XiaoMi-AI文件搜索系统
World File Search System语料库
![arXiv:2310.12419v2 [cs.CR] 2024 年 6 月 6 日](/simg/g:\will\search\icon\source\f\f0c960cb0da1202222e3b6f934d6ea05a542d293.png)
arXiv:2310.12419v2 [cs.CR] 2024 年 6 月 6 日
在本文中，我们提出了一种名为 AFLR UN 的新型定向模糊测试解决方案，其特点是目标路径多样性度量和无偏能量分配。首先，我们通过维护每个覆盖目标的额外原始地图来开发一种新的覆盖度量，以跟踪击中目标的种子的覆盖状态。这种方法可以将通过有趣路径击中目标的航点存储到语料库中，从而丰富每个目标的路径多样性。此外，我们提出了一种语料库级能量分配策略，确保每个目标的公平性。AFLR UN 从均匀的目标权重开始，并将该权重传播到种子以获得所需的种子权重分布。通过根据这种期望的分布为语料库中的每个种子分配能量，可以实现精确且无偏的能量分配。我们构建了一个原型系统，并使用标准基准和几个经过广泛模糊测试的真实应用程序评估了其性能。评估结果表明，AFLR UN 在漏洞检测方面的表现优于最先进的模糊测试器，无论是数量还是速度。此外，AFLR UN 在四个不同的程序中发现了 29 个以前未发现的漏洞，包括 8 个 CVE。
与EEG和眼睛跟踪数据的跨主题阅读任务分类的Zuco基准
我们提出了一个新的机器学习基准，用于阅读任务分类，目的是在计算语言处理与认知神经科学之间的相交中推进脑电图和眼睛追踪研究。基准任务由一个跨主体分类组成，以区分两个阅读范式：正常阅读和特定于任务的读数。基准的数据基于苏黎世的认知语言处理语料库（ZUCO 2.0），该语料库提供了同时引人注目的视线和来自英语句子的自然阅读的EEG信号。培训数据集已公开可用，我们提出了新记录的隐藏测试集。我们为此任务提供多种可靠的基线方法，并讨论未来的改进。我们发布代码，并提供易于使用的界面，以使用随附的公共排行榜：www.zuco-benchmark.com评估新方法。
经济政策不确定性指数
本研究说明分析了经济学家的搜索词，并开发了修改工具的方法。探索性研究问题是：可以通过优化的搜索术语提高选择过程的回忆和精度吗？目的是提高搜索词从初始语料库中选择相关文章的能力，以及将文章确定为相关的能力，以防它们已经属于过滤的语料库。为此目的，研究说明首先概述了科学研究中经济政策不确定性指数的概念和以前的应用（第2节）。在得出自己的研究方法并描述了方法和数据基础之后（第3节），作者介绍了分析结果（第4节）。最后，他讨论了结果，得出结论并提出了进一步研究项目的方法（第5节）。附录提供了本研究说明中使用的所有搜索词，以及作为编码过程中心仪器的代码簿。
人工智能用于理解圣训
建立圣训语料库之后，提取圣训来研究表示其含义的不同方法。主要测试了两种方法：基于知识的方法和基于深度学习的方法。为了应用前者，列举了现有的伊斯兰本体，其中大多数是用于《古兰经》的。由于《古兰经》和《圣训》属于同一领域，因此使用基于语料库的评估来检查这些本体对《圣训》的覆盖程度。结果表明，最全面的《古兰经》本体仅涵盖了 26.8% 的圣训概念，并且扩展它的成本很高。因此，通过构建和评估各种深度学习模型来研究第二种方法，该模型用于二元分类任务，该任务用于检测《圣训》和《古兰经》之间的关联性。结果表明，当前模型达到人类水平理解此类文本的可能性仍然有些难以捉摸。
人工智能与社会科学之间的接口（以及它为何重要……）
它指出了这些成功的原因在于已经为不同目的创建了大量数据。“换句话说，我们试图自动化的输入输出行为的大量训练集在现实中是可用的。相比之下，传统的 NLP 问题，如 (…) POS 标记 (...) 不是常规任务，因此在现实中没有可用的大型语料库。相反，这些任务的语料库需要熟练的人工注释。这种注释不仅速度慢、成本高，而且专家也难以达成一致 (...)。网络规模学习的第一课是使用可用数据，而不是希望获得不可用的注释数据。例如，我们发现有用的语义关系可以从网络查询的统计数据中学习到，或者从基于网络的文本模式和格式化表格的累积证据中学习到，这两种情况都不需要任何手动注释的数据”
跟踪和映射使用CRISPR-CAS系统进行研究的使用
摘要科学家已经在基于CRISPR的基因组编辑研究中提出了“ Sputnik 2.0”技术种族的“ Sputnik 2.0”技术种族。对2010年至2020年之间发表的文章的定量分析表明，基于中国的研究中心成功地使基于CRISPR的基因组编辑成为标准工具。摘要中包含首字母缩写CRISPR的18,863个学术文件的语料库表明，尽管基于中国的研究机构开始出版CRISPR，但他们现在已经超过了位于欧盟（EU）的机构的出版率。虽然总部位于美国的机构在基础研究中一直保持领先地位，但基于中国的研究已成为与农业相关的领域的重要地位。因此，这种语料库说明了自人类基因组项目以来，生命科学研究的国际景观发生了多大的影响，主要是为了达到中国的优势。
国际项目
学生将接受调查技术（数据收集、观察、访谈、文献调查）和口语或书面语料库分析技术的专门培训。他们还将学习如何操作专门用于处理和分析语言语料库的软件。对他们来说，这是一个具体研究工作以及分析社会话语的多种方法的实验，这些话语与当代问题有关：性别、城市化、移民、群体认同实践、少数民族语言、媒体（数字化和社交网络）、意识形态、学校教育。最重要的是，培训让学生思考话语能教会我们什么关于语言在社会组织和社会关系游戏中的作用（权力关系、社会分化、身份构建、文化方面、人际关系等）。它引导他们对社会中产生的各种类型的话语（专业、政治、媒体话语、常识话语、城市话语）形成批判性和疏离的看法，包括关于歧视的话语（性别、代际、社会、种族等）。我们研究话语如何导致不平等，同时也研究话语如何解决不平等。
国际巴黎大学
学生经过调查技术（数据收集，观察，访谈，文献调查）和分析口头或书面语料库的技术的专门培训。还向他们介绍了专门用于语言语料库处理和分析的软件的操纵。对他们来说，这是一个具体尝试研究工作的问题，以及分析社会话语的多种方法，与当代问题相关的讨论：性别，城市化，移民，群体认同，群体认同，语言，少数群体，媒体（数字化和社交网络），意识形态，学校，学校。培训使最重要的是，所有学生都可以怀疑话语可以教会我们关于语言在社会组织和社会关系游戏中的作用（权力关系，社会差异，身份构建，文化方面，人际关系等）。它导致他们对社会中各种类型的话语（专业，政治，媒体话语，常识性话语，城市话语）的批判性和疏远看法，包括关于歧视的论述（性别，世代相传，社会，种族等）。我们研究了话语促进不平等现象的贡献的方式，以及它可以纠正它们的方式。
双子座应用的概述
双子座由Google功能最强大的AI模型提供动力，该模型具有不同的功能和用例。像当今大多数LLM一样，这些模型已预先培训，这些模型是从可公开可用来源的各种数据上进行的。我们使用启发式规则和基于模型的分类器将质量过滤器应用于所有数据集。我们还执行安全过滤，以删除可能产生政策侵略输出的内容。为了维持模型评估的完整性，我们在使用培训数据之前搜索并删除了培训语料库中可能曾经在我们的培训语料库中的所有评估数据。最终的数据混合物和权重是通过较小型号的消融来确定的。我们进行训练以改变训练期间的混合组合物 - 在训练结束时增加了与域相关的数据的重量。数据质量可能是高表现模型的重要因素，我们认为在寻找用于预训练的最佳数据集分布方面仍然存在许多有趣的问题。
关于生成式人工智能和写作的学生问题
我们都考虑在写作中使用生成式人工智能（GenAI）**（根据提示生成新作品的人工智能）和大型语言模型（将许多文本组合成语料库来训练预测模型），而关于是否/何时/如何允许在你的大学课程写作过程中使用 GenAI 的最佳资源之一就是你的课程导师。