Aas
PulseAugur coverage of Aas — every cluster mentioning Aas across labs, papers, and developer communities, ranked by signal.
-
新基础设施增强制造知识图谱的信任度
研究人员开发了一种可组合信任基础设施，旨在提高制造知识图谱的可靠性。该系统集成了四项关键功能：SHACL验证、PROV-O溯源、领域感知双时态版本控制以及原生图决策对象。通过使用共享的相关标识符，这些组件协同工作，提供涌现的信任属性，例如仅靠任何单一功能都无法实现的完整链条审计能力。该基础设施已在包含十一个不同工业数据源的测试平台上得到验证，证明了其在整合不同信息以改进决策方面的有效性。
-
新原型利用飞行日志监测无人机螺旋桨健康
研究人员开发了一个名为变质人工年龄评分（AAS）的决策支持系统原型，利用飞行日志监测无人机螺旋桨健康。该系统分析了从原始飞行数据中提取的六个关键指标，例如轨迹跟踪误差和电机指令不平衡，并将其与健康基线进行归一化。AAS的制定旨在通过评估结构策略的充分性和运行负担来识别和优先处理维护需求，这在对健康和有缺陷螺旋桨案例的回顾性评估中得到了证明。
-
新流程利用大语言模型和本体论自动化工业设备配置
研究人员开发了SysName，一个旨在自动化工业现场总线设备配置的流程。该系统使用混合检索索引，并结合了源自ECLASS、AAS和SOSA/SSN标准的本体图。然后，本地大语言模型生成JSON-LD配置，并通过一个两阶段的弃权门进行进一步验证，以防止不安全的操作。SysName在配置各种工业协议方面表现出高精度和高效率，包括一个涉及Universal Robots UR5e机器人的案例研究。
-
研究发现，AI对齐在微调过程中通过在线数据选择被隐式塑造
一篇新的研究论文提出，在监督微调（SFT）过程中选择数据是一种隐式对齐机制，而不是将对齐仅仅视为一个后续步骤。该研究比较了各种在线数据选择方法——随机、基于损失、基于质量和基于多样性——证明这些选择会显著改变模型的行为，例如拒绝率和冗长程度，即使没有明确的偏好优化。研究人员引入了对齐漂移审计（ADA）来量化这些选择引起的行为变化，并引入了对齐感知选择（AAS）作为一种诊断工具，以在保持数据效率的同时管理漂移。
-
OpenAI 为 ChatGPT 增加高级物理密钥安全性
OpenAI 已将高级安全功能集成到 ChatGPT 中，包括支持 FIDO 密码密钥。这项名为高级访问安全 (AAS) 的新功能旨在通过允许通过物理安全密钥进行身份验证来增强用户帐户保护。此次更新旨在加强 ChatGPT 平台内用户数据和对话的安全性。