XiaoMi-AI文件搜索系统
World File Search System偏差
类偏差CD-2022-04
行政命令（E.O.）14008呼吁联邦机构以榜样为由解决国内外的气候危机。 第205条特别呼吁GSA，美国能源部和白宫，使用所有可用的采购机构制定联邦清洁电力和车辆采购策略，以实现或促进清洁和零排放车辆（ZEVS），用于联邦，州，州，地方和部落政府机队，包括美国邮政邮政服务的车辆。 2022年12月8日，为代理商提供实现这一目标的蓝图，总统签署了E.O. 14057关于通过联邦可持续性催化美国清洁能源经济。 通过新的E.O.的协调整个政府方法 鼓励联邦政府与美国车辆，电池和充电设备制造商和安装商合作，以将其规模和采购能力转变为将其量表和采购能力实现为2027年的100％轻型车辆的收购，并在2027年以100％作为ZEV作为ZEV，并在2035年之前作为Zevs作为ZEV。14008呼吁联邦机构以榜样为由解决国内外的气候危机。第205条特别呼吁GSA，美国能源部和白宫，使用所有可用的采购机构制定联邦清洁电力和车辆采购策略，以实现或促进清洁和零排放车辆（ZEVS），用于联邦，州，州，地方和部落政府机队，包括美国邮政邮政服务的车辆。2022年12月8日，为代理商提供实现这一目标的蓝图，总统签署了E.O.14057关于通过联邦可持续性催化美国清洁能源经济。 通过新的E.O.的协调整个政府方法 鼓励联邦政府与美国车辆，电池和充电设备制造商和安装商合作，以将其规模和采购能力转变为将其量表和采购能力实现为2027年的100％轻型车辆的收购，并在2027年以100％作为ZEV作为ZEV，并在2035年之前作为Zevs作为ZEV。14057关于通过联邦可持续性催化美国清洁能源经济。通过新的E.O.的协调整个政府方法鼓励联邦政府与美国车辆，电池和充电设备制造商和安装商合作，以将其规模和采购能力转变为将其量表和采购能力实现为2027年的100％轻型车辆的收购，并在2027年以100％作为ZEV作为ZEV，并在2035年之前作为Zevs作为ZEV。
IGMS 偏差 AI ORE
12 未完成偏差 同一奖励 ID 下状态不为“已批准”或“已拒绝”或“被 DOR 拒绝”的偏差。以下是被视为未完成的偏差状态：a.等待 ORE 验证 b.等待 DOR 认可 c. 等待重新提交 d. 已提交给 PM e. 支持 f. 等待 AI ORE 验证 g. 等待 AI DOR 认可 h. 等待主要 PI 认可 i.等待主要 ORE 验证 j.等待主要 DOR 认可 k. 等待新的 HI ORE 验证 l. 等待新的 HI DOR 认可 m. 等待工作流程提交 n. 正在进行中 5
行为中人工智能偏差的监管......
本研究旨在根据2016年第19号法律对2008年第11号信息和电子交易法的修订，确定人工智能应用于恶意软件犯罪的刑事法规。本研究是一种规范性法律研究，其本质上是规定性的，采用法规方法和概念方法。该研究使用了主要、次要和相关的非法律材料。科技的发展改变了人们的生活，世界的生活也因此变得更加丰富多彩，这也与科技犯罪的发展相一致。本研究发现，人工智能在恶意软件犯罪中的应用是使用计算机和人工智能技术作为犯罪工具的计算机相关犯罪的一种。可以惩处此类行为的刑事法规包括《刑法》、《版权法》、《洗钱法》、《资金转移法》、《公司文件法》、2016 年第 20 号通信和信息部长条例以及《恐怖主义法》。然而，作为特别法和后验法的ITE法是起诉此类犯罪行为最合适的实在法，尽管它存在没有明确提及有关恶意软件和人工智能的规定这一弱点。
算法偏差评估的Abroca分布
[1] Ryan S. Baker。2024。大数据和教育（第8版）。宾夕法尼亚州费城宾夕法尼亚大学。 [2] Ryan S. Baker和Aaron Hawn。2022。教育算法偏见。国际人工智能杂志教育杂志（2022），1-41。[3] Solon Barocas，Andrew D Selbst和Manish Raghavan。2020。反事实解释和主要原因背后的隐藏假设。在2020年公平，问责制和透明度会议的会议记录中。80–89。[4] Alex J Bowers和Xiaoliang Zhou。2019。曲线下的接收器操作特征（ROC）区域（AUC）：一种评估教育结果预测指标准确性的诊断措施。受风险的学生教育杂志（JESPAR）24，1（2019），20-46。[5] Oscar Blessed Deho，Lin Liu，Jiuyong Li，Jixue Liu，Chen Zhan和Srecko Joksimovic。2024。过去！=未来：评估数据集漂移对学习分析模型的公平性的影响。IEEE学习技术交易（2024）。[6] Olga V Demler，Michael J Pencina和Ralph B D'Agostino Sr. 2012。滥用DELONG测试以比较嵌套模型的AUC。医学中的统计数据31，23（2012），2577–2587。[7] Batya Friedman和Helen Nissenbaum。1996。计算机系统中的偏差。信息系统（TOIS）的ACM交易14，3（1996），330–347。[8]乔什·加德纳，克里斯托弗·布鲁克斯和瑞安·贝克。2019。225–234。通过切片分析评估预测学生模型的公平性。在第9届学习分析与知识国际会议论文集。[9]LászlóA Jeni，Jeffrey F Cohn和Fernando de la Torre。2013。面对不平衡的数据：使用性能指标的建议。在2013年，俄亥俄州情感计算和智能互动会议上。IEEE，245–251。 [10] Weijie Jiang和Zachary a Pardos。 2021。 在学生等级预测中迈向公平和算法公平。 在2021年AAAI/ACM关于AI，伦理和社会的会议上。 608–617。 [11]RenéFKizilcec和Hansol Lee。 2022。 教育算法公平。 在教育中人工智能的伦理学中。 Routledge，174–202。 [12]JesúsFSalgado。 2018。 将正常曲线（AUC）下的面积转换为Cohen的D，Pearson的R PB，Ordds-Ratio和自然对数赔率比率：两个转换表。 欧洲心理学杂志适用于法律环境10，1（2018），35-47。 [13] Lele Sha，Mladen Rakovic，Alexander Whitelock-Wainwright，David Carroll，Victoria M Yew，Dragan Gasevic和Guanliang Chen。 2021。 在自动教育论坛帖子中评估算法公平性。 教育中的人工智能：第22届国际会议，AIED 2021，荷兰乌得勒支，6月14日至18日，2021年，第I部分。 Springer，381–394。 2024。 2023。 2018。IEEE，245–251。[10] Weijie Jiang和Zachary a Pardos。2021。在学生等级预测中迈向公平和算法公平。在2021年AAAI/ACM关于AI，伦理和社会的会议上。608–617。[11]RenéFKizilcec和Hansol Lee。2022。教育算法公平。在教育中人工智能的伦理学中。Routledge，174–202。[12]JesúsFSalgado。2018。将正常曲线（AUC）下的面积转换为Cohen的D，Pearson的R PB，Ordds-Ratio和自然对数赔率比率：两个转换表。欧洲心理学杂志适用于法律环境10，1（2018），35-47。[13] Lele Sha，Mladen Rakovic，Alexander Whitelock-Wainwright，David Carroll，Victoria M Yew，Dragan Gasevic和Guanliang Chen。2021。在自动教育论坛帖子中评估算法公平性。教育中的人工智能：第22届国际会议，AIED 2021，荷兰乌得勒支，6月14日至18日，2021年，第I部分。Springer，381–394。2024。2023。2018。[14]Valdemaršvábensk`Y，MélinaVerger，Maria Mercedes T Rodrigo，Clarence James G Monterozo，Ryan S Baker，Miguel Zenon Nicanor LeriasSaavedra，SébastienLallé和Atsushi Shimada。在预测菲律宾学生的学习成绩的模型中评估算法偏见。在第17届国际教育数据挖掘会议上（EDM 2024）。[15]MélinaVerger，SébastienLallé，FrançoisBouchet和Vanda Luengo。您的模型是“ MADD”吗？一种新型指标，用于评估预测学生模型的算法公平性。在第16届国际教育数据挖掘会议上（EDM 2023）。[16] Sahil Verma和Julia Rubin。公平定义解释了。在国际软件公平研讨会的会议记录中。1-7。[17] Zhen Xu，Joseph Olson，Nicole Pochinki，Zhijian Zheng和Renzhe Yu。2024。上下文很重要，但是如何？课程级别的性能和公平转移的相关性在预测模型转移中。在第14届学习分析和知识会议论文集。713–724。[18] Andres Felipe Zambrano，Jiayi Zhang和Ryan S Baker。2024。在贝叶斯知识追踪和粗心大意探测器上研究算法偏见。在第14届学习分析和知识会议论文集。349–359。
HSAM 类别偏差 23-01 修订版 1
背景。自成立以来，国土安全部一直利用能源部 (DOE) 国家实验室和场地的独特专业知识，根据 2002 年《国土安全法》第 309(a) 条 (6 USC 189) 执行其任务。这项工作传统上是通过国土安全部合同官员签署的机构间协议来完成的。然而，我的办公室不时收到询问，当国土安全部要求访问其国家实验室或场地时，能源部是否提供采购援助。为了帮助简化此类协议的谈判，我的办公室更新了《国土安全采购手册》(HSAM)，以全面确定使用能源部国家实验室和场地的机构间协议是协助采购（参见 HSAM 3017.502-172）。
乙型肝炎疫苗的信息和同意/偏差
Information and Consent/Declination for Hepatitis B Vaccine Employee Name: _________________________ Department: _________________________ Home Address: ___________________________ City: ____________________________________ State: ___________ Zip: ______________ The Disease: Hepatitis B is an infection caused by Hepatitis B virus (HBV).大多数人完全康复，但约有5-10％的健康成年人会出现慢性感染。有些患有肝硬化，肝衰竭和肝癌。患有慢性感染的人通常没有症状，而HBV可以传播到其他人，而不管感染是急性还是慢性。感染会导致0.5-1％报告给疾病控制和预防中心的病例。HBV通过暴露于体液（如血液）来传播。丙型肝炎病毒可以在体外的干血中生存7天。HBV感染的常见危险因素包括注射药物使用和与多个伴侣的性接触。医疗保健工人职业接触不到新HBV感染的1％。疫苗：免疫可以预防乙型肝炎感染，并减少肝硬化和肝癌的疾病和死亡。BJC Healthcare在初次分配后的10天内免费提供所有员工的HBV疫苗。该疫苗是一种重组疫苗，不使用活病毒，不能给您带来肝炎。该疫苗分为三剂。第二剂是在第一个剂量后一个（1）个月，第三剂剂量在第一个剂量后六（6）个月。疫苗是安全有效的。可能的副作用包括注射部位的酸痛和低级发烧。每110万剂量发生严重的过敏反应。，如果您对酵母过敏或对过去的HBV疫苗剂量过敏，则不应接受疫苗。如果您怀孕，您可以收到疫苗。
偏差的正常化：事故为何会发生...
摘要 – 1986 年 1 月 28 日，世界目睹了一场事故，这是当时航天史上最严重的灾难。载有七名宇航员的挑战者号航天飞机在发射后仅 73 秒就爆炸了。对挑战者号灾难的调查揭示了 NASA 运营中的文化和系统缺陷；因此，提出了“偏差正常化”的概念。偏差正常化是指将不可接受的做法变成可接受的行为。虽然这个过程的结果通常非常明显，但检测和识别这种现象可能极其困难。挑战者号事故、2003 年哥伦比亚号航天飞机失事以及其他灾难令人震惊地提醒我们，看似无害的细节在复杂系统和组织的相互作用中发挥着至关重要的作用。本文不是关于 NASA 和航天飞机的。在任何安全关键流程或任务中规范偏差都可能是灾难性的；允许操作、检查和维护中的偏差