XiaoMi-AI文件搜索系统
World File Search System对抗
在对抗上下文中可解释的人工智能
人工智能（AI）方法是现代世界不可或缺的一部分。如今，每个与智能手机互动的人都与AI接触（Herget，2024）（Wired Insider，2021）。 自从大型语言模型（LLMS）（CF（BSI，2024a）易于获得BSI的评论）以来，公众对AI存在的意识已广泛传播。 但是，自引入LLM之前，AI算法支持或自动执行决策过程。 Propublica的报告，即预测模型用于确定美国犯罪嫌疑人的累犯风险，受到了很大的关注（Angwin等，2016）。 在金融领域，基于AI的预测模型用于支持贷款申请的决定或预测金融市场的发展（Aziz等，2022）。 此外，使用基于AI的决策支持系统进行诊断和治疗患者的治疗，目前已在医学中进行了研究或部分实施（社论，2024年）（皇家放射学院，等，2023）（BSI，2024年）。 这些是高度敏感的领域，在这种领域中，错误的决定可能会对公民造成社会，法律，财务或健康损害。如今，每个与智能手机互动的人都与AI接触（Herget，2024）（Wired Insider，2021）。自从大型语言模型（LLMS）（CF（BSI，2024a）易于获得BSI的评论）以来，公众对AI存在的意识已广泛传播。但是，自引入LLM之前，AI算法支持或自动执行决策过程。Propublica的报告，即预测模型用于确定美国犯罪嫌疑人的累犯风险，受到了很大的关注（Angwin等，2016）。在金融领域，基于AI的预测模型用于支持贷款申请的决定或预测金融市场的发展（Aziz等，2022）。此外，使用基于AI的决策支持系统进行诊断和治疗患者的治疗，目前已在医学中进行了研究或部分实施（社论，2024年）（皇家放射学院，等，2023）（BSI，2024年）。这些是高度敏感的领域，在这种领域中，错误的决定可能会对公民造成社会，法律，财务或健康损害。
对抗卵巢癌的有希望的方法
简单总结：晚期卵巢癌患者的 5 年总生存率仅为 20%，持久有效的治疗是临床上尚未满足的迫切需求。目前的标准治疗能够改善无进展生存率；然而，患者仍然会复发。此外，免疫疗法迄今为止尚未给患者带来明显的好处。在这种情况下，树突状细胞疫苗可以作为卵巢癌的潜在治疗补充。在本综述中，我们概述了不同的树突状细胞亚群及其在卵巢癌中的作用。我们重点介绍了树突状细胞疫苗接种卵巢癌的进展，并强调了目前使用的策略的主要结果和缺陷。最后，我们讨论了可以采取的未来方向，以改善卵巢癌树突状细胞疫苗接种的结果。
通过对抗测试集生成
正确对道路物体的环境感知对于自动驾驶的安全至关重要。通过自动驾驶算法做出适当的决定可能会受到数据扰动的阻碍，而最近，对抗性攻击。我们提出了一种基于不确定性的对抗性测试输入生成方法，以使机器学习（ML）模型对数据扰动和对抗性攻击更为强大。对抗性攻击和不确定的投入可能会影响ML模型的性能，这可能会产生严重的后果，例如通过自动驾驶汽车在道路上对物体的错误分类，从而导致决策不正确。我们表明，我们可以通过制作一个包含高度不确定的对抗测试输入的数据集来获得更强大的ML模型，以用于自动驾驶。我们证明了鲁棒模型的准确性提高了12％以上，并且模型返回的决策的不确定性显着下降。我们认为我们的方法将有助于进一步开发风险感知的自主系统。©2022 ISA。由Elsevier Ltd.发布的所有权利保留。
环境对抗强化学习
• Experimental results show performance increase compared to standard RL across all variations of training environment when using adversarial training • Gradient of performance predictor is effective for updating the environment in an adversarial manner • EARL could be used to learn policies for complicated tasks • Method presented for increasing difficulty, but decreasing difficulty is an open question • Future work will test EARL on more environments with other baseline RL algorithms for the inner-loop
对抗传染病的范式转变
摘要：长期以来，传染病对全球健康构成了重大威胁，并需要在治疗方法中持续创新。然而，最近的开创性研究揭示了疾病发病机理（人类微生物组的发病机理）的先前被忽视的参与者。本评论文章介绍了微生物组和传染病之间的复杂关系，并揭露了其作为宿主 - 病因相互作用的关键介体的作用。我们探讨了利用这一动态生态系统的巨大潜力，以制定可能彻底改变传染病管理的创新治疗策略。通过探索最新的进步和新兴趋势，本综述旨在通过针对微生物组来打击传染病。
共轨对抗空间系统
主席、不限成员名额工作组成员、民间社会参与者和秘书处，大家早上好！感谢你们邀请我参加这些讨论，并让我有机会分享我对太空安全问题的看法。太空竞争并不是什么新鲜事。自 1957 年世界上第一颗人造卫星 Sputnik-1 发射以来，竞争就一直存在。但几十年来，这种竞争发生了变化，而且愈演愈烈。太空军事化是我们在过去几十年中讨论过的问题——事实上，世界上大多数军队都将太空用于他们所谓的被动军事行动，例如 ISR（情报、监视和侦察）。但今天，这并不是真正的担忧。许多缔约国确实在将外层空间武器化，这使得外层空间变得极其脆弱。将太空纳入军事行动会产生严重后果。这是一条危险的道路，因为如果一个国家决定走上这样的武器化道路来保护自己，它就会迫使其他国家也这么做。最终结果对每个人都是负面的，原因有几个。第一，太空本质上是有限的；可用的轨道本质上是有限的。如果大量国家决定走这条路，就会污染太空，超出可用范围。已经拥挤不堪的太空将变得更加拥挤，太空物体和太空垃圾在过去十年中呈指数级增长。正如国防情报局最近的报告所述，太空发生碰撞的可能性大大增加。报告称，“由于太空发射次数增加（尤其是搭载多个有效载荷的发射），以及碰撞、电池爆炸和进一步的反卫星试验事件造成的持续碎片化，近地轨道 (LEO) 上大型废弃物体发生碰撞的可能性正在增加，而且几乎肯定会持续到至少 2030 年。” 第二，这些行动将对太空的长期可持续性产生负面影响，甚至可能在中期内无法进入太空。采取此类行动并不能保证安全、可靠和持续进入太空。尽管由于太空拥挤的性质可能会发生许多卫星中断，但日益加剧的地缘政治竞争（尤其是在印度太平洋地区和全球范围内）增加了各国故意发动攻击的可能性，以此来否认通过太空获得的优势（尤其是在冲突期间）。在地缘政治竞争的推动下，我们正在走向新生的外层空间军备竞赛。这些可能表现为使用网络和电子战等反太空能力进行的一系列攻击，但在未来，使用反卫星系统或共轨系统的可能性似乎越来越大，所有这些都使安全、可靠和不间断地进入外层太空变得更加困难。
有条件的生成对抗网络 - ...
摘要在收成期间缺乏遥感图像在估计农作物产量方面构成了重大挑战。这项研究通过使用条件生成对抗网络的基于病例的推理框架（CGANA-CBR）来克服这一挑战，以在收获期间生成农田的遥感图像。具体来说，该研究使用CGANA-CBR模型生成农田的遥感图像，然后使用这些生成的图像来补充缺乏收获周期数据的真实遥感图像，从而实现了数据增强。随后，训练了卷积神经网络（CNN）模型，以提高平均产量预测的准确性。结果表明，与仅在实际远程感应数据中训练的基线CNN模型相比，RMSE的CNN模型同时结合了实际数据和CGANA-CBR生成的数据，其平均降低为6.3％。研究还发现，训练持续时间和使用的数据量显着影响模型性能，这表明需要在该领域进行进一步研究。
arf：对抗随机森林
描述对抗随机森林（ARFS）将数据递归分配到完全分解的叶子中，其中特征是共同独立的。该过程是迭代的，具有交替的发电和歧视。数据在每一轮中都变得越来越现实，直到无法可靠地区分原始和合成样品为止。这对于几个无监督的学习任务（例如密度估计和数据综合）很有用。两者的方法都在此软件包中实现。ARF自然处理混合连续和分类协变量的非结构化数据。他们继承了随机森林的许多好处，包括速度，灵活性和稳定的性能和默认参数。有关详细信息，请参见Watson等。（2023）。