XiaoMi-AI文件搜索系统
World File Search System用户级
用户级差分私有随机凸优化
我们在用户级别的隐私下研究了差异化私有随机凸优化（DP-SCO），每个用户可以持有多个数据项。用户级DP-SCO的现有工作要么需要超多项式运行时[Ghazi等，2023b]，要么要求用户数量在问题的维度上以额外的严格影响[Bassily and Sun，Sun，2023]在问题的维度上生长。我们为用户级DP-SCO开发了新的算法，这些算法在多项式时间内获得了凸面和强烈凸功能的最佳速率，并要求用户数量仅在维度上对数增长。我们的算法是第一个在多项式时间内获得非平滑函数的最佳速率。这些算法基于多通道DP-SGD，与集中数据的新型私人平均估计程序合并，该过程在估算梯度的平均值之前对较高的删除步骤进行了分类。
基于 Web 的交互式电子技术架构...
本文提出了一种基于 Web 的架构概念，用于实现 DoD 交互式电子技术手册的用户级互操作性，以便最终用户仅使用一个电子显示设备和一组通用的浏览器软件即可查看任何 DoD IETM，无论其来源如何。所提出的特定解决方案是由为海军进行的一项研究开发的；但是，本文还讨论了将海军架构扩展到整个 DoD 的努力。国防部的努力由国防部助理副部长（后勤改造和现代化）授权的三军团队承担。该架构是根据联合后勤指挥官的要求开发的，该要求指出 IETM 的非互操作性是开展联合行动的主要障碍。
AI 和个性化 - UW 教师网络服务器
根据人口统计数据细分为高度个性化的策略，其中每个消费者都根据在高维用户级可观察数据上训练的复杂模型获得治疗。因此，公司的个性化能力高度依赖于他们区分个体的能力。我们假设公司可以根据特征向量 X i 区分个体，该特征向量表示与用户/观察 i 相关的特征。这可以包括任何个人级别的特征，例如人口统计数据或个人的行为历史（可以包括用户对公司过去营销活动的反应）。此外，让公司的行动集 W 表示公司可以选择的行动集，让 Y i 成为公司寻求优化的感兴趣结果。然后，公司的目标是为每个用户 i 选择一个动作 W i ，以便最大化该用户的预期结果，即 E ( Y i | X i , W i )。例如，在上面的促销示例中，折扣金额可以解释为动作，而购买的美元价值可以是公司感兴趣的结果。我们现在使用此符号来定义个性化政策或策略，如下所示：
针对个人智能设备的实用低成本故障注入攻击
摘要：传统上，故障攻击被认为是一种威胁模型，该模型假设被测设备由攻击者拥有。我们提出了该模型的变体。在我们的模型中，攻击者将故障注入电路集成到恶意的现场可更换单元 (FRU) 中，受害者随后将其放置在靠近自己设备的位置。包含 FRU 的设备示例包括路由器中的接口卡、手机中的触摸屏和传感器组件、打印机中的墨盒、健康传感器中的电池等。FRU 通常由售后维修技术人员安装，而无需正确验证其真实性，先前的研究表明，它们可以用作对智能设备的隐私和完整性进行各种攻击的载体。我们设计并实现了一种适合放置在恶意 FRU 内的低成本故障注入电路，并展示了如何通过组合硬件-软件方法使用它从特权系统进程中实际提取机密，即使攻击者软件应用程序仅具有用户级权限。我们的原型可以产生高效且可重复的攻击，尽管其成本比常用的故障注入分析实验室设置低几个数量级。这种威胁模型允许远程执行故障攻击，即使被测设备在受害者手中。结合纯软件故障攻击的最新进展，我们认为应该将对故障攻击的抵抗力内置到其他类型的设备中。
大数据驱动和基于人工智能的框架实现无线网络的个性化
当前的通信网络使用的设计方法阻碍了实现最大网络效率。首先，虽然用户对满意服务的感知差异很大，但当前的网络设计为“通用”，通常过度设计以提供吸引所有类型用户的服务。此外，当前的网络缺乏用户级数据认知智能，无法通过自动化实现快速个性化的网络决策和行动。因此，在本文中，我们建议利用人工智能、大数据分析和实时非侵入式用户反馈来实现无线网络的个性化。根据每个用户的实际 QoS 要求和环境，多目标公式使网络能够同时微观管理和优化所提供的 QoS 和用户满意度水平。此外，为了实现用户反馈跟踪和测量，我们提出了一个基于容忍区概念的用户满意度模型。此外，我们提出了一个大数据驱动和基于人工智能的个性化框架，将个性化融入无线网络。最后，我们通过案例研究实现了一个个性化网络原型，以展示所提出的个性化概念及其潜在优势。案例研究展示了如何实现个性化，从而实现网络资源的有效优化，从而实现一定要求水平的用户满意度和以节省资源的形式实现的收入。
对话式人工智能中基于搜索的自学习查询重写系统
查询重写 (QR) 是一种越来越重要的技术，可用于减少对话式 AI 系统中的用户摩擦。用户摩擦是由各种原因造成的，包括自动语音识别 (ASR)、自然语言理解 (NLU)、实体解析 (ER) 组件中的错误或用户的口误。在这项工作中，我们提出了一个基于搜索的自学习 QR 框架：基于用户反馈搜索的查询重写系统 (UFS-QR)，该系统专注于自动减少大规模对话式 AI 代理的用户摩擦。所提出的搜索引擎在全球用户和个人用户级别上运行，将语义嵌入、NLU 输出、查询流行度和估计的摩擦统计数据用于检索和排名过程。为了构建索引并训练检索/排名模型，我们采用了一种基于自学习的方法，利用从用户历史交互中学习到的隐式反馈。我们通过对 Amazon Alexa 用户流量进行离线和在线 A/B 实验，证明了在没有任何注释数据的情况下训练的 UFS-QR 系统的有效性。据我们所知，这是第一个部署的自学习和基于搜索的二维码系统，用于对话式人工智能中自动减少摩擦的一般任务。
2021 - 2031 战略 - BIPM
执行摘要 声学、超声和振动咨询委员会成立于 1999 年，旨在确保以统一和适当的方式实现和传播与声音和加速度计量相关的数量。尽管 CCAUV 支持的测量单位不是国际单位制 (SI) 的基本单位，但它们与公共安全、健康和国家安全有直接关系。CCAUV 进行关键比较，以支持与空气和水中的声音、超声波和基于正弦和冲击激励的加速度相关的测量。成员实验室还在区域层面进行比较，并通过参与和报告实验室之间的双边比较。CCAUV 在审查当前 CMC 方面没有过多的工作，但计划在未来采用基于风险的评估方法对其进行审查。咨询委员会级关键比对 (CCKC) 的规划过程需要仔细审议，以优化满足利益相关者需求所需的资源需求。一些成熟的关键比对 (KC) 现已达到重复 CCKC（通常以 10 年为周期）的阶段，以对其进行评估并扩大其校准范围。新兴 NMI 正在努力赶上校准能力，但是，其校准能力必须首先得到区域计量组织 (RMO) 的确认。在提出新的 CCKC 之前，CCAUV 的方法是进行试点比较，以审查其可行性、技术协议的充分性以及用于确定参考值的计算过程。由于 CCAUV 的利益相关者多种多样，只有充分遵循经认可和非认可的校准和测试实验室级别的二次校准以及用户级别的测量协议，才能保证对最终用户的可追溯性。我们的 KC 协议中引用了 IEC 和 ISO 提供的指南文件，供我们的利益相关者和用户遵循。因此，CCAUV 与 IEC 和 ISO 中的相关技术委员会 (TC) 以及职业安全、环境安全、交通当局以及其他需要的监管机构保持密切互动。
教程：用于心理健康护理的神经符号人工智能
在意识到早期干预对慢性精神健康 (MH) 患者的重要性后，用于心理健康 (MHCare) 的人工智能 (AI) 系统不断发展。社交媒体 (SocMedia) 成为支持寻求 MHCare 的患者的首选平台。没有社会耻辱感的同伴支持小组的建立使得患者从临床环境过渡到 SocMedia 支持的互动以获得快速帮助。研究人员开始探索 SocMedia 内容，寻找展示不同 MH 状况之间相关性或因果关系的线索，以设计更好的干预策略。基于用户级分类的 AI 系统旨在利用来自各种 MH 状况的不同 SocMedia 数据来预测 MH 状况。随后，研究人员创建了分类方案来衡量每种 MH 状况的严重程度。这种临时方案、工程特征和模型不仅需要大量数据，而且无法对结果进行临床上可接受和可解释的推理。为了改进 MHCare 的神经人工智能，需要注入临床医生在决策中使用的临床符号知识。神经人工智能系统在 MH 中的一种有影响力的用例是对话系统。这些系统需要分类和生成之间的协调，以促进对话代理 (CA) 中的人性化对话。当前具有深度语言模型的 CA 在其生成中缺乏事实正确性、医学相关性和安全性，这与无法解释的统计分类技术交织在一起。这个讲座式教程将展示我们对注入临床知识的神经符号方法的研究，以改善神经人工智能系统的结果，从而改善 MHCare 的干预措施：(a) 我们将讨论使用不同的临床知识创建专门的数据集来有效地训练神经人工智能系统。(b) 心血管疾病患者根据性别差异表现出不同的 MH 症状。我们将展示知识注入的神经人工智能系统可以识别此类患者中特定性别的 MH 症状。 (c) 我们将描述将临床过程知识注入启发式和约束式的策略，以改进语言模型来生成相关问题和答案。
2021 - 2031 年战略 - BIPM
执行摘要 声学、超声和振动咨询委员会成立于 1999 年，旨在确保以统一和适当的方式实现和传播与声音和加速度计量相关的数量。尽管 CCAUV 支持的测量单位不是国际单位制 (SI) 的基本单位，但它们与公共安全、健康和国家安全有直接关系。CCAUV 进行关键比较，以支持与空气和水中的声音、超声波和基于正弦和冲击激励的加速度相关的测量。成员实验室还在区域层面进行比较，并通过参与和报告实验室之间的双边比较。CCAUV 在审查当前 CMC 方面没有过多的工作，但计划在未来采用基于风险的评估方法对其进行审查。咨询委员会级关键比对 (CCKC) 的规划过程需要仔细审议，以优化满足利益相关者需求所需的资源需求。一些成熟的关键比对 (KC) 现已达到重复 CCKC（通常以 10 年为周期）的阶段，以对其进行评估并扩大其校准范围。新兴 NMI 正在努力赶上校准能力，但是，其校准能力必须首先得到区域计量组织 (RMO) 的确认。我们的 KC 协议中引用了 IEC 和 ISO 提供的指南文件，供我们的利益相关者和用户遵循。在提出新的 CCKC 之前，CCAUV 的方法是进行试点比较，以审查其可行性、技术协议的充分性以及用于确定参考值的计算过程。由于 CCAUV 的利益相关者多种多样，因此只有在充分遵循经认可和非认可的校准和测试实验室级别的二次校准以及用户级别的测量协议的情况下，才能保证对最终用户的可追溯性。因此，CCAUV 与 IEC 和 ISO 中的相关技术委员会 (TC) 以及职业安全、环境安全、交通当局以及其他需要的监管机构保持密切互动。