XiaoMi-AI文件搜索系统
World File Search System可验证的
基于包装可验证的可授权 - 可靠性...
手稿版本：作者接受的手稿包装中呈现的版本是作者接受的手稿，可能与已发布的版本或记录的版本有所不同。持续的包裹网址：http：//wrap.warwick.ac.uk/182959如何引用：有关最新的书目引用信息，请参考发布版本。如果已知已发布的版本，则链接到上面的存储库项目页面将包含有关访问它的详细信息。版权所有和重复使用：沃里克研究档案门户（WARAP）使沃里克大学的研究人员在以下条件下可用开放访问权限。版权所有©以及此处介绍的论文版本的所有道德权利属于单个作者和/或其他版权所有者。在合理且可行的范围内，已在可用的情况下检查了包装中可用的材料是否有资格。未经事先许可或收费，可以将完整项目的副本用于个人研究或研究，教育或非营利目的。前提是作者，标题和完整的书目细节被认为是针对原始元数据页面提供的超链接和/或URL，并且内容不会以任何方式更改。发布者的声明：请参阅“存储库”页面，发布者的语句部分，以获取更多信息。有关更多信息，请通过以下网络与WARP团队联系：wrap@warwick.ac.uk。
朝向可验证的多代理交互模式规范
指定交互式多代理任务是一项长期的软件工程挑战[6]。规格应足够高，以保持可访问性和明确的可及以确保所得软件组件的可靠性。本文通过介绍基于DSL的工具链的基础特征来解决此问题（见图1）称为LIRAS 1，用于指定多代理交互模式。里拉（Liras）被开发为域 - 不可思议的，并且相对于所涉及的代理的数量和性质（例如，基于软件或人类）以及构成模式的动作数量和类型。代理因其提供的原始技能集而有所不同（例如，为机器人移动或为四轮驱动器打开发动机）。在里拉斯（Liras）中，这些技能被安排为模式。根据图1，定义技能集需要专家实践者的干预，而模式规范则设计为非专家用户可以访问。在里拉斯（Liras）中，代理之间的同步动力学的语义基于确定性有限状态自动机（DFA），构成了可符合模型对模型转换和正式验证的规格的这一方面。具体而言，可以通过Uppaal工具[11]验证了涉及同步定义明确的属性。该工具链的此阶段仅针对有关模式的逻辑和结构声音的属性（例如，具有冲突目标的技能），因此不涉及相应的网络物理系统的物理组成部分。环境）。几个里拉斯规格构成模式库。在以下内容中，我们将任期任务作为一系列模式。可以使用所谓的和经过验证的模式库，用于更广泛的任务规范和正式的分析工具链外部和与里拉斯（例如[12]中介绍的）脱钩。latter设想文本DSL（与里拉斯分开），以指定涉及人和机器人代理的错误，特别关注人类机器人相互作用。此类DSL当前从预先确定和固定的集合中利用人类机器人的交互模式，从而限制了该框架对现实生活的适用性。可以通过进口里拉斯模式来指定任务来克服这种缺点。我们指出，假定操作环境的规范（例如，布局和关注点）是独立于LIRAS完成的（即，LIRAS模式是参数W.R.T.在更广泛的框架内，最终的任务指定会自动转换为基于随机混合自动机的形式模型[5]。如果要进口自定义的里拉斯交互模式，正式模型的自动生成将意味着起草新定义的模式的每个自定义技能的正式模型，这需要专家用户的输入。任务的正式模型是统计模型检查[5]以计算质量指标
最小信息设置以启用可验证的理论...
4您是否讨论了建模结果中潜在不确定性，可变性和错误的所有来源及其对定量结果和定性趋势的影响？您是否讨论了建模（和数值）输入的敏感性，例如材料属性，时间步长，域大小，神经网络体系结构等。它们是可变还是不确定的地方？
最小信息设置以启用可验证的理论...
4您是否讨论了建模结果中潜在不确定性，可变性和错误的所有来源及其对定量结果和定性趋势的影响？您是否讨论了建模（和数值）输入的敏感性，例如材料属性，时间步长，域大小，神经网络体系结构等。它们是可变还是不确定的地方？
实用的量子后少数时间可验证的随机...
摘要。在这项工作中，我们介绍了依赖众所周知的（模块）术语问题的第一个实用后量子后的随机函数（VRF），即模块-SIS和模块。我们的构造名为LB-VRF，导致VRF值仅为84个字节，证明仅为5 kb（与早期工作中的几个MB相比），并且在约3毫秒内进行评估，而验证约为1 ms。为了设计一个实用的方案，我们需要限制每个密钥对的VRF输出数量，这使我们的构造少于时间。devite this限制，我们展示了如何在实践中使用我们的几次LB-VRF，尤其是我们估计了Algorand Us的LB-VRF的性能。我们发现，由于与经典构造相比，通信大小的显着增加，这在所有现有基于晶格的方案中是固有的，因此基于LB-VRF的共识协议中的吞吐量降低了，但仍然实用。特别是在具有100个节点的中型网络中，我们的平台记录了吞吐量的1.14×至3.4倍，具体取决于所使用的signalty。在具有500个节点的大型网络的情况下，我们仍然可以维持每秒至少24次交易。这仍然比比特币要好得多，比特币每秒仅处理约5个交易。
从文本中识别量化可验证的语句
人类通常使用基于趋势的模式来描述复杂的定量数据。基于趋势的模式可以解释为高阶功能和关系，而不是数值数据，例如极端值，变化率或重复。一个应用程序，其中趋势多于数值表数据的描述。因此，数值表的对齐和趋势的文本描述可以更轻松地解释表。大多数现有的方法都可以将文本中的数量与表格数据保持一致，但无法检测和调整基于趋势的数据模式。在本文中，我们介绍了对数据的基于趋势模式的初步步骤，即对趋势的文本描述进行了检测以及趋势与相关表的一致性。我们介绍了在文本中识别量化可验证语句（QV）的问题，并将其与表和数据集对齐。我们定义了这些陈述的结构，并建立了基于结构化的检测。在我们的经验中，我们证明了我们的方法可以从几个方法中脱离和对齐这些陈述，并与传统的序列标记方法进行比较。
可验证的随机功能，带有简短的证明和键
摘要。，我们在配备双线性映射的组上给出了一种可验证的ran dom函数（VRF）的简单且有效的结构。我们的建筑是直接的；与Micali-Rabin-Vadhan [MRV99]和Lysyanskaya [Lys02]的先前作品相比，它绕过了从独特的签名到VRF的昂贵的昂贵的Goldreich-Levin转移。我们的安全证明是基于决定性双线性双线性二线反转（DBDHI），该反转（DBDHI）以前在[BB04A]中用于构建基于身份的加密方案。我们的VRF的证明和密钥与[Lys02]和[DOD03]中VRF的证明和键形成对比，它们在消息的大小上是线性的。我们在一个椭圆形组上进行操作，该组比[MRV99]中使用的乘法z ∗ n短得多，但我们达到了相同的安全性。此外，我们的计划可以分布和主动。
大型语言模型用于可验证的顺序决策...
摘要：基于自动机知识的基于自动机知识的表示在控制和计划的顺序决策问题中起着重要作用。但是，获得建立这种自动机所需的高级任务知识通常很困难。同时，大型语言模型（LLMS）可以自动生成相关的任务知识。但是，LLMS的文本输出不能被验证或用于顺序决策。我们开发了一个名为GLM2FSA的新颖算法，该算法构建了有限的态自动机（FSA），从简短的自然语言描述中编码高级任务知识的任务目标。因此，所提出的算法填补了自然语言任务描述和基于自动机的表示之间的差距，并且可以根据用户定义的任务规范对构造的FSA进行正式验证。我们相应地提出了一种基于结果的结果，从验证中提出了一种方法，以迭代地改进LLM的查询。我们演示了GLM2FSA构建和验证日常任务的基于自动机的表示以及需要高度专业知识的任务的能力。
用少量量子比特实现可验证的混合秘密共享
我们考虑以可验证的方式在量子网络中共享秘密量子态的任务。我们提出了一种协议，该协议可以完成此任务，同时与现有协议相比，所需的量子比特数更少。为了实现这一点，我们将量子秘密的经典加密与基于 Calderbank-Shor-Steane 量子纠错码的现有可验证量子秘密共享方案相结合。通过这种方式，我们获得了一种用于共享量子比特的可验证混合秘密共享方案，该方案结合了量子和经典方案的优点。我们的方案不会向参与协议的 n 个节点中不到一半的任何组透露任何信息。此外，为了共享一个量子比特状态，每个节点都需要一个量子存储器来存储 n 个单量子比特共享，并且需要最多 3 n 个量子比特的工作空间来验证量子秘密。重要的是，在我们的方案中，单个共享被编码在单个量子比特中，而以前的方案则需要每个共享 (log n ) 个量子比特。此外，我们定义了一个斜坡可验证的混合方案。我们给出了基于现有量子纠错码的各种可验证混合方案的具体示例。
可验证的秘密共享来自对称密钥密码学，具有改善的乐观复杂性
摘要。在本文中，我们提出了可验证的秘密共享（VSS）方案，以确保同步模型中的任何诚实多数，并且仅使用对称键的加密工具，因此具有明显的后量词安全性。Compared to the state-of-the-art scheme with these features (Atapoor et al., Asiacrypt ‘23), our main improve- ment lies on the complexity of the “optimistic” scenario where the dealer and all but a small number of receivers behave honestly in the sharing phase: in this case, the running time and download complexity (amount of information read) of each honest verifier is polylogarithmic and the total amount of broadcast information by the经销商是对数；在Atapoor等人的上述工作中，所有这些复杂性都是线性的。同时，我们就“悲观”案件的先前工作保留了这些复杂性，在这种情况下，经销商或O（n）接收者会积极作弊。新的VSS协议在多方计算中引起了人们的关注，在多方计算中，各方以经销商的身份运行一个VSS，例如分布式关键生成协议。在Boneh等人的模型中，我们的主要技术手柄是多项式低度的分布式零知识证明。（加密’19），如果说明（在这种情况下为证人多项式评估）分布在几个验证者之间，则每个验证者都知道一个评估。使用类似于星期五的折叠技术（Ben-Sasson等，ICALP '18），我们构建了这样的证明，每个验证者都会接收到聚类信息并在Polylogarithmictim中运行。