XiaoMi-AI文件搜索系统
World File Search SystemSep
![arXiv:2309.13176v1 [cs.AI] 2023 年 9 月 22 日](/simg/6\64cc3a6d1140c561c8d315d5233ba6a650e51608.png)
arXiv:2309.13176v1 [cs.AI] 2023 年 9 月 22 日
随着人工智能系统的复杂化和普及，人们对风险的认识也相应提高（Sorkin 等人2023）。作为回应，越来越多的人呼吁更加重视人工智能行业的披露和透明度（NTIA 2023；OpenAI 2023b），提案范围从标准化技术披露的使用，如模型卡（Mitchell 等人2019），到尚未指定的许可制度（Sindhu 2023）。由于人工智能价值链很复杂，参与者代表着各种专业知识、观点和价值观，因此透明度披露的消费者能够了解披露所涉及的人工智能系统的风险至关重要。在本文中，我们提出了一种风险分析标准，可以指导下游决策，包括对进一步的风险评估进行分类、为采购和部署提供信息以及指导监管框架。该标准建立在我们提出的人工智能风险分类法的基础上，该分类法反映了文献中提出的各种风险的高级分类。我们概述了构建信息风险概况所需的大量数据源，并提出了一种基于模板的方法，将风险信息整理成标准而灵活的结构。我们使用公开信息将这种方法应用于许多著名的人工智能系统。最后，我们讨论了概况的设计决策和未来的工作。
![arXiv:2007.01544v2 [cs.AI] 2021 年 9 月 20 日](/simg/5\54b080d69663555a0d382eb9d34ff207684afe01.png)
arXiv:2007.01544v2 [cs.AI] 2021 年 9 月 20 日
强化学习代理的长期目标是能够在复杂的现实场景中执行任务。使用外部信息是将代理扩展到更复杂问题的一种方式。然而，使用外部信息的不同方法之间普遍缺乏协作或互操作性。在这项工作中，在回顾受外部影响的方法的同时，我们提出了一个辅助强化学习的概念框架和分类法，旨在通过对学习过程中使用外部信息的各种方法进行分类和比较来促进协作。所提出的分类法详细说明了外部信息源与学习者代理之间的关系，强调了信息分解、结构、保留的过程，以及如何使用它来影响代理学习。除了回顾最先进的方法外，我们还确定了当前使用外部信息的强化学习流，以改进代理的性能和决策过程。这些包括启发式强化学习、交互式强化学习、从演示中学习、
TCI RESEMBID SEP 招标邀请 EPC ...
2017 年大西洋飓风季活跃之后，当地能源行业的高风险和脆弱性显而易见。飓风伊尔玛（五级飓风）掀翻屋顶，导致整个社区大面积洪水泛滥，电线杆被毁，造成大规模停电。除了已经遭受的破坏之外，几天后，特克斯和凯科斯群岛又遭受了第二场大飓风——飓风玛丽亚（三级）的袭击，风速高达 125 英里每小时 (mph)。为了解决对当地能源公用事业系统造成的破坏，当地公用事业公司 FortisTCI 被迫从其位于加拿大、美国和整个加勒比地区的国际母公司进口急需的容量。伊尔玛过后，该团队花了 60 天的时间才恢复该国的电力；然而，由于房屋受损以及无法安全接电，许多居民仍然没有电。目前，电力主要通过柴油发电（84MW）；然而，全国（公共和私营部门）已经达成共识，以最环保的方式扩大可再生能源。
![arXiv:2309.05558v2 [quant-ph] 2024 年 9 月 24 日](/simg/b\b946b92fd0ba5b662899eca771c72eba2e1f0996.webp)
arXiv:2309.05558v2 [quant-ph] 2024 年 9 月 24 日
为了充分发挥量子计算机的潜力，必须谨慎管理噪声对量子比特性能的影响。负责诊断噪声引起的计算错误的解码器必须高效利用资源，以便扩展到大量子比特数和低温操作。此外，它们必须快速运行，以避免量子计算机的逻辑时钟速率呈指数级下降。为了克服这些挑战，我们引入了碰撞聚类解码器，并在 FPGA 和 ASIC 硬件上实现它。我们使用领先的量子纠错方案表面代码模拟逻辑内存实验，并展示 MHz 解码速度——符合超导量子比特等快速操作模式的要求——FPGA 和 ASIC 分别高达 881 和 1057 个量子比特表面代码。ASIC 设计占用 0.06mm2，仅消耗 8mW 功率。我们的解码器性能高，资源高效，为实际实现容错量子计算机开辟了一条可行的途径。
创意场所Edenderry报告 - 2024年9月
我们创建了一张海报和传单，要求提供创意或文化的想法和建议，并很快被电话和电子邮件淹没了！尝试与Possibl E和广泛的艺术形式一样多的想法很重要。这很快就开始滚雪球，突然之间感觉就像是“杰克”的游戏 - 我们把一切都扔向了空中，很有趣的是看到什么会降落和``坚持''。埃莉诺·法雷利（Eleanor Farrelly）提出了一个关于视觉艺术团体竞选和认同残疾人的人的建议。这是设置的，并开始在每个星期二在教区中心跑步。我们还为儿童乐高营地和一些创造性的运动会议还有其他建议。Angi Ward开始在教区中心举行的每周一次的音乐会议，该音乐会仍在运营，最近在2024年的2024年创意生活奖中被授予爱尔兰亚军。该小组的代表于9月前往伦敦参加仪式。
![arXiv:2302.07893v2 [quant-ph] 2023 年 9 月 29 日](/simg/2\213c85e6263a40f3d8939a5ab8e3b088bff5214a.webp)
arXiv:2302.07893v2 [quant-ph] 2023 年 9 月 29 日
单独捕获的里德堡原子作为可扩展量子模拟和可编程量子计算机开发平台具有巨大潜力。具体而言，里德堡阻塞效应可用于通过编码物理量子比特的低位电子态来促进快速量子比特间相互作用和长相干时间。为了使现有的基于里德堡原子的平台更接近容错量子计算，我们在五个原子系统中展示了高保真状态和电路准备。我们特别展示了量子控制可用于可靠地生成完全连接的簇状态，并模拟基于 Laflamme 等人的“完美量子纠错码”的纠错编码电路 [Phys. Rev. Lett. 77, 198 (1996)]。我们的结果使这些想法及其实现可直接用于实验，并展示了对实验误差的良好噪声容忍度。通过这种方法，我们推动了量子控制在小型子系统中的应用，结合标准的基于门的量子电路，直接、高保真地实现少量子比特模块。
![arXiv:2309.15232v1 [cs.CR] 2023 年 9 月 26 日](/simg/d\db39481ee139b7575914d0d54af048960bba99ec.webp)
arXiv:2309.15232v1 [cs.CR] 2023 年 9 月 26 日
摘要：太空系统为农业、商业、交通运输和急救人员的紧急行动等多个领域提供必要的通信、导航、成像和传感。保护这些关键基础设施系统的网络安全至关重要。虽然太空环境给管理网络安全风险带来了独特的制约，但从其他关键基础设施领域的风险和有效防御措施中吸取的经验教训可以帮助我们为太空系统设计有效的防御措施。特别是，关于能源、制造、交通运输以及消费者和工业物联网 (IoT) 的工业控制系统 (ICS) 的网络安全的发现为太空领域的网络安全提供了见解。本文概述了 ICS 和太空系统的共性，从 ICS 网络安全中吸取的可应用于太空系统的经验教训，并提出了未来研究和开发的建议，以确保日益关键的太空系统的安全。
2023 年 9 月 - 州公司委员会 - Virginia.gov
23 委员会在案件编号 PUE-2009-00102 中拒绝了自愿 RPS 的成本回收，并在案件编号 PUE-2009-00038 中拒绝了通过燃料因子进行的成本回收。参见阿巴拉契亚电力公司的申请，根据弗吉尼亚州法典第 56-585.2 条批准购买电力协议，作为其参与弗吉尼亚州可再生能源组合标准计划的一部分。案件编号 PUE-2009-00102，2010 SCC Ann. Rept. 395，拒绝申请的命令（2010 年 6 月 2 日）；阿巴拉契亚电力公司的申请，根据弗吉尼亚州法典第 56-249.6 条修改其燃料因子，案件编号 PUE-2009-00038，2009 SCC Ann. Rept. 462，建立燃料因子的命令（2009 年 8 月 3 日）。
第二期简讯 – 2021 年 9 月 - CLARIFY 项目
由于隐私保护，将所有数据上传到中心位置的传统机器学习方法变得不太可行。联邦学习是一种保护隐私的分布式机器学习范式，已被提出作为符合隐私要求的解决方案。通过使多个客户端协作学习共享的全局模型，将在隐私限制下交换模型参数而不是本地私有数据。但是，与集中式方法相比，联邦学习在对参与者之间的非独立同分布 (non-i.i.d.)数据进行训练时性能会下降。在实践中，机器学习中总是会遇到类别不平衡问题，这会导致对少数类别的预测不佳。在这项工作中，我们提出 FedBGVS 通过使用平衡的全局验证集来减轻类别偏差的严重程度。使用平衡全局验证分数 (BGVS) 改进了模型聚合算法。我们通过对经典基准数据集 MNIST、SVHN 和 CIFAR-10 以及公共临床数据集 ISIC-2019 进行的实验来评估我们的方法。实证结果表明，我们提出的方法在标签分布偏差和类别不平衡设置中优于最先进的联邦学习算法。