XiaoMi-AI文件搜索系统
World File Search System软件开发
生成式人工智能和双重用途基础模型的安全软件开发实践
权力 本出版物由 NIST 根据其在 2014 年《联邦信息安全现代化法案》（FISMA）、44 USC § 3551 等、公法（PL）113-283 下的法定职责制定。NIST 负责制定信息安全标准和指南，包括联邦信息系统的最低要求，但未经对此类系统行使政策权力的适当联邦官员明确批准，此类标准和指南不适用于国家安全系统。本指南符合管理和预算办公室 (OMB) 通告 A-130 的要求。本出版物中的任何内容均不得与商务部长根据法定权力强制执行并约束联邦机构的标准和指南相抵触。这些指南也不得解释为改变或取代商务部长、OMB 主任或任何其他联邦官员的现有权力。非政府组织可以自愿使用本出版物，并且在美国不受版权保护。但如果您注明来源，NIST 将不胜感激。
机器学习领域的现状：GitHub 上人工智能和机器学习软件开发的 10 年历程
在过去的几年里，人工智能 (AI) 和机器学习 (ML) 已经成为无处不在的术语。随着最近 AI 和 ML 工具、框架和库的猛烈冲击，这些强大的技术在学术界不再默默无闻，这些工具、框架和库使更广泛的开发人员可以使用这些技术。因此，应用 AI 和 ML 解决现有和新出现的问题是一种越来越流行的做法。然而，从软件工程的角度来看，人们对这个领域知之甚少。许多 AI 和 ML 工具和应用程序都是开源的，托管在 GitHub 等平台上，这些平台为大规模分布式软件开发提供了丰富的工具。尽管这些存储库被广泛使用和流行，但社区从未对这些存储库进行过检查，以确定其独特属性、开发模式和趋势。在本文中，我们对 GitHub 上托管的 AI 和 ML 工具（700 个）和应用程序（4,524 个）存储库进行了大规模实证研究，以开发这种特性。虽然 GitHub 不是唯一一个托管 AI 和 ML 开发的平台，但它有助于为每个存储库收集丰富的数据集，并在问题、提交、拉取请求和用户之间具有高度的可追溯性。为了将 AI 和 ML 社区与更广泛的存储库进行比较，我们还分析了一组 4,101 个不相关的存储库。我们通过对开发人员工作流程的深入研究来增强这种特性，该工作流程衡量了存储库内的协作和自主性。我们掌握了这个社区 10 年历史的关键见解，例如它的主要语言（Python）和最受欢迎的存储库（Tensorflow、Tesseract）。我们的研究结果表明，AI 和 ML 社区具有独特的特征，应该在未来的研究中加以考虑。
关于研究主题的社论：揭示医疗保健领域 AI 软件开发和集成的最佳实践
Error 500 (Server Error)!!1500.That’s an error.There was an error. Please try again later.That’s all we know.
将生成式人工智能集成到软件开发生命周期中：对代码质量和维护的影响
生成式人工智能的最新进展已将其描述为软件开发技术中的一种革命性方法，旨在提高代码的可靠性并保持其质量和性能。生成式人工智能工具可以帮助独立开发代码，提出智能解决方案和想法，并借助卓越的算法和机器学习功能增强多种开发程序。本文讨论了如何将生成式人工智能应用于软件开发中以实现以下三个目标：首先，使用自动代码生成/审查来提高代码质量。其次，应通过标准和文档提高代码的可维护性。第三，通过基于人工智能的自动化（即重复任务的自动化和快速原型设计）来提高开发效率。本文还考虑了在这种情况下与人工智能相关的问题和困难：对人工智能的依赖问题、道德和安全问题以及技术缺陷。最后，介绍了生成式人工智能在未来软件开发中的意义，这可以为软件产品的开发开辟新的方向，同时主要指出了管理生成式人工智能引入的过程。通过本文对生成式人工智能的当前可能性和未来前景的评估，可以得出其对软件工程未来的影响。
WiP：影响软件开发中隐私和安全实践实施的因素：叙述性回顾
隐私和安全是复杂的主题，引发了各种考虑和要求，这些考虑和要求在软件开发中实施起来可能具有挑战性。在过去二十年中，确定对软件系统开发和部署项目结果有影响的安全和隐私相关因素一直是广泛而持续的研究重点。为了理解和分类影响开发人员在软件开发中采用和实施隐私和安全考虑和实践的因素，我们对文献进行了叙述性回顾。由此产生的因素映射为未来针对组织和个人行为改变的干预措施提供了基础，以增加软件开发中隐私和安全实践的采用。
2025年生物信息学与计算生物学国际学术会议
基因组学和疾病研究、高通量数据分析、网络生物学、计算遗传学、模型解释和可视 化、生物数据挖掘、比较基因组学、机器学习和医学影像分析、蛋白质结构与功能预测、 宏基因组学与微生物组、知识图谱构建、生物信息学工具开发、转录组学和表达谱的分析、 药物发现与设计、遗传流行病学、蛋白质组学、个性化医疗与精准医学、生物医学工程、 结构生物信息学、计算工具和软件开发、进化生物信息学、系统生物学、环境与生态计算 生物学和流行病学、计算生态学、序列分析、模式识别与生物信号处理、生物信息学与统 计分析、下一代测序技术、计算生物学与人工智能的融合、生物数据挖掘、处理与分析、 计算医学与临床应用、代谢组学、生物信息学工具与网络科学。
使用认知在日常软件开发任务中通过生理活动捕获开发人员的认知负荷
摘要 - 集成的开发环境（IDE）在各种任务中为开发人员提供支持。在执行不同的编程任务时毫不客气地捕获开发人员的认知负载，可以帮助优化开发人员的工作经验，提高其生产率并积极影响代码质量。在本文中，我们提出了一项研究，其中基于Intellij的IDE插件Cognitide用于在处理各种软件开发任务时收集，映射和可视化软件开发人员的生理活动数据。在一项可行性研究中，参与者根据Java开源代码在IDE中完成了四个模拟软件开发人员的日常工作任务 - 编码，调试，代码文档和电子邮件写作，同时记录了他们的生理活动。 在任务之间，评估了参与者的感知工作量。 可行性测试表明，可以成功地将认知剂用于一小时的数据收集会话，这是测试最长的持续时间，并且对使用它的人非常感知。 此外，与基线记录相比，记录的生理活性表明在工作任务期间的认知负荷更高。 这表明可以评估认知负载，映射到代码位置，可视化和讨论在一项可行性研究中，参与者根据Java开源代码在IDE中完成了四个模拟软件开发人员的日常工作任务 - 编码，调试，代码文档和电子邮件写作，同时记录了他们的生理活动。在任务之间，评估了参与者的感知工作量。可行性测试表明，可以成功地将认知剂用于一小时的数据收集会话，这是测试最长的持续时间，并且对使用它的人非常感知。此外，与基线记录相比，记录的生理活性表明在工作任务期间的认知负荷更高。这表明可以评估认知负载，映射到代码位置，可视化和讨论
ugust 13-15，2024 -n ovi，m iChigan同步MBSE模型和机器人的软件开发
摘要MBSE和敏捷软件开发都是国防部使用的重要方法，可促进成本降低的开发，并以高优先级的努力（例如机器人和自主系统）快速发展。尽管有共同的目标，但是使用两种方法所需的专业知识通常在具有不同技能的不同组合（例如系统工程师和软件开发人员）之间分开。为了弥合MBSE和敏捷软件开发之间的差距，我们开发了工具链，可帮助将软件开发与SYSML模型同步。这些工具链利用了我们创建的基于XML的开发人员维护模型导入文件（MIF）架构。MIF基于机器人操作系统概念，可用于根据程序需求在将来创建其他工具链。
伦敦政治经济学院商业评论：人工智能能否提高软件开发效率？第 1 页，共 8 页
Codex 的工作原理是用户提供一些提示。然后，它会根据这些提示以及某些用户控制的参数来预测它认为用户接下来想要什么。简单地说，它可以被认为是一个涡轮增压自动完成功能。原则上，它与 GPT-3 相同，但是该模型是在代码示例上进行训练的。这里发布了两个模型：“davinci”和“cushman”。后者被设计为 davinci 的关系，但速度更快，但以牺牲预测准确性为代价。在这个演示中，我坚持使用 davinci，因为速度不是问题，但有趣的是，OpenAI 正在考虑现实世界应用中的性能/速度权衡，其中低延迟是必须的。
GAO-21-226，F-35 联合攻击战斗机：国防部需要更新现代化计划并改进软件开发数据
美国国防部 (DOD) 推迟了关键测试的完成，直到 F-35 飞机模拟器的问题得到解决，GAO 去年也报告了这一点，并将再次推迟其全速生产决定。2020 年 8 月，项目办公室确定飞机模拟器（用于复制无法在真实环境测试中完成的复杂测试场景）不能完全代表 F-35 的能力，在修复之前不能用于进一步测试。从那时起，项目官员一直在制定一项新计划，以确保模拟器按预期工作。在他们最终确定计划并修复模拟器之前，下一个生产里程碑日期（将正式授权国防部从开发过渡到全面生产）仍未确定（见图）。