XiaoMi-AI文件搜索系统
World File Search System并不一定
感谢您有机会对美国国家标准与技术研究所 (NIST) 就响应 NIST 行政命令 14110（第 4.1、4.5 和 11 节）下的任务的草案文件征求意见，特别是 NIST AI 6001，人工智能风险管理框架：生成人工智能概况 提供意见。此处表达的意见反映了约翰霍普金斯大学健康安全中心的想法，并不一定反映约翰霍普金斯大学的观点。
我们请 NIST 参阅《国际先进人工智能安全科学报告：中期报告》（中期报告）第 4.1.4 节“双重用途科学风险”，其中描述了双重用途科学风险所带来的当前和未来能力，我们认为这很好地反映了生物风险的威胁形势 2，以及我们对当前语言仅限于“CBRN 信息”的担忧。当前的能力不仅限于“增加获取信息的渠道”，因为 NIST 已在 AI 6001 中限制了 CBRN 风险，还扩展到“增加获取实践专业知识的渠道”和“增加能力上限”。3 未来的能力还可能包括模型能力的进步、通用人工智能系统与狭义人工智能工具的集成以及通用人工智能与自动化实验室设备的集成。这些都可能比仅仅“简化信息获取”更令人担忧，我们担心 NIST AI 6001 尚未描述可能从 GAI 工具中出现的生物威胁的性质和规模。关注信息风险很重要但还不够，本文件和 NIST 其他文件的重点应包括 GAI 未来可能产生的一系列 CBRN 能力风险。
在治疗不可切除的神经内分泌肿瘤时，实现客观反应并不一定意味着比实现客观反应更长的进展时间。
最佳。它缺乏标准化，并且基于一两个放射科医生对肿瘤状态的整体印象。因此，它不适用于治疗试验或重现其他研究人员的结果。然而，我们的结果表明，非常需要对神经内分泌肿瘤反应变化更敏感的放射学反应评估系统。随着当今放射学程序的高分辨率，人们可以争辩说，用于对 RECIST 中不同总体反应组进行分类的阈值可以重新定义。例如，目标病变直径总和增加 5% 而不是 20% 可以定义进行性疾病。肿瘤密度降低作为影响