XiaoMi-AI文件搜索系统
World File Search System可证明的
迈向经过验证的人工智能
软件、网络攻击和人工智能系统安全。4 因此，人工智能系统的验证和确认问题，以及更广泛地说，实现值得信赖的人工智能的问题，39 已开始引起研究界的关注。我们将“经过验证的人工智能”定义为设计具有强大、理想情况下可证明的正确性保证的人工智能系统的目标，这些保证对于数学指定的要求是正确的。我们如何实现这一目标？在本文中，我们从形式化方法的角度考虑经过验证的人工智能的挑战，形式化方法是一个计算机科学和工程领域，涉及系统的严格数学规范、设计和验证。38 形式化方法的核心在于证明：制定形成证明义务的规范；设计系统以满足这些义务；并通过算法证明搜索验证系统确实符合其规范。从规范驱动的测试和仿真到模型检查和定理证明，一系列形式化方法通常用于集成电路 (IC) 的计算机辅助设计，并已广泛应用于查找软件中的错误、分析信息物理系统 (CPS) 和查找安全漏洞。我们回顾了
有效计算量子利率延伸功能
量子率延伸功能在量子信息理论中起着基本作用，但是目前尚无实际算法，可以有效地计算此功能至中等通道尺寸的高精度。在本文中，我们展示了对称性降低如何显着模拟纠缠辅助量子率延伸问题的常见实例。这使我们能够更好地理解获得最佳利率差异权衡的量子通道的属性，同时还允许更有效地计算量子利率 - 缺陷函数，而少于使用的数值算法。此外，我们提出了镜下下降算法的不精确变体，以计算具有可证明的sublerear收敛速率的量子率延伸函数。我们展示了这种镜下下降算法与Blahut-Arimoto和预期最大化方法有关，以前用于解决信息理论中的类似问题。使用这些技术，我们提出了第一个计算多量量子率函数的数值实验，并表明我们所提出的算法可以更快地解决，并且与现有的甲基化合物相比，我们提出了更快的速度和更高的准确性。
一种用于稳健拟合的混合量子-经典算法
将几何模型拟合到离群污染数据上是可证明的难点。许多计算机视觉系统依靠随机抽样启发式方法来解决稳健拟合问题，但这种方法不提供最优性保证和误差界限。因此，开发新方法来弥合成本高昂的精确解决方案与无法提供质量保证的快速启发式方法之间的差距至关重要。在本文中，我们提出了一种用于稳健拟合的混合量子经典算法。我们的核心贡献是一种新颖的稳健拟合公式，它可以解决一系列整数程序并以全局解或误差界限终止。组合子问题适合量子退火器，这有助于有效地收紧界限。虽然我们对量子计算的使用并没有克服稳健拟合的根本难点，但通过提供误差界限，我们的算法是对随机启发式算法的实际改进。此外，我们的工作代表了量子计算在计算机视觉中的具体应用。我们展示了使用实际量子计算机（D-Wave Advantage）和通过模拟 1 获得的结果。
一种基于步骤的反事实说明的方法
算法追索性是一个利用反事实解释的过程，而不仅仅是理解系统产生给定的分类的原因，还可以为用户提供他们可以采取的行动来改变其预测结果。现有的计算此类干预措施的方法（称为追索权）确定了一组满足某些Desiderata的点 - e.g。对基本因果图的干预，最大程度地减少成本函数等。需要对基本模型结构的广泛了解，这在几个领域中通常是不切实际的信息。我们提出了一个数据驱动和模型不合时宜的框架来计算反事实解释。我们介绍了步骤，这是一种计算上有效的方法，它沿数据歧管沿着数据歧管递增步骤，该步骤将用户指导用户达到所需的结果。我们表明，该步骤独特地满足了一组理想的公理。此外，通过彻底的经验和理论调查，我们表明，在沿着重要指标沿着重要指标的流行方法胜过可证明的鲁棒性和隐私保证。
一般矩阵博弈的亚线性经典和量子算法
我们研究了矩阵博弈的次线性经典算法和量子算法，这是优化和机器学习中的一个基本问题，具有可证明的保证。给定一个矩阵，矩阵博弈的次线性算法以前只知道两种特殊情况：（1）最大化向量位于 L1 范数单位球中，（2）最小化向量位于 L1 或 L2 范数单位球中。我们给出了一个可以在这两种情况之间平滑插值的次线性经典算法：对于 1 到 2 之间的任何固定 q，我们在某些附加误差范围内求解最小化向量位于 Lq 范数单位球中的矩阵博弈。我们还提供了一个相应的次线性量子算法，该算法可以解决同一任务，并且最大化和最小化向量的维度有二次改进。我们的经典算法和量子算法在维度参数上都是最优的，最多可达多对数因子。最后，我们提出了针对近似 Carathéodory 问题的亚线性经典和量子算法以及 Lq-margin 支持向量机作为应用。
MiniQCrypt 中的 Oblivious Transfer - 密码学 ePrint 档案
自从量子计算和现代密码学诞生以来，几十年来一直保持着高效的合作关系。一方面，得益于 Shor 算法 [Sho94]，(大规模) 量子计算机可用于破解许多广泛使用的基于因式分解和离散对数难度的密码系统。另一方面，量子信息和计算帮助我们实现了原本不可能实现的加密任务，例如量子货币 [Wie83] 和生成可证明的随机性 [Col09、VV12、BCM+18]。量子密码学中的另一颗明珠是 Bennett 和 Brassard [BB84] 发现了一种无条件安全的密钥交换协议。也就是说，他们为传统上必须依赖于未经证实的计算假设的加密任务实现了信息论安全性。简而言之，他们利用量子态的不可克隆性（量子力学的基本原理）实现了这一点。更引人注目的是，他们的协议对量子资源的使用率极低，因此已在实践中应用于非常远的距离 [ DYD + 08 , LCH + 18 ]。这与大规模量子计算形成了鲜明对比，后者的可能性仍在积极讨论中。Bennett 和 Brassard 的开创性工作为密码学领域提出了一个诱人的可能性：
使用共形预测对基于模型的控制器的不确定性定量和鲁棒化
在基于现代模型的控制框架中，例如模型预测控制或基于模型的信息学习学习，机器学习已成为一种无处不在的技术类别，以提高动态模型的准确性。通过利用诸如神经网络之类的表现力体系结构，这些框架旨在通过构建系统动力学的准确数据驱动表示，旨在提高系统的模型精度和控制性能。尽管对其非学习顾问进行了显着的绩效提高，但对于这些基于模型的模型的基于模型的控制器在不确定性的存在下，这些模型的控制器通常几乎没有保证。尤其是在模拟误差，噪声和外源性干扰的影响下，确定这些学习模型的准确性是一项挑战。在某些情况下，甚至可能违反约束，使控制器不安全。在这项工作中，我们提出了一个新颖的框架，该框架可以应用于大量的基于模型的控制器，并通过以在线和模块化方式鲁棒化基于模型的控制器，从而减轻上述问题，并在模型的准确性和约束满意度上提供可证明的保证。该框架首先部署保形预测，以生成有限的，可证明的有效的不确定性区域，以无分配方式为动态模型。通过动态约束程序，这些不确定性区域被纳入约束中。关键字：基于学习的控制，基于模型的控制，不确定性量化1。（2023a））。Jiahao等。Jiahao等。与预测参考生成器的配方一起，生成了一组可鲁棒的参考传播，并将其纳入基于模型的控制器中。使用两个实际的案例研究，我们证明我们提出的方法不仅产生了良好的不良区域，这些区域建立了模型的准确性，而且还使闭环系统以强大但不保守的方式满足约束。简介由于非线性优化框架的最新进展以及计算资源的可用性增加，在广泛的域上应用基于模型的控制器的应用趋势是趋势。，用于建筑物中的温度控制（Yao和Shekhar（2021）），用于自动驾驶汽车（Wu等人（2022））和四型控制（Chee等人机器学习方法的扩散同时导致了学习增强的，基于模型的控制框架的发展，这些框架利用学习工具通过改进动态模型来提高控制性能，例如（2023）。尽管这些发展激增，但这些基于学习的控制框架在不确定性存在下如何执行的问题仍然是一个积极的研究主题（Mesbah等人。（2022）; Brunke等。（2022））。在这项工作中，我们通过提出一个新颖的框架来解决这个问题，该框架系统地允许基于模型的控制器在模型不匹配，噪声和外部干扰的集体影响下稳健地满足约束。
正式合成安全至关重要自治系统的控制器：发展和挑战
近年来，正式方法已被广泛用于自主系统的设计。通过使用数学上严格的技术，正式方法可以为复杂的动态系统提供完全自动化的推理过程，并提供可证明的安全性保证，并在连续动态和离散逻辑之间进行复杂的相互作用。本文对安全至关重要的自主系统的正式控制器合成技术进行了全面综述。具体来说，我们根据不同的系统模型对正式的控制综合问题进行了分类，包括确定性，非确定性和随机性以及涉及逻辑，实时和现实价值域的各种正式安全至关重要的规格。评论涵盖了基本的形式控制合成技术，包括基于抽象的方法和无抽象方法。我们探讨了形式控制合成中数据驱动的合成方法的整合。此外，我们审查了针对多机构系统（MAS）量身定制的正式技术，并特别关注各种方法来应对大规模系统中的可伸缩性挑战。最后，我们讨论了一些最近的趋势，并强调了该领域的研究挑战。
人工智能治理面临的官僚主义挑战 - Daniel E. Ho
政府可以治理人工智能 (AI) 吗？人工智能治理的核心问题之一是政府能力，即政府是否有能力实现其政策目标。我们通过评估美国联邦政府如何实施围绕人工智能治理的三项具有约束力的法律来研究这个问题：两项行政命令——关于公共部门的可信赖人工智能 (E.O.13,960) 和人工智能领导力 (E.O.13,859)——以及政府法案中的人工智能。我们对这三项法律的实施状况进行了首次系统的实证评估，这三项法律都被描述为美国人工智能创新的核心。首先，我们通过广泛的研究跟踪每项强制性行动的基层采用情况。根据公开信息，我们发现 45 项法律要求中只有不到 40% 可以证实已经实施。其次，我们研究了多达 220 个联邦机构透明度要求的具体实施情况。我们发现近一半的机构未能公开发布 AI 用例清单——即使这些机构有可证明的机器学习用例。即使机构遵守了这些要求，努力也不一致。我们的工作凸显了美国各州执行 AI 治理任务的能力薄弱，并讨论了如何应对官僚能力挑战的影响。
正式合成安全至关重要自治系统的控制器：发展和挑战
近年来，正式方法已被广泛用于自主系统的设计。通过启用数学严格的技术，正式方法可以为复杂的动态系统提供完全自动化的推理过程，并具有可证明的安全性保证，并在连续动力学和离散逻辑之间具有复杂的相互作用。本文对安全至关重要的自主系统的正式控制器合成技术进行了全面综述。具体来说，我们根据不同的系统模型对正式的控制综合问题进行了分类，包括确定性，非确定性和随机性以及涉及逻辑，实时和现实价值域的各种正式安全至关重要的规格。评论涵盖了基本的形式控制合成技术，包括基于抽象的方法和无抽象方法。我们探讨了形式控制合成中数据驱动的合成方法的整合。此外，我们审查了针对多机构系统（MAS）量身定制的正式技术，并特别关注各种方法来应对大规模系统中的可伸缩性挑战。最后，我们讨论了一些最近的趋势，并强调了该领域的研究挑战。