XiaoMi-AI文件搜索系统
World File Search System极端主义
打击恐怖主义和暴力极端主义国家战略概述
描述 极端主义 存在于社会大部分群体广泛接受的信仰体系之外的宗教、社会或政治信仰体系，往往被社会大部分群体视为令人反感的。极端意识形态可能寻求从根本上改变政府、宗教或社会的性质，或建立一个以他们的意识形态为基础的社会。 暴力极端主义 为从根本上改变政府、宗教或社会的性质而对暴力进行辩护。这种暴力行为通常针对被视为威胁暴力极端分子成功或生存或破坏其世界观的团体。 恐怖主义 根据新西兰法律，恐怖主义行为是指出于意识形态、政治或宗教动机的行为，包括造成死亡或严重身体伤害的行为，目的是在民众中引起恐慌，或迫使政府做或不做某些事情。
预防脆弱国家的极端主义：一种新方法
工作组感谢美国国会，特别是参议员林赛·格雷厄姆赋予其这一重要使命。工作组非常感谢美国和平研究所和两党政策中心的支持，这项工作建立在这两家机构的早期工作基础之上。如果没有高级顾问慷慨提供的深厚专业知识、时间投入和指导，工作组的工作不可能实现。美国和平研究所的许多专家也贡献了自己的知识来指导我们的工作。此外，工作组希望感谢在工作组审议过程中提供宝贵建议和反馈的许多机构和个人。其中包括美国政府代表、外国政府官员、国际组织、研究机构、非营利组织和私营部门组织。特别值得一提的是，工作组非常感谢七国集团秘书处、国际和平建设与国家建设对话秘书处、阿斯彭部长论坛秘书处、和平建设联盟秘书处、布鲁金斯学会秘书处、国际行动组织秘书处、国际共和研究所秘书处、国家民主研究所秘书处和预防项目秘书处允许工作组提出其想法并提供宝贵的反馈意见。
2013 年捷克共和国境内极端主义报告
1. 简介 2013 年捷克共和国境内极端主义和相关现象报告是根据 2012 年 5 月 15 日政府第 353 号决议提交的。与 2012 年的报告不同，由于更加清晰，本报告与概念材料分开提交。对 2013 年打击极端主义构想和 2014 年打击极端主义构想的评估包含在单独的文件中。该文件并未涵盖所有种族主义和仇外表现，这些表现归因于非极端主义团体成员或同情者的个人。涵盖国家甚至地区层面的所有种族主义和仇外行为、行动或言论，超出了该文件的范围，也超出了内政部所认为的极端主义问题本身的范围。本文件的主要目的是描述被内政部视为极端主义的实体的活动。本报告的作者是内政部。源材料是通过情报部门、捷克共和国警察、政府行政部门的其他部门、司法部、外交部、国防部和最高检察院的代表获得的。观众暴力，即流氓行为，是内政部议程中的一个单独主题。有关流氓行为的相关文件和报告
针对关键基础设施的暴力极端主义袭击阴谋......
乔治华盛顿大学的极端主义项目对与暴力和非暴力极端主义有关的问题进行了分析。该项目引领创新和深思熟虑的学术研究，开展实证研究，加强极端主义研究作为一个独特的研究领域。该项目旨在制定务实的政策解决方案，引起政策制定者、民间领袖和公众的共鸣。本文中的观点和结论均为作者的观点和结论，不应被解释为必然代表美国国土安全部或乔治华盛顿大学的官方政策（无论是明示的还是暗示的）。本材料基于美国国土安全部资助的资助项目（资助编号 20STTPC00001-01）。
男子气概与暴力极端主义 - XY online
性别研究的巨大成功有赖于三个发展：（1）让女性的生活变得可见，这也意味着让所有性别都更加可见；（2）坚持交叉性，从而使性别类别复杂化；（3）分析性别的全球和地方迭代之间的紧张关系。通过文本分析和基于人文的文化表征研究，以及态度和行为的文化研究，我们开始看到性别在现代生活结构中的核心地位。本系列涵盖了学术上的这些进步，并将它们应用于男性的生活：对男性生活进行性别划分，探索男性生活的丰富多样性——全球和地方、文本和实践——以及男性在阶级、种族、性取向和年龄方面的差异。
2025 年恐怖主义和暴力极端主义战略
澳大利亚必须对澳大利亚国内和本地区导致暴力极端主义和恐怖主义的动态保持警惕。2024 年 8 月 5 日，国家恐怖主义威胁等级重新升至“可能”，这反映了我们复杂多变的社会、政治和安全环境。澳大利亚必须对不断变化的安全形势做出反应。有效的预防是我们最好的防御。第一步，这意味着在我们的社区内建设能力，以防范暴力极端主义的威胁。第二个关键步骤侧重于及早识别、干预和转移受极端主义思想驱使而走上暴力道路的个人。这需要加强对高危青年的支持，并加强政府、社区、学术界和行业之间的伙伴关系。
通过战略沟通预防暴力极端主义 (PVE)
暴力极端主义和恐怖主义行为本质上是一种旨在影响行为的暴力传播形式。因此，旨在预防和打击暴力极端主义的利益相关者在袭击发生后能够进行有效沟通以限制恐怖分子传播的战略效力至关重要。
生成式人工智能对网络恐怖主义和极端主义影响的思考
大量人工书写的文本。LLM 旨在通过学习在特定上下文中预测下一个单词来流畅地响应用户提示。有了这个目标，它们可以用来生成各种各样的内容，从电子邮件信息和营销文案到有说服力的论点和宣传单张。重要的是，这种流畅性并不代表对内容有深入的理解，而且 LLM 很容易编造东西（这种现象被称为幻觉）。由于 LLM 在训练过程中开发了语言表达的复杂内部表示，因此模型可以对文本输入做出有说服力的响应。这使得 LLM 可以很容易地应用于各种自然语言处理任务，如文本分类、摘要和翻译。LLM 也经过训练并用于多模式任务，例如根据图像撰写故事，公司将继续改进这些模型处理混合输入数据类型的能力。