国家安全命令； （2）美国政府应该进行投资，以培养富有AI的发展和部署生态系统，以促进美国繁荣，并确保在社会中广泛共享AI驱动的经济利益。在本届政府期间将建立强大的AI技术。鉴于发展的速度迅速，必须通过针对性的AI行动计划将该技术视为重要的国家资产，该计划在加强我们的国家安全的同时增强了美国的经济竞争力。关于拟人化的人类是领先的Frantier AI模型开发人员，致力于建立可靠，可解释和可靠的人工智能系统。我们的旗舰AI助手克劳德（Claude）代表国家
RFI温暖法案.docx-马里兰州能源管理
马里兰州能源管理局（MEA）是马里兰州的国家能源办公室，该办公室的任务是促进清洁，负担得起，可靠的能源和温室气体排放量减少，以公正和公平的方式使所有玛丽兰人受益。住宅电气化 - 用电气替代化石燃料动力的系统和电器的过程 - 是提高家庭健康，安全和能源效率的关键策略，可实现整个经济范围的排放量，以及与清洁的电力源，净零发射量。全家和社区规模的电气化外展可以帮助强调和推进几项州气候政策，例如该州即将到来的网络地热试验计划（HB397 2024）；该州在《气候解决方案法》中的脱碳要求现在为2022年（CSNA）；整个家庭电气化联邦回扣和公用事业计划；以及鼓励在马里兰州环境部的建筑能源绩效标准（BEP）下鼓励大型和多户住宅电气化的努力。
Esvelt，Gopal和Jeyapragasan Nist RFI
生物武器（BW）的发展和使用历史上受到合成生物学剂的“默认知识”的需求而阻碍了。尽管公众可用的反向遗传学方案，但实际的实验室技能（例如细胞培养）仍然是一个障碍。在这里，LLM有可能充当较低默认知识的参与者的专家实验室助手，模仿更先进的科学家的辅导，但有可能没有情境意识或对潜在恶意工作的道德意识或道德异议（Sandbrink，2023年）。此外，AI工具还可能提出替代路线，以获取不需要它们执行默认的知识密集型湿lab实验的代理，而是外包实验，它们无法自行执行。一种机制可能是通过使用实验室机器人，在该机器人的情况下，LLM也有助于自主科学能力的发展。llms可以帮助演员将自然语言评论转换为液体处理机器人的脚本，从而促进了一些生物学实验（Inagaki等人。2023; O'Donoghue等，2023）。目前，这些功能的程度仍然相对有限，尽管将来LLMS可能能够帮助参与者开发自我复制的生物系统，从概念上讲，LLMS现在如何帮助非编码者构建自己的应用程序和网站。这种技术进化减少了BW开发的障碍，可能导致参与者更频繁，成功地尝试了以前受到技术挑战的阻碍。nist应该考虑包括上述信息，描述了AI工具可以在同伴指南中扩展对危险生物代理的访问权限，以确保对这些工具的充分监控和监督并实施。
对FHWA RFI的充分回应
消费者电动汽车行业只有十多年的历史了。在其成立时，关于最佳EV架构的辩论考虑了两种独立的技术途径：束缚充电（由Tesla和Nissan代表）和电池交换（由雷诺和更好的地方代表）。早期EV政策包括支持这两种方法的框架，许多政策制定者认为每种途径同样可能。但是，在2000年代末和2010年代初期，许多政策和市场发展将行业推向了束缚收费模型。第一个是电池交换公司的破产更好的地方。这与特斯拉的成功搭配（特斯拉通过美国能源高级技术部门汽车制造贷款计划的大笔贷款从破产中挽救了破产）。，但还有其他因素。例如，早期购买量高度集中在富裕的早期采用者中。这些人倾向于对性能进行溢价（例如0-60次），并且很方便地可以访问家庭充电。结果，几乎所有在美国出售的电动汽车都依赖于束缚（例如插入电气充电电缆以传输电子）。速度缓慢的费用和高电动汽车成本意味着电动汽车主要是可以在家中可靠收费的高收入个人可以使用的。在美国，电动汽车仍然代表相对较小的汽车销售，它们主要由相对富裕的人拥有和运营。
RFI-ACT-SACT-23-04
■ Philippe Lavigne 将军 ■ Chris Badia 将军 ■ Guy Robinson 海军中将 CB OBE ■ David J. Julazadeh 中将 ■ Tony L. Wright 少将■ 海军少将 (UH) Placido Torresi ■ 少将 Robert Glab ■ 少将 Lucas Muñoz Bronchales ■ 首席军士长 Brion P. Blais
HiddenLayer 对 NIST 关于 AI 的 RFI 的回应
HiddenLayer 团队诞生于 2019 年的一次真实世界中的对抗性机器学习攻击，当时 Chris Sestito、Jim Ballard 和 Tanner Burns（HiddenLayer 创始人）负责应对一次严重的真实世界中的对抗性机器学习攻击。当时，Chris Sestito（HiddenLayer 首席执行官）领导着 Cylance 的威胁研究，Cylance 是一家 AI 公司，通过利用深度学习来防止恶意软件攻击，彻底改变了反病毒行业。2019 年，Windows 可执行 ML 模型通过现在称为推理攻击的攻击被利用，暴露了其弱点，并允许攻击者成功逃避 Cylance 运行的任何地方的检测。在响应工作中，未来的 HiddenLayer 创始人将其视为未来攻击的前兆，这些攻击是由 AI/ML 固有的弱点、更多的开源攻击工具以及对世界上有史以来发展最快、最重要的技术的不断增长的了解和使用而引起的。为了证明这些攻击是可以预防的，该团队开发了一种独特的、正在申请专利的、产品化的人工智能安全解决方案，以帮助所有组织减轻基于人工智能的解决方案固有的安全风险。
使用RFID传感器（IOT）的智能停车系统-IJRPR
RFID发现的自动停车系统旨在为Arduino和RFID技术提供有效的停车场。就像在超现代世界中一样，一切都是自动的，它构建了一个系统，该系统会自动嗅探穿过大门的公共汽车的条目和输出，以及停车场中的公共汽车数量。检查和结帐迅速处理而不停止公共汽车，因此在这些过程中避免了业务果酱问题。这项开发的技术可用于自动停车位最常见的所有资产阶级地区。一些可以安装和使用此设计的重型公司是商店，医院，机场，电影院，公寓等。在大城市中，土地成本正在呈指数增长。因此，重要的是，停车位需要最低的位置并吸收最大车辆量子。通过此设计，我们开发了一种用于自动停车系统的停车系统，以时尚使用广场。