XiaoMi-AI文件搜索系统
World File Search Systemevaluations
卫生技术中CAR-T细胞疗法的成本效益评估
美元的标准化价值（08/2023）：1欧元= 1,06美元； 1 cad = 0,74 USD; 1澳元= 0,64 USD; 1 GBP = 1,23 USD
网络安全和基础设施安全局 (CISA) 技术评估汇编
网络安全和基础设施安全局 (CISA) 正在确定支持 CISA 网络安全战略计划 2024-2026 的技术。对技术进行评估以确定它们是否会给 CISA 及其利益相关者带来风险；提高 CISA 组织的效率和效力；或提高 CISA 利益相关者的网络安全。本汇编为读者提供了背景信息，以了解哪些 CISA 重点领域可能会受到这些技术的影响（负面或正面）。该文件旨在为读者提供 22-23 财年调查的技术的高级描述，以及用于开发影响的评估。该报告包括表 1 中列出的 19 种技术的描述。图 1 和表 2 总结了技术分析的结果。这些技术符合/支持《网络安全战略计划》（2024-2026 年）的所有三个目标。鉴于所研究技术的未来重点，与目标 1（应对直接威胁）的一致性仅限于 19 项技术中的 5 项。与目标 2 和 3 的一致性非常重要，19 项技术中有 18 项支持所有 3 个目标 2 目标和一个或多个目标 3 目标。在所有情况下，这些技术都为产生战略计划中每个目标的每个目标的有效性证据衡量标准所需的技术和流程提供了支持能力。下图说明了技术与目标的一致性。
虚拟和增强现实技术对高等教育学习的评估
摘要：虚拟现实 (VR) 具有促进技术增强学习的良好潜力。学生可以从沉浸式可视化和直观交互中受益，从而学习抽象概念、复杂结构和动态过程。本文旨在评估工程教育环境中虚拟和增强现实技术增强学习 (VARTeL) 环境中 VR 学习游戏的效果。新加坡南洋理工大学 (NTU) 的 HIVE 学习中心建立了一个 VARTeL 翻转教室，用于沉浸式和交互式学习。实验是为进行学习的大学生设计的，有三个与科学、技术、工程和数学 (STEM) 相关的交互式沉浸式 VR 游戏，即虚拟细胞、虚拟 F1 赛车和矢量几何。这些 VR 游戏是 NTU 内部为 STEM 教育设计的 VARTeL 应用程序的一部分。进行了定量和定性分析。共有 156 名机械工程专业的学生参加了实验。实验后，有 15 名参与者被选中接受采访。使用两种不同的模型（开发的 VARTeL 和改进的技术丰富的成果导向学习环境清单 (TROFLEI)）进行前测和后测，以衡量 VARTeL 环境在高等教育中的效率。与前测相比，后测有约 24.8% 的显著改善，这说明了 VARTeL 对工程教育的有效性。讨论了 VR 模拟游戏、数据收集方法、数据分析以及实验结果的细节。从结果可以看出，修改后的 TROFLEI 的所有底层量表都高于“良好”类别的阈值，表明本研究设计了一个非常可靠的问卷。平均“理想”值比平均“实际”值高出约 0.7-2.6%。本文还介绍了实验的局限性和未来的工作及建议。
LLM网络评估不会捕获现实世界的风险
大型语言模型（LLMS）证明了网络安全应用中的能力提高，从而在增强防御力的潜力并带来了固有的风险。在该立场论文中，我们认为当前评估这些能力带来的风险的努力是错误的，目的是了解现实世界的影响。评估LLM网络安全风险不仅仅是衡量模型的帽子，还需要一项全面的风险评估，结合了对威胁行为者采用行为和影响潜力的分析。我们为LLM网络能力提出了一个风险评估框架，并将其应用于用作网络安全协会的语言模型的案例研究。我们对边境模型的评估揭示了较高的合规率，但对现实的网络援助任务的准确性适中。但是，我们的框架表明，由于运营优势有限和潜在的影响，此特殊用例仅带来适度的风险。基于这些发现，我们建议一些改进的研究优先级与现实世界影响评估相结合，包括更紧密的学术界合作，对攻击者行为的更现实的建模以及将经济指标纳入评估。这项工作是朝着更有效评估和缓解LLM支持网络安全风险的重要一步。
测量CAP的气候影响：评估，课程和未来方向
为了使CSP的贡献进行上下文，根据《联合国气候变化框架公约》（UNFCCC）共同报告格式（CRF）的类别进行了估计，该类别是为温室气体排放和撤离的国家库存而开发的。在考虑18个成员国时，估计缓解潜力的三分之二与农田土壤中碳储存的增加有关（CRF类4.b）。三分之一与减少农业土壤和湿地的非CO 2排放有关（CRF类别3.D - 农业土壤和4.D - 湿地）。牲畜排放（CRF类别3.A - 肠发酵和3.b - 粪便管理）的贡献预计将是最小的，尽管这些部门代表了农业非CO 2排放量的相当一部分。应注意的是，这项研究未评估针对牲畜排放的其他国家政策。
在联合国评估中利用AI的伦理伦理原则
4。AI中的发展已标志着处理和分析大量数据集的能力取得了重大进步。在过去的十年中，AI方法论在开发实践中发现了广泛的应用，在复杂的评估中具有显着的用例，需要进一步利用二级数据。这些AI分析提供了能够及时且具有成本效益的方式系统地分析定量和定性数据的能力，这在Bravo等人的最新研究中强调了，2023年2。在生成AI中的最新突破，尤其是在自然语言处理和内容创建等领域，已大大扩展了AI在评估中的潜在应用。此外，越来越多的联合国机构采取了积极的步骤来探索在评估生命周期3中对AI的负责使用，包括在分析各种形式的内部监测数据和报告4中应用AI Analytics，并将AI用于各种证据综合练习。随着AI在联合国评估中的整合，建立并遵守AI使用中的道德原则越来越重要，以确保公平，透明度和问责制，保护潜在的偏见并促进该领域的负责任的创新。
论文摘要：在 AI 模型评估中优先考虑高后果生物能力 1
人工智能 (AI) 技术可能会彻底改变医疗保健的组织和提供方式、药物和疫苗的开发方式、疾病的诊断方式以及发现新疫情的速度。使用人工智能进行的绝大多数生物和生命科学研究都可以以对社会风险最小甚至没有风险的方式进行。然而，预计在不久的将来会出现一些新的人工智能模型，这可能会增加因事故或滥用生物技术和生命科学而导致严重后果的风险。随着模型能力的提高，预计设计和操纵现有大流行病原体以及可能创造新病原体的能力将相应提高。研究人员还将能够将快速改进的人工智能模型与湿实验室的进步相结合，以促进、加速和增强这项工作。人工智能研究人员和政策制定者尚未就人工智能模型的哪些功能或用途最能增加公众的重大生物安全风险或哪些形式的风险最值得缓解达成广泛共识。在没有具体政府指导的情况下，一些大型语言模型 (LLM) 开发人员已经使用红队来评估其模型的生物安全风险，但其内容和方法各不相同。评估内容没有统一的框架，对于特定能力水平的关注程度也没有共同的理解。因此，迄今为止发表的有限的 AI 模型生物安全研究（仅评估了 LLM）测试了不同的风险，并使用了不同的假设来防范哪些威胁。这反过来又降低了缓解措施的潜在影响。由于无法评估 AI 模型是否会导致任何可能的与生物学相关的事故或不当行为，因此需要进行一定程度的优先排序。例如，仅仅询问一个模型是否会增加“生物武器计划”的风险是一个不充分的评估问题——它含糊不清、包容性不足，并且很难扩展到 LLM 之外。生物安全评估的最终目的应该是确定一个模型是否会显著增加对公众造成严重后果风险的可能性，无论人类的意图如何。解决方案
声明与证明：人工智能评估中的明确假设对于有效监管是必要的
随着人工智能系统的发展，人工智能评估正成为确保安全法规的重要支柱。我们认为，这种法规应该要求开发人员明确识别和证明有关评估的关键基本假设，作为其安全案例的一部分。我们确定了人工智能评估中的核心假设（用于评估现有模型和预测未来模型），例如全面的威胁建模、代理任务有效性和充分的能力引出。其中许多假设目前无法得到很好的证明。如果监管要以评估为基础，那么如果评估显示出不可接受的危险或这些假设没有得到充分证明，就应该要求停止人工智能开发。我们提出的方法旨在提高人工智能开发的透明度，为更有效地治理先进的人工智能系统提供一条切实可行的途径。
国防部针对 2021 年现场安装评估结果和建议采取的行动
• 到 2022 年 6 月 3 日，各军种部长将通过 USD(P&R) 向我提交 2021 年 OSIE 报告第 1 部分站点的计划，以符合法律和国防部法规：加强整个军事社区的数据共享；开发创新方式来激励创造健康氛围的行为，并让下属对造成不健康氛围的行为承担适当责任；定义当地预防系统；并解决军人和国防部文职雇员对暴力预防工作的抵制和/或获取支持的挑战。此外，在同一天之前，陆军部长和海军部长将通过 USD(P&R) 向我提交计划，以实施为 2021 年 OSIE 报告第 2 部分站点确定的建议。
审计、检查和评估办公室 2025 财年监督计划
我们对 NSF 的项目和运营以及其资助的奖项和协议提供独立、客观的评估。根据法规，我们必须进行特定的审计和审查。我们还通过年度规划流程确定可自由支配的项目。该计划列出了我们在 2025 财年正在进行和计划中的活动以及我们正在监控的领域。我们可能会更改计划以解决出现的更高优先级问题或响应国会的要求。必需项目 • 对 NSF 财务报表的审计 • 对 2014 年《联邦信息安全现代化法案》合规情况的审计 • 对 2019 年《支付诚信信息法案》合规情况的审查 • 采购卡风险评估 • 对 NSB 遵守《阳光法案》的风险评估 自由裁量项目 • 对分包管理和支出的审计（正在进行） • 对 NSF 奖项获得者的审计（正在进行和计划中） • 对 NSF 南极职业安全与健康计划的评估（正在进行） • 对 NSF 对 OMB M 22-09《推动美国政府走向零信任网络安全原则》合规情况的评估（正在进行） • 审查 NSF 在管理职位上使用非联邦雇员的情况（正在进行） • 审查 NSF 获奖者是否遵守 NSF 骚扰条款和条件（正在进行） • 审查单项审计的质量（正在进行）和计划中） • 审计 USAP 车队维护、设施维护和南极基础设施现代化以进行科学建设项目（进行中） • 审计 NSF 和获奖者是否遵守研究安全要求（进行中） • 审计 NSF 审查员工和承包商的流程（计划中） • 审计南极支持合同监督（计划中） • 审计 NSF 天文科学部管理的主要设施（计划中） • 审计 NSF 对罗伯特·诺伊斯教师奖学金计划的监督（计划中） • 检查大学大气研究航空安全环境（计划中） • 评估 NSF 的云安全控制（计划中） • 审查国家人工智能研究资源计划（计划中）我们正在监测的领域 • 采购南极科学与工程支持合同 • 监督 NSF 的技术、创新和伙伴关系理事会及其新兴计划