思科近日表示，将通过收购以色列初创公司Portshift扩大容器管理和DevOps安全业务。交易金额未对外透露。Portshift构建的Kubernetes原生安全平台专注于帮助DevOps团队保护容器应用。

根据IDC全球融合系统季度追踪报告显示，2020年第三季度全球融合系统市场收入增长0.3％至39亿美元。

这项研究介绍了EgoZero，一种创新的机器人学习系统，能够仅通过Project Aria智能眼镜捕获的人类示范数据，训练出零样本迁移的机器人操作策略。研究团队提出了一种形态无关的状态-动作表示方法，使用点集来统一人类和机器人数据，并开发了从原始视觉输入中提取准确3D表示的技术。在没有任何机器人训练数据的情况下，EgoZero在7种真实世界操作任务上实现了70%的成功率，展示了强大的泛化能力，为解决机器人学习中的数据瓶颈问题提供了新思路。

IBM正在加大其混合云推动力度，希望成为那些使用多个公有云和私有云平台的企业的首选服务提供商。

俄国研究团队开发出InnerControl技术，通过训练轻量级"内心解读器"监控AI绘画过程中的中间特征，实现全程实时控制指导。该方法在深度控制任务中比现有最佳方法提升7-10%精度，同时保持图像质量，解决了AI绘画控制不精确的核心问题，为更可靠的AI创作工具奠定基础。

本文探讨了IT领导者在实施变革管理时常见的失误。文章强调了变革管理的重要性,指出了缺乏专业知识、忽视员工需求、沟通不足等问题。同时提出了建立内部支持、以身作则、进行试运行等有效策略,帮助组织更好地适应数字化转型带来的持续变革。

人工智能时代正在改变创业格局。它降低了软件开发成本，使自主创业更加可行。然而，竞争加剧也推动了对风险投资的需求。创业者面临在保持初心和追求快速增长之间的平衡。成功的关键在于组建versatile团队，保持创业精神，同时关注长期影响力。无论选择何种模式，真正的成功源于对目标的坚持和对社会的贡献。

这项研究提出了一种名为INTUITOR的创新方法，让大语言模型无需外部奖励即可自主学习推理能力。研究者利用模型自身的"自我确定性"作为唯一奖励信号，替代传统需要人工标注或答案验证的方法。实验表明，该方法在数学推理上与使用标准答案的方法相当，并在代码生成等跨领域任务上展现出更好的泛化能力。这为开发能在缺乏外部验证的情况下自我提升的AI系统开辟了新途径，对未来自主学习AI具有深远影响。

为积极响应北京银行数字化转型战略，信用卡中心充分运用大数据信息及技术优势，整合内外部数据及各类风险信息，首次引入知识图谱分析平台，创新性的以图谱形态构建风险关系网络的形式，重新组织多个业务条线产生的数据，构建5大关联图谱风险业务模型场景。

Deepmind创始人Demis Hassabis表示，人工智能的许多能力可能需要10年才能充分显现。他预计AI将演变为具有人类认知能力的通用人工智能。Google推出了新的音频生成模型Chirp 3，并扩展了AI代理服务Agentspace。Hassabis强调了AI代理系统的发展，包括多代理协作和专业化代理的应用，但也指出了AI规划算法中错误累积的挑战。

2022年，是中国智慧税务建设的攻坚之年，也是税收征管从“以票管税”迈向“以数治税”的关键之年。

高达动态厘米级的高精度定位服务，不仅是北斗卫星导航系统的一大独门绝技，其在产业化应用层面也已逐步向普适化、标配化演进，并延展出时空智能新兴产业。

“叮铃铃……”一阵急促的电话铃声响起，把老张从美梦拉回了现实。

想要为客户提供最新软件和服务以解决大数据挑战的解决方案提供商都应该值得我们关注。下面就让我们来看看2019年的这10家热门数据分析初创公司。

三年的数智化转型，让中国一汽完成了一次彻底的蜕变。

生成式AI的世界近年来经历了翻天覆地的变化。特别是在图像和视频生成领域，扩散模型（diffusion models）和整流流模型（rectified flows）的出现，极大地提升了AI生成内容的质量和多样性。这些模型就像是拥有惊人创造力的艺术家，能够根据文字描述创作出令人惊叹的图像或视频。

Canadian Tire首席信息和技术官Rex Lee分享了他的双重角色和以身作则，以数字化的方式为这家加拿大标志性品牌加油助力。

7月21-24日由MathWorks主办，汇集全球范围内领先企业的工程师、研究员和科学家的2020 MATLAB EXPO中国用户大会在线上召开。MathWorks公司首席战略师Jim Tung先生在发表“一切转型始于数据和模型”主题演讲后接受记者采访。

Podcastle是一款播客录制和编辑平台，现已推出名为Asyncflow v1.0的AI文本转语音模型，并为开发者提供API接口，方便其在应用中直接集成该模型。新模型支持超过450种AI语音，能够为文本进行朗读。该公司表示，其技术和模型的训练及推理成本较低，使其在竞争中具备优势。Podcastle的创始人Arto Yeritsyan表示，尽管开发成本高昂，但得益于最近的大型语言模型进展，Podcastle终于能够在不需要大量数据的情况下构建高质量的语音模型。

这项研究探索了语言神经元视角下多语言对齐如何增强大语言模型(LLMs)的多语言能力。研究团队提出了一种更精细的神经元识别算法，将激活神经元分为语言特定、语言相关和语言无关三类，克服了现有方法的局限性。基于这种分类，研究将LLMs多语言处理过程划分为四个阶段：多语言理解、共享语义空间推理、多语言输出空间转换和词汇空间输出。通过分析对齐前后不同类型神经元的变化，发现多语言对齐促进了更多语言相关神经元的共享使用，减少了对语言特定神经元的依赖，这也解释了"自发多语言对齐"现象。