XiaoMi-AI文件搜索系统
World File Search SystemSTRIDE
一般采购通知气候大步
GENERAL PROCUREMENT NOTICE The University of the West Indies (UWI) Mona has received financing from the Caribbean Development Bank (CDB) in an amount equivalent to nine hundred and eighty-three thousand, eight hundred and eighty-six United States Dollars (US$983,886) towards the cost of the implementation of the Climate Systems, Techniques and Resources for Improved Decision- Making, Education and Sustainability (Climate STRIDES) Project and intends将本融资收益的一部分应用于根据本项目订立的合同的合格付款。CDB的付款将仅应UWI MONA的要求并得到CDB的批准，并在各个方面都遵守融资协议的条款和条件。《融资协议》禁止从融资帐户退出，以付给人或实体的任何付款，或者是由联合国安理会根据《联合国宪章》第七章所做的一项决定，禁止付款或进口CDB的任何进口货物。除了UWI MONA以外，任何一方均不得从融资协议中获得任何权利，或者对融资的收益有任何要求。
印度可再生能源领域取得巨大进步
突尼斯公布了一项雄心勃勃的国家战略，旨在将该国转变为绿色氢气生产领域的世界领先者。该战略制定了全面的路线图，包括大规模扩大可再生能源，其中太阳能和风能将占主要增长。这种扩张对于推动绿色氢气的生产至关重要。该计划的一个方面是重新分配现有的天然气管道以运输绿色氢气，这将促进与欧洲市场的直接联系。突尼斯的战略将当地需求与全球抱负相结合，最初将侧重于生产用于化肥的绿色氨。目标是首先满足当地需求，然后再实现出口多元化。突尼斯还强调国际合作，积极寻求伙伴关系以吸引外国投资。
印度可再生能源领域取得巨大进步
突尼斯公布了一项雄心勃勃的国家战略，旨在将该国转变为绿色氢气生产领域的世界领先者。该战略制定了全面的路线图，包括大规模扩大可再生能源，其中太阳能和风能将占主要增长。这种扩张对于推动绿色氢气的生产至关重要。该计划的一个方面是重新分配现有的天然气管道以运输绿色氢气，这将促进与欧洲市场的直接联系。突尼斯的战略将当地需求与全球抱负相结合，最初将侧重于生产用于化肥的绿色氨。目标是首先满足当地需求，然后再实现出口多元化。突尼斯还强调国际合作，积极寻求伙伴关系以吸引外国投资。
STRIDE：用于战略和交互式决策的工具辅助法学硕士 (LLM) 代理框架∗
大型语言模型 (LLM) （如 GPT-4）彻底改变了自然语言处理，展现出卓越的语言能力和推理能力。然而，它们在战略多智能体决策环境中的应用受到重大限制的阻碍，包括数学推理能力差、难以遵循指令以及容易产生错误信息。这些缺陷阻碍了它们在战略和交互任务中的表现，这些任务需要遵守细致入微的游戏规则、长期规划、在未知环境中探索以及预测对手的动作。为了克服这些障碍，本文提出了一种新型的 LLM 智能体框架，该框架配备了记忆和专门的工具来增强其战略决策能力。我们将这些工具部署在许多具有经济重要性的环境中，特别是双边谈判和多智能体和动态机制设计。我们使用定量指标来评估该框架在各种战略决策问题中的表现。我们的研究结果表明，我们增强的框架显著提高了 LLM 的战略决策能力。虽然我们强调了当前 LLM 模型的固有局限性，但我们通过有针对性的增强展示了改进，为交互式环境中 LLM 应用的未来发展提供了一个有希望的方向。
大步：战略辅助的LLM代理框架...
大型语言模型（LLMS）之类的GPT-4已彻底改变了自然语言处理，表现出了显着的语言水平和推理能力。然而，它们在战略多代理决策环境中的应用受到严重限制的阻碍，包括数学推理不佳，遵循说明的困难以及产生错误信息的趋势。这些缺陷阻碍了他们在战略和互动任务中的表现，这些任务需要遵守细微的游戏规则，长期计划，未知环境中的探索以及对对手的举动的预期。为了克服这些障碍，本文介绍了一个新型的LLM代理框架，该框架配备了内存和专业工具，以增强其战略决策能力。我们将工具部署在许多经济上重要的环境中，尤其是双边谈判和多机构和动态机制设计。我们采用定量指标来评估框架在各种策略决策问题中的表现。我们的发现表明，我们的增强框架显着提高了LLM的战略决策能力。当我们强调当前LLM模型的固有限制时，我们通过有针对性的增强功能来证明改进的进步，这表明在LLM应用程序中，在LLM应用程序中，互动式环境的未来发展有前途的方向。
进行基于 STRIDE 的威胁分析
RBKC 希望在设计和调试联网场所项目时，制定一种一致的方法来理解和沟通问题。他们已经建立了信息安全信息治理和风险管理功能，但他们希望开发一个流程，以精细的级别关注联网设备的安全状况，并让所有相关利益相关者（包括业务和技术利益相关者）参与其中。STRIDE 威胁分析资源使 RBKC 能够创建一套基础资源来支持他们的联网场所计划。RBKC 现在已经开始思考如何创建联网场所风险的动态视图，该视图将根据固件更新定期更新，或者展示风险如何受到某些威胁载体的影响。
大步：...
机器学习，尤其是深度学习对分子和材料设计的影响越来越大。，鉴于越来越多地获得了用于药物降低的生成建模的高质量小分子数据，因此有望进行药物发现的结果。然而，对于许多重要的材料类别，例如催化剂，抗氧化剂和金属有机框架 - 不可用。这些样品有限和结构相似性的分子家族在工业应用中尤其普遍。众所周知，在如此小的数据集中进行了重新培训甚至微调。新颖的，实际上适用的分子通常是众所周知的分子的衍生物，提出了解决数据稀缺性的方法。为了解决这个问题，我们引入了大步，这是一种生成分子的工作流程，它以无条件的生成模型产生了新的分子，该模型由已知分子而没有任何重新培训。我们从一组高度专业的抗氧化剂分子中生成训练数据之外的分子。我们的发电分子平均降低了合成可及性评分的21.7％，并且通过指南将电离潜力降低了5.9％的产生分子。
使用 STRIDE 建模对 AI-ML 系统的威胁
摘要：人工智能 (AI) 等新兴技术的应用会带来风险，需要加以解决，以确保社会技术基础设施的安全可信。机器学习 (ML) 是 AI 最发达的子领域，可以改善决策过程。但是，ML 模型表现出传统 IT 系统不会遇到的特定漏洞。随着包含 ML 组件的系统变得越来越普遍，为安全从业人员提供针对特定 AI-ML 管道量身定制的威胁建模至关重要。目前，在识别和分析针对 ML 技术的威胁时，尚无成熟的方法来考虑整个 ML 生命周期。在本文中，我们提出了一种以资产为中心的方法——STRIDE-AI——用于评估基于 AI-ML 的系统的安全性。我们讨论如何应用 FMEA 流程来确定在 ML 生命周期的不同阶段生成和使用的资产可能如何失效。通过将 Microsoft 的 STRIDE 方法应用于 AI-ML 领域，我们将潜在的 ML 故障模式映射到威胁以及这些威胁可能危及的安全属性。所提出的方法可以帮助 ML 从业者选择最有效的安全控制措施来保护 ML 资产。我们借助从 TOREADOR H2020 项目中选择的真实用例来说明 STRIDE-AI。
使用 STRIDE 对 AI-ML 系统威胁进行建模
摘要：人工智能 (AI) 等新兴技术的应用会带来风险，需要解决这些风险才能确保社会技术基础设施的安全可信。机器学习 (ML) 是人工智能最发达的子领域，可以改善决策过程。然而，ML 模型表现出传统 IT 系统不会遇到的特定漏洞。随着包含 ML 组件的系统变得越来越普遍，为安全从业人员提供针对特定 AI-ML 管道量身定制的威胁建模至关重要。目前，在识别和分析针对 ML 技术的威胁时，还没有成熟的方法来考虑整个 ML 生命周期。在本文中，我们提出了一种以资产为中心的方法——STRIDE-AI——用于评估基于 AI-ML 的系统的安全性。我们讨论了如何应用 FMEA 流程来识别在 ML 生命周期的不同阶段生成和使用的资产可能如何失效。通过将 Microsoft 的 STRIDE 方法应用于 AI-ML 领域，我们将潜在的 ML 故障模式映射到这些威胁可能危及的威胁和安全属性。所提出的方法可以帮助 ML 从业者选择最有效的安全控制措施来保护 ML 资产。我们借助从 TOREADOR H2020 项目中选取的一个实际用例来说明 STRIDE-AI。