/
大规模开源安全应用所驱动的五大安全原则
文章论述了开源 AI 推动网络安全变革的方法，探讨了通过治理、自动化、目的型工具贡献、总拥有成本管理及风险防控五大战略，实现安全合规与持续增长。
Automattic收购关系管理应用Clay为在线工具增加身份层
WordPress.com母公司Automattic继收购通讯应用Beeper和Texts.com后，又收购了关系管理应用Clay。Clay是一款智能通讯录应用，能从LinkedIn、Facebook等平台整合联系人信息，并配备AI助手Nexus。该应用于2021年推出，此前融资超900万美元。收购完成后，Clay将继续运营并与Automattic其他产品集成，长期计划是成为各种工具的身份层。
加拿大多伦多大学发布突破性研究：3D模型压缩新技术让海量数据瞬间变"迷你"
多伦多大学研究团队提出Squeeze3D压缩框架，巧妙利用3D生成模型的隐含压缩能力，通过训练映射网络桥接编码器与生成器的潜在空间，实现了极致的3D数据压缩。该技术对纹理网格、点云和辐射场分别达到2187倍、55倍和619倍的压缩比，同时保持高视觉质量，且无需针对特定对象训练网络，为3D内容传输和存储提供了革命性解决方案。
浙江大学团队提出MoA：让AI大模型学习更高效的"异构专家混合"新方法
浙江大学与腾讯联合研究团队提出MoA异构适配器混合方法，通过整合不同类型的参数高效微调技术，解决了传统同质化专家混合方法中的表征坍塌和负载不均衡问题。该方法在数学和常识推理任务上显著优于现有方法，同时大幅降低训练参数和计算成本，为大模型高效微调提供了新的技术路径。
RKEFino1：当金融AI遇上监管红线，耶鲁团队如何让机器"读懂"规则？
耶鲁、哥大等四校联合研发的RKEFino1模型，通过在Fino1基础上注入XBRL、CDM、MOF三大监管框架知识，显著提升了AI在数字监管报告任务中的表现。该模型在知识问答准确率提升超过一倍，数学推理能力从56.87%提升至70.69%，并在新颖的数值实体识别任务中展现良好潜力，为金融AI合规应用开辟新路径。
AI竟然能像人类一样学会自我反思和进化：加州大学圣巴巴拉分校团队训练出会自我改进的智能体
加州大学圣巴巴拉分校研究团队开发出能够自我进化的AI智能体，通过《卡坦岛拓荒者》桌游测试，这些AI能在游戏过程中自主修改策略和代码。实验显示，具备自我进化能力的AI显著超越静态版本，其中Claude 3.7模型性能提升达95%。研究验证了AI从被动工具向主动伙伴转变的可能性，为复杂决策场景中的AI应用开辟新路径。
AI对话系统的新挑战：当用户也能"动手"操作时会发生什么——Sierra公司突破性研究
这项由Sierra公司联合多伦多大学开展的研究首次揭示了AI对话系统在双控制环境下的真实挑战。研究团队发现，当AI需要指导用户协作操作时，性能会显著下降约20%。他们开发的τ?-bench评估平台通过电信技术支持场景，系统性地测试了AI的协作指导能力，并通过程序化任务生成和环境约束的用户模拟大幅提升了评估可靠性，为未来人机协作AI系统的发展指明方向。
AMD全栈战略浮出水面：开源很好，所以我们要造GPU、ROCm和AI机架全生态
在AI圈子里，大家或许听到过这样的话术，“AI创新既是一场马拉松，也是一场短跑”，此时此刻我在AMD Advancing AI这场关乎未来AI计算格局的会上，脑中多次浮现出这句话。
SAFEFLOW：德州农工大学团队打造的AI智能体安全守护神，让AI助手像银行保险柜一样可靠
德州农工大学等多所知名高校联合Meta公司推出的SAFEFLOW框架，为AI智能体首次提供完整安全保障体系。该系统通过信息流控制、事务日志和动态信任评估，解决了当前AI助手易受欺骗、缺乏协调的关键问题，在专门构建的测试平台上实现了接近完美的安全表现。
弗吉尼亚理工大学突破性研究：让视频换个角度，不用重拍也能看出新花样
弗吉尼亚理工大学研究团队开发出突破性技术，能从单一视频生成全新视角画面。他们通过"K阶递归噪声表示"解决AI模型记忆问题，用"随机潜在调制"智能填充新视角中的空白区域。该方法无需重新训练模型，在视觉质量、角度准确性等关键指标上均优于现有方法，为电影制作、虚拟现实等领域带来新可能。
加州大学圣克鲁兹分校联合eBay：AI视觉模型的"睁眼瞎"困境——当智能助手无法识破表面陷阱时
这项由加州大学圣克鲁兹分校和eBay联合完成的研究首次揭示了先进AI模型的"睁眼瞎"问题：它们虽然具备强大的感知和推理能力，却无法识别表面合理实际有缺陷的指令。研究发现，即使是最先进的AI系统，在面对物体缺失、指代模糊、事实矛盾和目标不可行等隐性问题时，正确识别率不到40%。更令人意外的是，这些AI系统其实内心已经察觉到问题，但因过度训练的服从性而不敢表达。当被允许提出澄清性问题时，它们的表现瞬间飙升至94%以上，表明简单的交互设计改进就能大幅提升AI系统的可靠性。
Gartner：算力、能耗、边缘三大考验，企业如何赢在AI时代？
Gartner正看到AI计算正在不断演进、AI算力问题=新机会、迎接强大的边缘AI三大颠覆性变革。
盘点Testin云测三大实操案例，AI测试为何成为头部企业首选？
在数字化转型纵深推进的当下，软件已从工具属性跃升为企业战略核心载体。软件质量随之成为用户体验与市场竞争力的核心因素。
Warp引入机器人技术实现仓储网络自动化
Warp成立于2021年，致力于通过技术赋能的物流网络优化企业供应链。该公司现计划使用机器人自动化其仓储网络，进一步提升供应链效率。公司在洛杉矶测试仓库安装摄像头，利用计算机视觉技术创建数字孪生环境进行实验。经过测试，Warp成功部署改装后的现成机器人处理货物装卸和存储。公司刚完成1000万美元A轮融资，计划今年开始在核心网络城市部署机器人技术。
企业存储设备安全漏洞调查：数据防护最后防线充满缺陷
Continuity Software研究发现，企业存储和数据保护设备在信息安全方面存在严重盲点，使公司数据面临危险暴露。调查涵盖300个环境中超过1万台设备，发现平均每台设备存在10个漏洞，其中一半为高风险。最常见漏洞涉及身份认证管理和未修复的CVE。许多设备仍使用出厂默认密码，缺乏多因素认证。研究还发现勒索软件防护功能未启用或配置错误的情况。
Meta发布新AI模型：能理解重力等物理规律
Meta本周发布了名为V-JEPA 2的开源生成式AI模型，该模型能够帮助人工智能理解重力和物体永恒性等物理概念。与依赖标记数据或视频模拟现实的传统模型不同，V-JEPA 2强调物理世界的逻辑，包括物体如何移动和相互作用。该模型可应用于自动驾驶汽车和机器人等设备，无需针对每种可能情况进行训练，简化了流程并提高了现实应用的效率。
我们将如何与人工智能协作？探索人机合作新模式
文章探讨了人类与人工智能协作的复杂关系。研究显示，面对"如何与AI竞争"这一问题，66%的受访者认为应该利用AI进行协作，而非对抗。以学生群体为例，调查发现一半青少年使用生成式AI进行搜索和头脑风暴，虽存在作弊现象，但更多体现了积极的学习应用。专家建议保持好奇心，采用"宏大梦想，小步迭代"的策略，通过深入理解技术来建立最佳协作关系。
AMD押注机架级计算架构，力争到2030年AI效率提升20倍
随着摩尔定律接近极限和数据中心功耗问题日益突出，AMD制定了到2030年将芯片能效提升20倍的宏伟目标，并将机架级架构视为关键设计方向。AMD高级副总裁表示，设备规模越大效率越高，机架级计算能将整个机架的计算设备集成到单一封装中。AMD计划明年推出首个机架级计算平台MI400，未来五年内光学互连可能取代铜质连接。除硬件创新外，软硬件协同设计将是实现目标的关键因素。
研华科技：从 IPC 巨头到边缘计算领航者的战略跃迁
研华科技近日发布全新品牌愿景"Edge Computing & WISE-Edge in Action"，标志着从传统IPC时代正式迈入边缘计算时代。
京公网安备 11010802021500号
