This website is a virtual proof that I'm awesome https://mobscenez.github.io/ 之前运气比较好中稿了一篇论文可以去美国参会，考虑到自行申请美签的步骤较为繁琐，所以特意在此记录以便之后或他人参考。 0. 材料准备 由于我们申请的是非移民签证(Nonimmigrant Visa)，我们需要向签证官提供必要的材料来证明我们确实是去开会的/并无留美意图，综合网上资料和身边同学经验，除开护照、DS-160确认单、6个月内拍摄的近照及预约确认单外，需要额外准备的材料有： 论文终稿 会议邀请函 英文版个人简历 计划行程单 会议介绍 英文版导师简历 出行资助证明 在读证明 官方成绩单 这些材料尽量在填写DS-160表格前就准备好，因为DS-160填写的信息需要与你所提供的材料一致，而修改DS-160表单十分麻烦。此外，材料尽量彩打和双面打印。 1. DS-160表格填写 美签申请的第一步是DS-160表格填写，请确保网络稳定和及时保存，首次填写预计要花费2-3小时。大部分待填项都有详细说明，下面列出一些小贴士： 务必提供自己姓名的电码，电码查询可参考chasedream 签证类型选择旅游签B1/B2 选择已制定明确的旅游计划，抵达时间和离开时间要跟你的计划行程单匹配，航班信息可以不写 在美居住地址填在计划行程单中的酒店位置 资助方选择COMPANY/ORGANIZATION，机构名填你所在的学校，关系填SCHOOL 社交媒体可选择QQ或GitHub账号 在美联系人及联系机构填邀请函上的会议董事及会议举办单位，联系地址填举办单位在美地址，关系选OTHER 工作类型选STUDENT，薪资填研究生月收入，工作职责可简短描述为PHD STUDENT (MAJOR IN {YourMajor})，就读专业的英文描述可参考在读证明 教育经历可填写本科/硕士的求学经历 DS-160表格成功提交后，在确认界面打印确认单及申请信息，后者并非面签所需材料，但能方便你后续再做检查。 2. 预约面签 第二步是前往ustraveldocs预约面签，同样地，下面列出一些小贴士： 注册新账号时提供的姓名拼音大小写均可，一定要记住安全问题的答案，后续每次登录均需要回答安全问题 签证类型及面签地点需要与DS-160确认单中的信息一致 选定面签日期后，打印预约确认单，注意将护照号码的部分修改为可见。 3. 面签流程 最好事先准备好签证官可能会问的问题的英文回答并牢记，考虑到我们赴美的动机是参加学术会议，可能涉及的问题包括： 前往美国的意图是什么？ 中稿论文具体研究的是什么？ 就读什么专业？ 父母的工作是什么？ 谁提供您美国行程的经费支持？ 预计的毕业时间是什么时候？ 打算在美国停留多久？ 在美国住在哪里？ 上述问题能涵盖绝大多数情况，不过面签时仍有可能会被询问之前是否来过美国等问题，视情况随机应变即可。此外，有很多博主在分享美签经历时表示明明带了相关证明材料还是被签证官要求通过邮箱补交材料，因此在回答签证官问题时也可以顺带表示自己携带了相关证明可提供给他/她。... Wed, 28 May 2025 00:00:00 -0400 https://mobscenez.github.io/2025-05-28-US-VISA-Application/ https://mobscenez.github.io/2025-05-28-US-VISA-Application/ 虽然之前一直揶揄许多工作实质上是在做提示词工程(prompt engineering)，但是当自己的工作也被要求和大语言模型结合的时候人就老实了。这篇博客根据Anthropic的Prompt Engineering Interactive Tutorial总结当下最流行的提示词技巧。 1. 清晰明了地描述指令 请将大模型视作新接手工作的人，除你告诉它该做的事外它没有任何关于此事的上下文信息。因此，你将你所想达成的目标描述得越清晰直观，大模型的回复就越准确。 如果你不确定你的提示词是否准确，可以向你的同事或朋友展示它并确认他们能否根据指令得到预期的结果。如果他们感到困惑，那么大模型也如此。 2. 分配角色 有时候提示大模型充当特定角色是很有帮助的，这被称作角色提示(role prompting)。角色提示类似告知人们像…一样去思考并且能改变大模型回复的风格、说辞和方式。 此外，可向模型提供有关目标受众的上下文，例如“你是一只猫”和“你是一只跟滑板爱好者沟通的猫”对大模型的影响是不同的。 3. 分离数据与指令 很多时候，我们并不想书写完整的提示词，而是期望一个能反复修改以提供额外输入数据的提示词模板(prompt template)。为此，我们可以将提示词中的固定骨架从可变用户输入中分离，并按需替换用户输入的部分。 例如，如果要求大模型输出不同动物的声音，可以将提示词模板设置为： # Variable content ANIMAL = "Cow" # Prompt template with a placeholder for the variable content PROMPT = f"I will tell you the name of an animal. Please respond with the... Wed, 11 Sep 2024 00:00:00 -0400 https://mobscenez.github.io/2024-09-11-Prompt-Engineering-Tutorial/ https://mobscenez.github.io/2024-09-11-Prompt-Engineering-Tutorial/ 本篇博客是对发表在S&P 10上的论文All You Ever Wanted to Know About Dynamic Taint Analysis and Forward Symbolic Execution的系统介绍。 1. 基本介绍 动态污点分析和前向符号执行是动态分析技术中最广为使用的两类，前者运行程序并观测被预定义的污染源影响的计算，后者为程序执行路径建立逻辑公式从而将对执行的推断转换为对逻辑的推理。 虽然已有大量工作使用这类技术，但至今仍缺少对这些技术的确切算法的定义、对实现权衡和缺陷的介绍。因此，本篇文章通过定义语言的形式化运行语义来准确描述运行时分析是如何开展的，并揭示更具体的实现细节和选择。 2. 定义通用语言 对动态污点分析或前向符号执行的准确定义需要依赖特定语言，作者在本文中提出SimpIL作为示例，其格式类似中间表示。程序由一系列标记号码的语句组成，可能的语句包含赋值、断言、无条件跳转和条件跳转，表达式是无副作用的(不会对程序状态产生影响)。 考虑到动态程序分析定义在实际程序执行之上，因此我们需要考虑语言的操作语义。操作语义明确指定如何运行由特定语言编写的程序。SimpIL的完整操作语义如下所示。每条语句规则采取形式： \[\frac{computation}{\langle current\ state\rangle,stmt \leadsto \langle end\ state\rangle,stmt'}\] 规则从下至上，从左至右阅读。给定一条语句，我们通过模式匹配寻找可用规则，并运行规则上方给出的计算，如果成功则将状态转移至结束状态。如果没有匹配的规则或者计算失败，程序异常退出。 具体来说，执行的上下文由5个参数描述：程序语句集合$\Sigma$，当前内存状态$\mu$，变量的当前值$\Delta$，程序计数器$pc$和当前语句$\iota$。前三者表示为映射，例如$\Delta[x]$表示变量$x$的当前值而更新上下文变量$x$的值为$v$表示为$x \leftarrow v$。表达式使用$\mu, \Delta \vdash e \Downarrow v$表示在给定$\mu$和$\Delta$的当前状态下表达式$e$衡量为值$v$。 3. 动态污点分析 动态污点分析的意图是跟踪从污染源到汇聚点的信息流。任何依赖于从污染源衍生的数据计算得到的程序值被认为是受污染的(T)，否则是未受污染的(F)。污点策略P(taint policy)决定在程序执行过程中污点是如何传播的，哪些操作引入新的污点以及在受污染值上采取哪些检查。污点分析通常会出现两种错误，即overtainted和undertaining，前者指假阳性而后者指假阴性。 本文基于语言的操作语义表达动态污点分析，将污点策略添加到操作语义规则当中。为追踪每一程序值的污点状态，采用$\langle v, \tau \rangle$表示值，其中$\tau$表示值$v$对应的污点状态。此外，$\tau_{\Delta}$和$\tau_{\mu}$分别将变量和内存地址映射到对应污点状态。如下所示，污点分析策略P被添加到SimpIL中，其独立于原始语义。 更深入地分析来看，污点策略声明三种属性： 污点引入(Taint Introduction)：污点引入规则声明污点是如何被引入系统的，在SimpIL中用户输入只有单一源头$get\_input$，而在实现时输入源可能多种多样，例如从库调用调用返回的值。... Fri, 06 Sep 2024 00:00:00 -0400 https://mobscenez.github.io/2024-09-06-Taint-Analysis-and-Forward-Symbolic-Execution/ https://mobscenez.github.io/2024-09-06-Taint-Analysis-and-Forward-Symbolic-Execution/