这项由普林斯顿大学和加州大学欧文分校研究人员完成的研究揭示了一个令人担忧的发现：恶意行为者可以利用多种自由度来增强AI网络安全助手的攻击能力，且无需外部帮助。研究表明，即使只有约36美元的计算预算，这些改进也能使性能提高40%以上。这一发现对网络安全风险评估提出了新要求：必须从动态角度考虑AI系统可能被改进的各种途径，而非仅进行静态评估。

亚马逊网络服务公司（AWS）宣布加入避风港联盟（Sheltered Harbor Alliance）计划。避风港联盟是一个致力于增强金融服务网络韧性的非营利行业联盟。

尽管如此，因为金融服务行业的性质，许多人认为这个行业应该非常安全。以下是新思科技（Synopsys）使用2020年度“软件安全构建成熟度模型”（BSIMM）报告中的研究数据来揭示并解释金融服务行业安全的七大误区。

这项由香港大学和南京大学等机构研究人员联合开发的双专家一致性模型(DCM)解决了高质量视频生成中的效率难题。研究团队发现扩散模型蒸馏过程中存在优化冲突：早期阶段负责语义布局与运动，后期阶段关注细节精修，两者学习动态差异显著。DCM创新性地将这两个任务分配给不同的专家模型，通过参数高效的实现方式，使模型仅需4步即可生成接近50步原始模型质量的视频，大幅提升生成速度，为实用化AI视频创作铺平道路。

伊利诺伊大学研究团队开发了HalluSegBench评估系统，首次系统性揭示AI视觉分割模型的"幻觉"问题。通过创建1340对对比图像和四种新评估指标，研究发现当前先进AI模型普遍存在错误识别不存在物体的严重缺陷，且视觉变化比文字变化更容易引发幻觉。该研究为提升AI系统可靠性提供了重要工具和理论基础。

本文探讨了如何将传统的项目管理办公室 (PMO) 转变为战略驱动力。文章指出，许多PMO陷入了过时的理论导向方法，导致效率低下。作者建议重新定义PMO的角色，将其与业务战略对齐，关注实际成果而非流程。文章还列举了5个常见错误及其解决方案，强调PMO应成为长期战略资产。

践行云原生DataOps，需要正确的方式和工具。当下我们正需要用一款工具及平台解决目前繁杂的数据开发问题，在实践中降低迈入数据大门的门槛。

在2025年格勒诺布尔Leti创新日大会上，能耗问题成为焦点。随着AI驱动计算需求激增，数据中心规模和能耗急剧膨胀，部分数据中心功耗将达500兆瓦。CEA-Leti启动Resolve计划，目标到2032年实现能效提升1000倍。大会展示了3D集成、光子互连等节能技术，以及无PFAS芯片制造方法。业界呼吁通过先进封装、宽禁带功率器件等实用技术，平衡AI发展与可持续性需求。

加州大学团队首次全面评估了五种主流AI行为控制技术，发现当前方法在提升AI安全性的同时会产生意想不到的副作用。研究通过SteeringControl框架测试发现，不同控制方法在不同AI模型上效果差异巨大，且普遍存在"行为纠缠"问题。该研究为AI安全控制技术的发展提供了重要诊断工具和改进方向。

当前的GPT-4等模型已经在代码补全和生成方面为程序员节省了大量的时间。但是，大多数编程领域的大模型应用都是单行代码补全或者单个函数生成的方式。

这项研究提出了"用生成图像思考"的创新范式，使AI能够通过生成中间视觉步骤在文本和图像模态间自然思考。研究者实现了"原生长多模态思维过程"，使大型多模态模型能够生成视觉子目标和自我批评视觉假设。实验表明，该方法在处理复杂多物体场景时性能提升高达50%，为医学研究、建筑设计和刑事侦查等领域开创了新的应用可能。

这项研究创新性地利用大语言模型(LLM)代替人类标注者，创建了PARADEHATE数据集，用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美，随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示，在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异，证明LLM生成的数据可作为人工标注的高效替代方案，为创建更安全、更具包容性的在线环境提供了新途径。

AI有了自知之明，准确率飙升，Meta AI团队发布DeepConf

由于存在可能影响数据中心的各种威胁和风险，因此保护任何类型的数据中心都地极具挑战性的。但说到边缘数据中心，数据中心安全性更具挑战了，甚至可能没有像保护传统设施资产那样的安全控制措施和工具。

腾讯与西门子联合研究团队开发出AdaptCLIP通用异常检测方法，突破传统方法只能处理特定领域的局限。该系统采用交替学习和对比学习策略，在12个工业医疗数据集上表现卓越，仅需少量样本即可跨域检测异常。相比现有方法，AdaptCLIP参数量减少9倍以上，性能提升10个百分点，为工业质检和医疗诊断提供了更实用的AI解决方案。

清华大学团队提出"绝对零度"AI训练新方法，让AI系统完全不依赖人类数据，仅通过自己出题解题的方式实现自主学习。该方法在编程和数学推理任务上超越了使用大量人工数据训练的传统模型，展现了AI超出预期的自主学习潜力，为未来AI发展开辟了新方向。

这项研究提出了LIFT框架，通过大规模SAC预训练、物理信息世界模型和安全微调策略，让人形机器人在半小时内学会稳定行走，并能快速适应新环境。在真实环境中只需几分钟数据就能显著改善性能，为实用化人形机器人开辟了新路径。

虚拟化软件巨头VMware宣布有意收购网络分析初创公司Nyansa，收购价格未公开。

高通正在推动业务多元化发展，利用其在连接、人工智能和集成平台方面的专长，扩展到汽车、工业物联网和边缘计算等高增长市场。公司计划到2030年实现手机和非手机业务收入各占50%的目标。高通在汽车领域取得显著成功，并正将这一成功模式复制到工业物联网领域，以巩固其在数字化转型关键领域的领导地位。

据IDC全球融合系统季度追踪报告显示，2019年第一季度全球融合系统市场收入同比增长19.3％至37.5亿美元。