XiaoMi-AI文件搜索系统
World File Search System使用指南
后量子密码学 – 电信使用指南...
3.1 阶段（高级） 11 3.1.1 能力和技能开发 12 3.1.2 密码学发现与分析 12 3.1.3 业务风险分析 12 3.1.4 优先级排序、规划与治理 13 3.1.5 补救措施执行 13 3.1.6 运营与持续加密治理 13 3.2 国家和地区的后量子政府举措 13 3.3 自动化初步建议 13 3.4 算法标准化：非对称加密 14 3.4.1 密钥建立 14 3.4.2 无状态数字签名 15 3.4.3 有状态数字签名 16 3.5 迁移选项 16 3.5.1 混合方案 17 3.5.2 用于代码签名的数字签名 17 3.6 影响对称加密的影响 17 3.6.1 对称密钥大小 17 3.7 对哈希函数的影响 18 3.8 对广泛使用的协议 (TLS、IPSec) 的影响 19 3.8.1 传输层安全协议 (TLS) 19 3.8.2 互联网密钥交换协议 (IKE) 20 3.8.3 加密清单影响 20 3.9 零信任架构框架考虑 21 3.9.1 后量子加密背景下的零信任架构 21 4 电信用例：系统影响和指南 22
人工智能（AI）工具使用指南
• 必须在学期论文/研讨会论文、作品集或毕业论文的参考部分中将其列为“工具”，如相应的样式表所示，并且 • 学生必须提供关于使用人工智能工具的个人报告。该报告旨在培养学生的批判性反思和数字能力。它还旨在加强学生和讲师之间的沟通，并促进伴随快速发展的人工智能领域的最佳学术实践的发展。
内容生成人工智能的使用指南
根据 3 VSA § 5022，人工智能 (AI) 部门审查了目前可用的大型语言模型 (LLM) 的功能，例如 ChatGPT、Bard、Bing Chat、DallE 和 LLaMA，它们都是人工智能的一种形式，并为希望在履行公务时使用 LLM 的州雇员发布了以下指南。使用 LLM 履行公务是可以接受的，但须遵守下述某些限制。随着技术的发展，ADS 将更新指南，各部门或机构可自行决定发布更严格的指南。
区域规划制定和使用指南
计划中，NSTA 将以相对轻松的方式衡量进展是否符合 SOW 文件和/或 PEP 中的计划。这通常包括参加定期计划会议；考虑范围是否发生变化；以及回答任何问题。NSTA 可能会进行分析，但敏感信息不能与工作组共享。任何此类 NSTA/第三方分析要求可能会在 SOW 文件中明确说明。
MA498 生成式人工智能使用指南（AY24 v1）
• 写作。关于撰写中期报告的帮助：遵循计算机协会指南（见附件 A）。 • 编码。关于在编码方面获得的帮助：完整记录并注释您的代码，其中您从生成式人工智能获得了生成代码或排除代码故障的帮助。 • 其他帮助。关于在其他研究任务中获得的帮助，例如头脑风暴、实验设计、文献综述、图像生成或高效使用 LaTeX：通过 DAAW 感谢 IAW 的帮助（使用内嵌引用和致谢页面）。使用 DAAW 的附录 A 作为指南。 • 与您的顾问公开且经常地沟通如何合乎道德和有效地使用人工智能，以及各种人工智能用途的含义和潜在陷阱。
AI聊天机器人使用指南1.
生成式人工智能 - 能够对查询做出类似人类的响应，生成式人工智能聊天机器人可以更进一步，生成新内容作为输出。这些新内容可能看起来像高质量的文本、图像和声音，具体取决于它们所训练的 LLM。聊天机器人与生成式人工智能交互，可以识别、总结、翻译、预测和创建内容以响应用户的查询，而无需人工交互。
VAERS数据使用指南
美国卫生与公共服务部（DHHS）建立了由FDA和CDC共同管理的Vaers，以接受所有美国授权疫苗后，在所有年龄段的所有年龄组中接受所有可疑不良事件的报告。在1990年11月1日，VAERS用于公共部门报告后的免疫事件（MSAEFI）和FDA的私营部门和制造商报告的FDA自发报告系统，取代了CDC的监测系统（MSAEFI）。维持数据库的主要目的是作为预警事件的预警或信号系统，用于未检测到在市场前测试期间未检测到的不良事件。此外，1986年《国家儿童疫苗伤害法》（NCVIA）要求医疗保健提供者和疫苗制造商在该法案中概述的那些疫苗后向DHHS特定的不良事件报告。
生成式人工智能使用指南
反思与 AI 使用相关的道德问题 使用 AI 时，请反思短期和长期使用 AI 的道德影响。例如，在借助 AI 撰写文本时，请了解您为其撰写的期刊、教育机构或委员会的任何具体指导方针。使用生成式 AI 来改进您编写的文本是可以接受的，而依靠 AI 从头开始创建文本则不行。在此示例中，文本中产生想法的人（AI 或用户）有所不同。从长远来看，还要考虑您希望在工作中依赖 AI 的程度。道德也与 AI 的社会和环境影响有关。生成式 AI 模型中的隐藏偏见是一个潜在的问题。此类 AI 模型生成的文本反映了其训练数据，而这些数据可能会偏向于来自高收入、英语地区的数据。对世界其他地区观点的代表性不足可能会导致种族、语言和文化等方面的偏见。ChatGPT 等热门 AI 和提供这些技术的公司在多个方面受到了批评，包括在培训过程中对廉价劳动力的剥削以及为 AI 提供动力的数据中心对环境的影响。我们鼓励您了解这些批评，并思考它们是否应该影响您对 AI 的使用，如果应该，应该如何影响。