XiaoMi-AI文件搜索系统
World File Search System解释权
AI CUP 报名系统之报名流程 - T-Brain AI实战吧
(2) 加入队伍后将无法退出，加入前请三思！ (3) 队名不可含有 baseline 、特殊符号、不雅字、敏感字或政治意涵等相关 内容。 (4) 参赛队伍如违反上述规定，将取消其参赛资格。 (5) 若遇争议，主办单位保有活动最终解释权。
员工福利计划报告和披露指南
本指南并未反映所有 ERISA 报告和披露要求。例如，本指南并未重点关注《国内税收法典》或 ERISA 条款所要求的披露，而财政部和国税局 (IRS) 对此具有监管和解释权。有关 IRS 通知和披露要求的信息，请访问 IRS 网站 irs.gov/Retirement-Plans/Retirement-Plan- Reporting-and-Disclosure。本指南也没有重点关注 2021 年综合拨款法案增加的新披露要求。有关 2021 年综合拨款法案（包括《无意外法案》）的更多信息，请参阅 dol.gov/agencies/ebsa/laws-and-regulations/laws/no-surprises-act。
为什么解释算法决策的权利 - ...
企业越来越依赖于数据培训的决策规则集（即，通常称为“机器学习”的过程的输出）和几乎没有人类中间体的决策。在本文中，我们为算法决策产生了“解释权。”通常说，在数字时代，知情同意书已死这种负面的观点源于一种严格的理解，即假定知情同意是一项静态而完整的交易。这种观点是不够的，尤其是当数据以次要，非语义和不可预测的方式使用时，这是高级人工智能系统的不可避免的本质。我们认为，对知情同意的另一种观点（作为对不完整交易的信任的保证）允许理解为什么知情同意书的理由已经有权提交后解释的权利。
备用：使用ZKPS的机密模型进行操作说明
解释被视为通过使其透明的方式来增强对机器学习（ML）模型的信任的一种方式。尽管最初是一种调试工具，但现在也被广泛提议证明基于ML的社会应用预测公平和敏感性（Langer等人）（Langer等人，2021; Smuha，2019年； K a astner等。，2021;冯·埃辛巴赫（Von Eschenbach），2021年；勒本，2023年； Karimi等。，2020年； Wachter等。，2017年； Liao＆Varshney，2021年）和法规（解释权（Wikipedia con-trigutors，2025））。但是，如（Bordt等人，2022年），其中许多用例都在对抗性中是对抗性的，在这种情况下，参与方的利益不一致，并受到激励以操纵解释以实现其目的。例如，一家基于ML模型的预测拒绝向申请人贷款的银行有一个令人讨厌的人将无可争议的解释退还给申请人
关于人工智能就业问题的联合声明
• 提倡不歧视，特别是在平等机会、多样性和包容性问题方面； • 促进公平和不基于种族、性别、宗教或社会经济背景等一个或多个因素而做出偏见的决策； • 保护隐私和安全，人工智能系统中使用的个人数据的收集、存储和使用应合乎道德并符合数据隐私法规，也应符合监视、跟踪和监控方面的规定； • 确保人工智能系统的决策过程和影响的透明度和可理解性，允许人类监督、必要时干预，以及对使用算法或机器学习模型做出的决策的“解释权”； • 赋予人类权力和问责制，人类保留对人工智能系统的控制权并对其行为和结果负责； • 使工人具备人工智能素养； • 尊重人的尊严和自主权，不侵犯人权或自由，增强人的能力而不是取代它们； • 在人机交互中保护工人的安全。
对推荐系统的解释性的简短审查
抽象的人工智能，特别是机器学习和深度学习模型通常被认为是快速和高性能的，但总的来说，缺乏透明度和可解释性。在人工智能的整个广泛情况下，与解释性及其后果相关的问题变得越来越重要。要解决此问题，可以解释的AI，作为一组人工智能技术，能够使自己的决定更加透明和解释，以便用户理解该系统提供其结果，决策或在推荐系统的情况下的具体原因。在异质领域和环境中非常需要解释的人工智能，因为基于人工智能的系统的透明度，可解释性甚至是帐户能力的需求是最必要的，正如欧洲联盟2018年通用数据保护法规中最近的解释权所证实的那样。由于推荐系统在日常生活和业务领域的许多应用领域和情况中的扩散，因此系统不仅可以为人类决策者提供建议并简化组织中的决策过程，而且还可以提供正确的建议动机。本文总结了针对推荐系统的可解释人工智能的艺术状态研究的结果。我们将遵循文献中的主要评论，以介绍主要的工作，可解释的建议和方法。
可解释的人工智能可提高决策支持系统的透明度
人工智能 (AI) 被认为是一种先进的技术，可以以高精度和精确度协助决策过程。然而，由于依赖复杂的推理机制，许多 AI 模型通常被评价为黑匣子。这些 AI 模型如何以及为何做出决策的复杂性往往无法被人类用户理解，导致人们对其决策的可接受性感到担忧。先前的研究表明，缺乏以人类可理解的形式提供的相关解释会使最终用户无法接受这些决策。在这里，可解释 AI (XAI) 的研究领域提供了广泛的方法，其共同主题是研究 AI 模型如何做出决策或解释决策。这些解释方法旨在提高决策支持系统 (DSS) 的透明度，这在道路安全 (RS) 和空中交通流量管理 (ATFM) 等安全关键领域尤其重要。尽管不断发展，但 DSS 仍处于安全关键应用的发展阶段。 XAI 带来的透明度提高，成为使这些系统在实际应用中可行、解决可接受性和信任问题的关键推动因素。此外，根据欧盟委员会目前授予的解释权以及世界各地组织的类似指令，认证机构不太可能批准这些系统用于一般用途。这种将解释渗透到现行系统中的迫切愿望为以 DSS 为中心的 XAI 研究铺平了道路。
AFI 32-1044 可视空中导航系统 - CiteSeerX
本指令实施空军政策指令 (AFPD) 32-10《装置和设施》。它定义了美国大陆 (CONUS) 和支持空军飞行行动的海外地点的美国空军设施的所有目视空中导航设施的要求并制定了标准。空军土木工程中心作战局 (AFCEC/CO) 的机场照明系统工程师是本指令中包含的定义和指导的最终解释权人。在编程、设计、建造和安装目视空中导航系统和相关设施时，请使用本指令。有关标准配置和设备的详细信息，请参阅统一设施标准 (UFC) 3-535-01《目视空中导航设施》。本指令适用于空军预备役司令部 (AFRC) 和空军国民警卫队 (ANG) 单位。本指令可在任何级别进行补充，但所有补充必须在认证和批准之前发送至主要责任办公室 (OPR) 进行协调。请通过主要司令部 (MAJCOM) 和 AFCEC（地址：139 Barnes Drive, Suite 1, Tyndall AFB, FL 32403-5319）将对 AF 表格 847《更改出版物建议》的评论和建议更改发送至 HQ USAF/A7C，地址：1260 Air Force Pentagon, Washington, D.C., 20330-1260。确保根据本指令中规定的流程创建的所有记录均按照 (IAW) 空军手册 (AFMAN) 33-363《记录管理》进行维护，并使用空军记录信息管理系统 (AFRIMS) 记录处置时间表 (RDS) 处置 IAW。
AFI 32-1044 视觉空中导航系统 - CiteSeerX
本指令实施空军政策指令 (AFPD) 32-10《装置和设施》。它定义了美国大陆 (CONUS) 内的美国空军设施以及支持空军飞行行动的海外地点的所有目视空中导航设施的要求并制定了标准。空军土木工程中心、作战局 (AFCEC/CO) 的机场照明系统工程师是本指令中包含的定义和指导的最终解释权人。在编程、设计、建造和安装目视空中导航系统及相关设施时请使用本指令。有关标准配置和设备的详细信息，请查阅统一设施标准 (UFC) 3-535-01《目视空中导航设施》。本指令适用于空军预备役司令部 (AFRC) 和空军国民警卫队 (ANG) 单位。本指令可以在任何级别进行补充，但所有补充必须在认证和批准前发送至主要责任办公室 (OPR) 进行协调。请将对 AF 表格 847《更改出版物建议》的评论和建议更改通过主要司令部 (MAJCOM) 和 AFCEC（地址：139 Barnes Drive, Suite 1, Tyndall AFB, FL 32403-5319）发送到 HQ USAF/A7C，地址：1260 Air Force Pentagon, Washington, DC, 20330-1260。确保根据本指令中规定的流程创建的所有记录均按照（IAW）空军手册（AFMAN）33-363《记录管理》进行维护，并使用空军记录信息管理系统 (AFRIMS) 记录处置时间表 (RDS) 处置 IAW。