XiaoMi-AI文件搜索系统
World File Search System稳健性
达拉斯警察和消防养老金系统和雇员退休基金：资金稳健性更新和讨论
• 截至 2022 年 1 月 1 日，预计 DPFP 将在 68 年内获得全额资助 • 截至 2022 年 12 月 31 日，预计 ERF 将在 51 年内获得全额资助 • 公共退休系统的管理机构（董事会）和相关政府实体（赞助商）需要制定资金稳健恢复计划 (FRSP)，以满足 30 年摊销要求 • 根据德克萨斯州政府法典第 802 章的规定，DPFP 和 ERF 的 FRSP 必须在 2025 年 9 月 1 日之前提交给 PRB*
人工智能稳健性地平线欧洲提案与评估
为了促进在为人类服务的关键和新兴技术领域的工业领导地位，共同规划的人工智能、数据和机器人伙伴关系将推动以人为本、值得信赖、安全和强大的技术的发展，这些技术将推动新市场和应用，并符合欧洲的道德标准和价值观。一项专门行动还将研究人工智能和相关技术的人文部署。
基于面板方法的城市空中交通路径规划稳健性的实验评估
垂直起降 (VTOL) 飞行器为人口密集城市的地面交通拥堵问题提供了一种有希望的解决方案。利用低排放飞机在短距离内运送人员和货物可以为未来的交通运输做出贡献，并减少与交通运输相关的排放。研究机构、老牌公司和初创公司正在研究此类飞机的可能配置，并正在研究将其整合到现有的交通系统中以及空中交通运输解决方案的市场潜力。[ 1 – 4 ]。拥有能够生成无碰撞路径的完全自动驾驶汽车不仅可以增加城市空域的容量，还可以减少城市空中交通管理工作量 [ 5 ]。因此，城市环境中的路径规划是一个需要解决的重要问题。此外，
Maestro：一个用于教授人工智能稳健性的游戏化平台
尽管预防人工智能漏洞对于保护用户和企业的安全和隐私至关重要，但全球范围内的稳健人工智能教育工具仍未得到充分开发。我们介绍了 Maestro 的设计、实施和评估。Maestro 是一个有效的基于游戏的开源平台，有助于推动稳健人工智能教育的发展。Maestro 提供了基于目标的场景，让大学生在竞争激烈的编程环境中接触到具有挑战性的、充满生活灵感的作业。我们评估了 Maestro 对学生在稳健人工智能方面的参与度、积极性和学习成功的影响。这项工作还深入了解了促进稳健人工智能领域主动学习机会的在线学习工具的设计特点。我们分析了 147 名本科生在两门季度人工智能课程中使用 Maestro 的反思反应（以李克特量表衡量）。根据结果，那些觉得在鲁棒人工智能中获得了新技能的学生往往高度赞赏 Maestro，并且在鲁棒人工智能的材料整合、好奇心和掌握方面得分很高。此外，排行榜是 Maestro 中的关键游戏化元素，它有效地促进了学生的参与和学习。结果还表明，Maestro 可以有效地适应任何课程长度和深度，而不会降低其教育质量。
检测、稳健性、归因和缓解
在演讲中，我将介绍我的实验室在人工智能、应用机器学习和数据挖掘方面的最新进展，以打击网络和社交媒体平台上的恶意行为者（傀儡、逃避禁令者等）和危险内容（错误信息、仇恨等）。我的愿景是为每个人创建一个值得信赖的在线生态系统，并创建下一代促进健康、公平和安全的社会意识方法。总的来说，在我的研究中，我创建了新颖的图形、内容（NLP、多模态）和对抗性机器学习方法，利用 TB 级数据来检测、预测和缓解在线威胁。我的跨学科研究创新了社会技术解决方案，这些解决方案是我通过将计算机科学与社会科学理论相结合而实现的。我也热衷于将我的研究付诸实践——我实验室的模型已经部署在 Flipkart 上，影响了 Twitter 的 Birdwatch，现在正在部署在维基百科上。我的研究开启了范式转变，从当前缓慢而被动的应对网络危害的方法转向敏捷、主动和全社会的解决方案。我的演讲将概述我研究的四个重点：（1）跨平台、语言和模式检测有害内容和恶意行为者：我的研究超越了研究“推特上的英文文本”的标准实践，旨在解决解决跨平台（Micallef 等人，2022 年）、语言（Verma 等人，2022b 年）和模式（Verma 等人，2022b、c）（图像、视频、文本）根深蒂固的基本问题的巨大挑战。 (2) 通过预测未来的恶意活动，增强检测模型对敌对行为者的鲁棒性：我的工作是通过开发第一种对抗性学习技术来突破界限，以主动预测对手行为来欺骗检测模型。接下来，我们提高模型对操纵的鲁棒性。我的实验室调查了部署在一些最大平台上的模型的漏洞：Facebook 的 TIES 坏人检测器（He、Ahamad 和 Kumar 2021）、Twitter 的 Birdwatch 错误信息检测器（Mujumdar 和 Kumar 2021）和维基百科的禁令逃避（Niverthi、Verma 和 Kumar 2022）。(3) 归因于有害内容的影响和推荐系统的作用：我的实验室创建了数据驱动的技术来确定网络危害对
全球航空运输前景弹性较大，但稳健性较差
利率长期处于低位的原因部分与全球储蓄过剩有关，即货币供应量（储蓄）超过需求（投资），从而推低了货币价格（利率）。我们可以通过查看经常账户余额来了解各国储蓄过剩或不足的情况。经常账户盈余表明储蓄过剩，而赤字则需要通过从国外借款来弥补。由于中国是世界制造业中心，因此一直是全球经济的重要债权国。2007 年，中国经常账户盈余占 GDP 的 10%（图 4）。然而，这一比例在疫情爆发前下降到不到 1%，此后又恢复到 2.3% 的盈余。这可能是中国努力向国内消费驱动型经济转型以实现更可持续和平衡增长的结果。
AI维护：稳健性视角
摘要 — 随着机器学习 (ML) 方法和计算资源的进步，人工智能 (AI) 赋能系统正在成为一种主流技术。然而，当前的人工智能技术（例如深度学习）并非完美无缺。当缺乏可信度和透明度时，模型复杂性和数据规模的显着增加会带来更大的挑战，这可能会产生新的风险和负面影响。在本文中，我们从稳健性的角度出发，对人工智能维护进行了阐述。我们首先介绍人工智能生命周期中一些突出的稳健性挑战，并通过类比汽车维护来激励人工智能维护。然后，我们提出了一个人工智能模型检查框架来检测和减轻稳健性风险。我们还从车辆自动驾驶中汲取灵感，以定义人工智能稳健性自动化的水平。我们的 AI 维护建议有助于在整个 AI 生命周期中进行稳健性评估、状态跟踪、风险扫描、模型强化和监管，这是构建可持续和值得信赖的 AI 生态系统的重要里程碑。
基于可再生能源管理的分散式 TSO-DSO 协调电压调节——敏感性和稳健性分析
可再生能源 (RES) 在配电网中的日益普及已将传统电压调节推向极限。为了在这种新环境下开发先进的电压控制技术，需要在输电系统运营商 (TSO) 和配电系统运营商 (DSO) 之间进行充分且实时的协调和通信。本文提出了一种分散的 TSO-DSO 协调方法，用于在 DSO 边界内调度和部署最佳无功功率交换，从而改善 TSO 网络中的电压控制。所提出的方法通过标准化业务用例 (BUC) 实现。通过在国际电工委员会 (IEC) 通用信息模型 (CIM) 标准系列 IEC61970、IEC61968 和 IEC62325 的框架内设计和开发 BUC，解决了 TSO、DSO 和其他利益相关者之间的互操作性。鉴于缺乏现场试点测试，所提出的标准化 BUC 在真实的斯洛文尼亚 TSO 和 DSO 网络上进行了演示。本文介绍的模拟实验有两个方面。一方面，基于标准化 BUC 的所提出的数据交换机制证明了以 CIM 通用电网模型交换标准 (CGMES) 格式在 TSO、DSO 和其他利益相关者（例如重要电网用户 (SGU) 和电表运营商）之间成功交换数据的可行性。另一方面，通过对不同网络拓扑、DG 运行场景和电容器组的大小和位置进行灵敏度和稳健性分析，验证了所提出的分散式 TSO-DSO 协调方法通过管理不同 RES（例如电容器组和不同的分布式发电机 (DG)，即水电、光伏 (PV) 和热电联产单元）注入的无功功率来调节高压 (HV) 的能力。模拟结果表明，所提出的方法可以管理分布式发电，使其贡献额外的（正或负）无功功率，以减少电网中的电压偏差，通过减少从 TSO 到 DSO 网络的无功功率流动（反之亦然）来改善 DSO 边界的电能质量，并将高压电压保持在安全值内。不幸的是，对于电容器组来说情况并非如此，所提出的方法管理其注入的无功功率以调节高压电压的能力高度依赖于其大小和位置，需要根据具体情况进行研究。
2D NC-FET 中负电容的短沟道稳健性 Yuh-Chen Lin 1、G. Bruce Rayner 3、Jorge Cardenas 1 和 Aaron D.
5 TS Böscke、J Müller、D Bräuhaus、U Schröder 和 U Böttger，《应用物理快报》99 (10), 102903 (2011)。 6 Uwe Schroeder、S Mueller、Johannes Mueller、Ekatarina Yurchuk、D Martin、Christoph Adelmann、Till Schloesser、Ralf van Bentum 和 Thomas Mikolajick，ECS 固体科学与技术杂志 2 (4)，N69 (2013)。 7 H Alex Hsain、Younghwan Lee、Gregory Parsons 和 Jacob L Jones，《应用物理快报》116 (19)、192901 (2020)。 8 Johannes Muller、Tim S Boscke、Uwe Schroder、Stefan Mueller、Dennis Brauhaus、Ulrich Bottger、Lothar Frey 和 Thomas Mikolajick，《纳米快报》12 (8)，4318 (2012)。9 Yuh-Chen Lin、Felicia McGuire 和 Aaron D Franklin，《真空科学与技术 B 期刊》，《纳米技术和微电子学：材料、加工、测量和现象》36 (1)，011204 (2018)。10 Justin C Wong 和 Sayeef Salahuddin，《IEEE 会议纪要》107 (1)，49 (2018)。 11 C Zacharaki、P Tsipas、S Chaitoglou、EK Evangelou、CM Istrate、L Pintilie 和 A Dimoulas，《应用物理快报》116 (18), 182904 (2020)。 12 Zoran Krivokapic、U Rana、R Galatage、A Razavieh、A Aziz、J Liu、J Shi、HJ Kim、R Sporer 和 C Serrao，在 2017 年 IEEE 国际电子器件会议 (IEDM) 上发表，2017 年（未发表）。 13 Shen-Yang Lee、Han-Wei Chen、Chiuan-Huei Shen、Po-Yi Kuo、Chun-Chih Chung、Yu-En Huang、Hsin-Yu Chen 和 Tien-Sheng Chao，IEEE 电子器件快报 40 (11), 1708 (2019)。 14 Sujay B Desai、Surabhi R Madhvapathy、Angada B Sachid、Juan Pablo Llinas、Qingxiao Wang、Geun Ho Ahn、Gregory Pitner、Moon J Kim、Jeffrey Bokor 和 Chenming Hu，Science 354 (6308), 99 (2016)。15 Amirhasan Nourbakhsh、Ahmad Zubair、Redwan N Sajjad、Amir Tavakkoli KG、Wei Chen、Shiang Fang、Xi Ling、Jing Kong、Mildred S Dresselhaus 和 Efthimios Kaxiras，Nano letters 16 (12), 7798 (2016)。16 Felicia A McGuire、Zhihui Cheng、Katherine Price 和 Aaron D Franklin，Applied Physics Letters 109 (9), 093101 (2016)。 17 Felicia A McGuire、Yuh-Chen Lin、Katherine Price、G Bruce Rayner、Sourabh Khandelwal、Sayeef Salahuddin 和 Aaron D Franklin，《Nano Letters》17 (8)，4801 (2017)。18 Yuh-Chen Lin、Felicia McGuire、Steven Noyce、Nicholas Williams、Zhihui Cheng、Joseph Andrews 和 Aaron D Franklin，《IEEE 电子设备学会杂志》7，645 (2019)。19 Mengwei Si、Chun-Jung Su、Chunsheng Jiang、Nathan J Conrad、Hong Zhou、Kerry D Maize、Gang Qiu、Chien-Ting Wu、Ali Shakouri 和 Muhammad A Alam，《自然纳米技术》13 (1)，24 (2018)。 20 Amirhasan Nourbakhsh、Ahmad Zubair、Sameer Joglekar、Mildred Dresselhaus 和 Tomás Palacios，纳米尺度 9 (18), 6122 (2017)。 21 Girish Pahwa、Amit Agarwal 和 Yogesh Singh Chauhan，IEEE Transactions on Electron Devices 65 (11), 5130 (2018)。 22 Daewoong Kwon、Korok Chatterjee、Ava J Tan、Ajay K Yadav、Hong Zhou、Angada B Sachid、Roberto Dos Reis、Chenming Hu 和 Sayeef Salahuddin，IEEE 电子设备快报 39 (2)、300 (2017)。 23 Daewoong Kwon、Suraj Cheema、Nirmaan Shanker、Korok Chatterjee、Yu-Hung Liao、Ava J Tan、Chenming Hu 和 Sayeef Salahuddin，IEEE Electron Device Letters 40(6)，993 (2019)。 24 Junichi Hattori、Koichi Fukuda、Tsutomu Ikegami、Hiroyuki Ota、Shinji Migita、Hidehiro Asai 和 Akira Toriumi，《日本应用物理学杂志》57(4S)，04FD07 (2018)。
CAISAR：用于表征人工智能安全性和稳健性的平台
摘要 我们介绍了 CAISAR，这是一个正在积极开发的开源平台，用于表征 AI 系统的稳健性和安全性。CAISAR 通过使用 WhyML（Why3 验证平台的成熟且富有表现力的语言）为定义验证问题提供了统一的切入点。此外，CAISAR 协调并组合了最先进的机器学习验证工具，这些工具单独使用时无法有效地处理所有问题，但集体使用时可以覆盖越来越多的属性。我们的目标是一方面通过减轻选择针对特定验证问题的方法的负担来协助 V&V 过程，另一方面通过在一个平台上分解有用的功能（可视化、报告生成、属性描述）来协助工具开发人员。CAISAR 即将在 https://git.frama-c.com/pub/caisar 上线。