XiaoMi-AI文件搜索系统
World File Search System生成式
cx 革命：关于生成式人工智能领导力的采访
凯捷是全球领先的企业合作伙伴，通过利用技术的力量帮助企业转型和管理业务。集团每天都在以“通过技术释放人类能量，实现包容和可持续的未来”为目标。凯捷是一家负责任的多元化组织，拥有来自 50 多个国家的近 35 万名团队成员。凭借 55 年的悠久历史和深厚的行业专业知识，凯捷深受客户信赖，能够满足客户从战略、设计到运营的全方位业务需求，而云、数据、人工智能、连接、软件、数字工程和平台等快速发展和创新的世界正是其推动力。集团 2022 年的全球营收为 220 亿欧元。
科技点心：生成式人工智能
ChatGPT 模型使用预训练过程，该过程涉及预测缺失单词或单词序列中的下一个单词。此过程允许模型学习自然文本中单词之间的底层结构和关系，从而使其能够对提示生成连贯且像人类一样的响应。为了对 GPT 进行微调以用于像 ChatGPT 这样的对话聊天机器人任务，该模型随后在大量对话文本数据集上进行训练，其中输入输出对代表常见的对话轮次。该模型经过微调，可根据其对训练数据中的模式和关系的理解来预测对给定输入提示的最可能响应。
INFO 7375 生成式人工智能的快速工程
学术诚信：所有学生必须遵守大学的学术诚信政策，该政策可在学生行为和冲突解决办公室 (OSCCR) 的网站上找到，网址为 http://www.northeastern.edu/osccr/academicintegrity/index.html。请特别注意有关剽窃的政策。您可能知道，剽窃涉及将任何其他人的言语或想法视为自己的。无论您从何处获得这些想法 - 来自书籍，网络，同学还是母亲。无论您是直接引用来源还是改写来源；如果您不是这些词语或想法的创作者，您必须清楚明确地说明它们的出处。如果您在准备任何作业时有任何困惑或疑虑，请咨询导师，以便一起完成。您还可以在 NU 图书馆网站 http://www.lib.neu.edu/online_research/help/avoiding_plagiarism/ 上查阅“避免剽窃”指南。如果出现学术诚信问题，我们的一位讲师将与您讨论；如果讨论未能解决问题，我们将把问题提交给 OSCCR。
Political-RAG：使用生成式人工智能从媒体内容中提取政治信息
摘要：在数字时代，媒体内容对于政治分析至关重要，它们通过新闻文章、社交媒体帖子、演讲和报告提供宝贵的见解。自然语言处理 (NLP) 改变了政治信息提取 (IE)，使事件提取和情感分析等任务自动化。传统的 NLP 方法虽然有效，但通常针对特定任务，需要专业知识。相比之下，由生成人工智能 (GenAI) 驱动的大型语言模型 (LLM) 提供了更集成的解决方案。然而，特定领域的挑战依然存在，这导致了检索增强生成 (RAG) 框架的开发。RAG 通过整合外部数据检索来增强 LLM，解决了与数据可用性相关的问题。为了展示 RAG 的功能，我们介绍了 Political-RAG 系统，该系统旨在从媒体内容（包括 Twitter 数据和新闻文章）中提取政治事件信息。Political-RAG 系统最初是为事件提取而开发的，为开发各种复杂的政治 IE 任务奠定了基础。这些包括检测仇恨言论、分析冲突、评估政治偏见以及评估社会趋势、情绪和观点。
AWS 规范指导 - 生成式 AI 工作负载评估
# ........................................................................................................................................................... 35 A ........................................................................................................................................................... 36 B ........................................................................................................................................................... 39 C ........................................................................................................................................................... 41 D ........................................................................................................................................................... 44 E ........................................................................................................................................................... 48 F ........................................................................................................................................................... 50 G ........................................................................................................................................................... 52 H ........................................................................................................................................................... 53 I ........................................................................................................................................................... 54 L ........................................................................................................................................................... 56 M ........................................................................................................................................................... 58 O ........................................................................................................................................................... 62 P ........................................................................................................................................................... 64 Q ........................................................................................................................................................... 67 R ........................................................................................................................................................... 67 S ........................................................................................................................................................... 70 目录 ................................................................................................................................................................ 74 U ................................................................................................................................................................ 75 V ................................................................................................................................................................ 76 W ................................................................................................................................................................ 76 Z ................................................................................................................................................................ 77
红队生成式 AI/NLP、BB84 量子密码协议和 NIST 批准的抗量子密码算法
这项研究历时五年，深入探讨了这种融合对网络安全的影响，特别关注人工智能/自然语言处理 (NLP) 模型和量子加密协议，特别是 BB84 方法和特定的 NIST 批准算法。该研究利用 Python 和 C++ 作为主要计算工具，采用“红队”方法，模拟潜在的网络攻击来评估量子安全措施的稳健性。为期 12 个月的初步研究奠定了基础，本研究旨在在此基础上进行扩展，旨在将理论见解转化为可操作的现实世界网络安全解决方案。该研究位于牛津大学技术区，受益于最先进的基础设施和丰富的协作环境。该研究的总体目标是确保随着数字世界向量子增强操作过渡，它仍然能够抵御人工智能驱动的网络威胁。该研究旨在通过迭代测试、反馈集成和持续改进来促进更安全、量子就绪的数字未来。研究结果旨在广泛传播，确保知识惠及学术界和全球
增强生成式人工智能时代的多媒体完整性
人工智能和机器学习工具（包括生成模型和深度伪造技术）的广泛使用，使得任何人都可以以最小的努力、低成本和更高的真实感令人信服地创建和/或修改媒体。这种快速发展对传统验证方法构成了重大挑战，传统验证方法可能难以跟上这些技术日益复杂化和规模化的步伐。因此，验证方法的准确性和有效性受到越来越大的压力，使消费者更容易受到错误信息的攻击和影响。人工智能生成的媒体 1 的滥用也对组织构成了重大的网络威胁，包括通过冒充公司高管和使用欺诈性通信来访问组织的网络、通信和敏感信息。其中一些威胁在之前的联合网络安全信息表 (CSI) 中有所描述：将深度伪造对组织的威胁具体化。[3] 除了这些特定的威胁之外，人们对多媒体内容固有的普遍信任正在迅速消失。因此，加强信息完整性的需求从未如此迫切。 [4] 虽然水印等其他技术也可用于媒体出处，但内容凭证（尤其是持久内容凭证）才是本报告的重点2。
生成式人工智能的快速应用
生成式人工智能 (AI) 是一项潜在的重要新技术，但其对经济的影响取决于采用的速度和强度。本文报告了一系列具有全国代表性的美国调查结果，这些调查涉及生成式人工智能在工作和家庭中的使用情况。截至 2024 年底，美国 18-64 岁人口中近 40% 使用生成式人工智能。23% 的就业受访者在前一周至少使用过一次生成式人工智能进行工作，9% 的受访者每天使用生成式人工智能。相对于每种技术首次大规模上市的产品，生成式人工智能在工作中的采用速度与个人电脑 (PC) 一样快，总体采用速度比 PC 或互联网都快。在教育、职业和其他特征方面，生成式人工智能和 PC 具有非常相似的早期工作采用模式。目前，所有工作时间中有 1% 到 5% 由生成式人工智能辅助完成，受访者报告节省的时间相当于总工作时间的 1.4%。这表明，生成式人工智能可以大幅提高生产力。
利用生成式人工智能进行智慧城市和物联网数据收集
现代城市的快速城市化需要创新的数据收集和集成方法，以实现更智能的城市管理。物联网 (IoT) 是这些进步的核心，高效收集、分析和利用数据的能力变得至关重要。生成人工智能 (AI) 通过在互联系统中实现智能合成、异常检测和实时决策，彻底改变了数据收集方式。本文探讨了生成人工智能如何增强智能城市中物联网驱动的数据收集，重点关注交通、能源、公共安全和环境监测方面的应用。通过解决数据隐私、可扩展性和道德考虑等挑战，该研究强调了生成人工智能如何改变城市治理并为可持续和以公民为中心的发展铺平道路。本文讨论了主要趋势、案例研究和未来研究方向，展示了生成人工智能作为智能城市计划基石的潜力。