XiaoMi-AI文件搜索系统
World File Search System权衡
加密和硬件飞地之间的权衡
严格严格的隐私法规，例如，欧盟中的GDPR（一般数据保护法规）；和CCPA（加利福尼亚州消费者隐私法），以及导致大规模违规行为的复杂攻击增加了保护使用或使用加密的数据的需求。加密范式对于安全性很重要，因为静止的加密仅在数据中的数据中才能保护该数据仅在数据中的数据中才能在数据通过网络通过网络通信时保护数据。在两种情况下，数据在计算过程中都暴露在计算过程中，即在服务器使用/处理时。该处理窗口是在黑客或内幕攻击者手中发生许多数据泄露的时间。
改善兼容性与准确性之间的权衡
摘要。建模并与用户交互的 AI 系统可以随时间更新其模型，以反映新信息和环境变化。虽然这些更新可能会提高 AI 系统的整体性能，但实际上可能会损害单个用户的性能。先前的研究研究了更新后系统准确性的提高与更新后系统与先前用户体验的兼容性之间的权衡。模型越被迫与先前版本兼容，其准确性损失就越大。在本文中，我们表明，通过针对特定用户个性化损失函数，在某些情况下可以改善这些用户的兼容性-准确性权衡（在牺牲较少准确性的同时提高模型的兼容性）。我们提出的实验结果表明，这种方法平均而言提供了中等程度的改进（约 20%），但对于某些用户而言，改进幅度很大（高达 300%）。
重新审视失业交易权衡
JEL classification: D84, E24, E31, E32, J11 Key words: Phillips curve, unemployment, inflation, natural rate of unemployment, expectations _________________ Crump: Federal Reserve Bank of New York (email: richard.crump@ny.frb.org).Eusepi，午：德克萨斯大学奥斯汀分校（电子邮件：stefano.eusepi@austin.utexas.edu，aysegul.sahin@austin.utexas.edu）。 Giannoni：Barclays（电子邮件：mpgiannoni@gmail.com）。 马克·吉安诺尼（Marc Giannoni）在达拉斯联邦储备银行的雇员时为本文做出了贡献。 本文最初是在2021年1月3日关于“衡量失业差距”的ASSA会议上发表的。作者感谢Emmanuel Saez和Pascal Michaillat组织了会议，Regis Barnichon进行了讨论。 他们还要感谢他们的编辑里卡多·里斯（Ricardo Reis），匿名裁判，他们的讨论者乔迪·加里（JordiGalí）和乔纳森·哈泽尔（Jonathan Hazell）以及2022年JME-SNB-SCG会议的参与者。 此外，他们感谢爱德华·尼尔森（Edward Nelson）对历史通货膨胀动态解释的有益评论。 Jin Yan，Charles Smith和Ignacio Lopez Gaffney提供了出色的研究帮助。Eusepi，午：德克萨斯大学奥斯汀分校（电子邮件：stefano.eusepi@austin.utexas.edu，aysegul.sahin@austin.utexas.edu）。Giannoni：Barclays（电子邮件：mpgiannoni@gmail.com）。 马克·吉安诺尼（Marc Giannoni）在达拉斯联邦储备银行的雇员时为本文做出了贡献。 本文最初是在2021年1月3日关于“衡量失业差距”的ASSA会议上发表的。作者感谢Emmanuel Saez和Pascal Michaillat组织了会议，Regis Barnichon进行了讨论。 他们还要感谢他们的编辑里卡多·里斯（Ricardo Reis），匿名裁判，他们的讨论者乔迪·加里（JordiGalí）和乔纳森·哈泽尔（Jonathan Hazell）以及2022年JME-SNB-SCG会议的参与者。 此外，他们感谢爱德华·尼尔森（Edward Nelson）对历史通货膨胀动态解释的有益评论。 Jin Yan，Charles Smith和Ignacio Lopez Gaffney提供了出色的研究帮助。Giannoni：Barclays（电子邮件：mpgiannoni@gmail.com）。马克·吉安诺尼（Marc Giannoni）在达拉斯联邦储备银行的雇员时为本文做出了贡献。本文最初是在2021年1月3日关于“衡量失业差距”的ASSA会议上发表的。作者感谢Emmanuel Saez和Pascal Michaillat组织了会议，Regis Barnichon进行了讨论。他们还要感谢他们的编辑里卡多·里斯（Ricardo Reis），匿名裁判，他们的讨论者乔迪·加里（JordiGalí）和乔纳森·哈泽尔（Jonathan Hazell）以及2022年JME-SNB-SCG会议的参与者。此外，他们感谢爱德华·尼尔森（Edward Nelson）对历史通货膨胀动态解释的有益评论。Jin Yan，Charles Smith和Ignacio Lopez Gaffney提供了出色的研究帮助。Jin Yan，Charles Smith和Ignacio Lopez Gaffney提供了出色的研究帮助。
功率与能量以及电池设计的权衡
“在海运业，渡轮上经常会看到这些电池，”Gully 博士解释道。“这些船每天都会进行相同的航行。每次到达港口时，它们都必须快速充电；快速充电和高功率放电的工作周期非常艰难。”
向资源型转型过程中的协同作用与权衡......
本报告综合了一系列 OECD 报告中关于向资源高效型循环经济转型的见解，这些见解是 OECD“资源高效型循环经济”（RE-CIRCLE）项目的一部分。RE-CIRCLE 项目 (oe.cd/recircle) 由 Rob Dellink 和 Peter Börkey 协调，而 Elisa Lanzi（OECD 环境局）负责监督建模。该项目为资源效率和向循环经济转型提供政策指导。它旨在通过定量和定性分析，确定和量化资源高效型循环经济政策的影响，以指导 OECD 成员国和新兴市场经济体的一系列利益相关者。RE-CIRCLE 项目围绕两个互补的工作包构建，旨在提出合理的基于证据的政策建议。第一个工作流使用选定主题的定性分析来指导政策，以进一步向循环经济转型。第二个工作流使用全球环境经济模型来预测资源使用的影响和政策干预的效果。本政策文件利用 RE-CIRCLE 项目两个工作包的互补性，重点关注不同政策工具之间的协同作用和权衡。
在解释性和隐私之间进行权衡
摘要：随着AI的发展，了解复杂的AI决策背后的基本原理变得越来越重要。解释AI技术在揭开这些决策的神秘面前至关重要，提供了解释和传达AI驱动结果背后推理的方法和工具。然而，可解释的AI的兴起与保护敏感数据的必要性并列，从而导致加密技术在AI开发中的整合。本文探讨了AI中解释性和加密的复杂共存，呈现出一个困境，在这种困境中，寻求透明度与确保敏感信息的势在必行。矛盾在诸如同形加密之类的方法中尤为明显，在确保数据安全性的同时，它使为AI决策提供了清晰可解释的解释。讨论深入研究了这些方法的矛盾目标，调查了在Exable AI中使用隐私的方法的使用，并确定了未来研究的潜在方向。的贡献包括对当前可解释的AI方法中隐私注意事项的全面调查，一种模范用例，展示了可视化技术，可在安全环境中进行解释，并确定未来工作的途径。
PLL 中的抖动功率权衡
I. 引言 锁相环 (PLL) 抖动问题表现在各种系统中，特别是在通信和数据转换器中。近年来，有几种趋势导致了对低抖动的需求。首先，更高的数据速率使得链路中大多数阶段的时序预算收紧。其次，有线和无线媒体中可用的带宽有限，需要采用频谱高效的调制方案，这进一步限制了时钟和本地振荡器 (LO) 生成中可容忍的抖动。第三，随着模数转换器 (ADC) 以更高的速度和分辨率为目标，其采样时钟抖动必须相应下降。最先进的 PLL 设计已经在 5.5 GHz 至 16 GHz 频率下实现了 50 至 75 fs rms 范围内的抖动值 [1]–[6]。先前的研究 [7]–[10] 已经研究了 PLL 中的抖动现象。本文的目的是制定 PLL 抖动和功耗之间的权衡，并预测前者降低到 10 fs 以下时的设计问题。通过扩展 [11] 中的工作，我们得出了表明未来面临巨大挑战的趋势。第二节概述了当今理想的抖动值，第三节介绍了我们的分析框架。第四节讨论了振荡器相位噪声的影响，第五节还考虑了参考贡献。第六节涉及电荷泵 (CP) 噪声。第七节和第八节分别分析了抖动对 ADC 的影响以及可以减轻抖动功率权衡的因素。
