这篇文章介绍了马里兰大学研究团队开发的BLEUBERI方法，该方法惊人地发现被认为过于简单的BLEU评分系统在指导大语言模型遵循指令方面非常有效。研究表明，当使用高质量参考答案时，BLEU与人类偏好的一致率可达74.2%，几乎与复杂的奖励模型相当。基于此，团队开发的BLEUBERI方法在多个基准测试中表现与传统奖励模型方法相当，且在事实准确性方面表现更佳。这一发现为语言模型对齐提供了更经济高效的途径，无需大量人类标注数据和复杂的奖励模型训练。

尽管存在挑战，但无触发后门仍是目前最具潜在威胁的攻击方法，很可能给对抗性机器学习提供新的方向。

加拿大密码管理公司1Password与亚马逊云服务AWS达成战略合作协议，专注为人工智能和云原生环境提供企业级安全工具。该合作帮助1Password从消费级密码管理器转型为企业安全平台，目前服务财富100强中三分之一的公司。双方推出新的AWS密钥管理器集成功能，解决AI代理、非托管设备和未授权应用带来的安全盲点问题，通过扩展访问管理平台为混合和AI驱动环境提供全面的访问安全解决方案。

这项研究由德累斯顿工业大学等机构的研究团队完成，旨在解决主动学习未被广泛应用的问题。研究者构建了包含460万种超参数组合的实验网格，系统分析了各参数对主动学习性能的影响。研究发现，不同策略实现间存在显著差异，基于边缘的不确定性策略整体表现最佳，随机选择约4000个超参数组合即可获得可靠结果。这些发现为设计可重现、可信赖的主动学习实验提供了明确指导，有助于降低入门门槛，促进技术在实际应用中的普及。

银河水滴科技公司（以下简称为“银河水滴”）源自于中科院自动化所，是步态识别技术和产业的引领者。

在我们的日常生活中，睡眠的重要性不言而喻。一个晚上没睡好，第二天的工作效率就会大打折扣，而充足的睡眠不仅能让我们恢复精力，还能帮助大脑整理和巩固当天学到的知识。有趣的是，AI模型竟然也表现出了类似的“睡眠需求”。

本次Jetbot实验全程都在 Jetson Nano 2GB 开发套件上面运行。在组装Jetbot教学系统之前，最好先把Jetbot系安装到Jetson Nano 2GB上，这样可以先对每个元件进行独立的测试，确认元件能正确工作之后再进行组装的步骤。

AI转型其实是一项“随时随地”都在进行的工作。当您为企业提供能够顺畅接纳AI方案的基础之后，AI技术也必然最大限度为您带来收益。

这篇研究综述探讨了大语言模型(LLMs)与知识图谱(KGs)在问答系统中的结合方式。研究者提出新的分类法，根据问答类型和KG角色将方法分为：KG作为背景知识、推理指南或验证器。文章系统性分析了各种复杂问答类型(多文档、多模态、多跳、会话式、可解释和时间问答)的挑战，及其解决方案。尽管LLM与KG结合能有效解决推理能力有限、知识过时和幻觉等问题，但仍面临效率与效果平衡、知识动态更新和公平性等挑战。未来研究应关注开发能高效整合最新知识的框架，以及提升推理、解释和公平性的方法。

现在的我，只想给大家一个忠告，千万不要钓鱼，因为你也不知道你钓的到底是鱼还是囚服。

人工智能因数据而蓬勃发展——数据越多越好。当涉及到训练复杂的人工智能模型时，这些多年来从无数传感器和系统中收集的暗数据可能非常有价值。

这项研究提出了一种加速TarFlow图像生成模型采样过程的方法。研究人员发现TarFlow中的块具有不同重要性：少数块在图像生成中起主要作用，而其他块贡献较小；有些块对初始值敏感，其他块则相对稳健。基于此，他们提出了收敛排名指标(CRM)和初始猜测指标(IGM)，并开发了高斯-赛德尔-雅可比迭代方法。实验表明，该方法在四种TarFlow模型上实现了2.51-5.32倍的加速，同时保持图像质量。这一技术为高效AI图像生成提供了重要解决方案。

在郑宇教授看来，一家真正做好智能城市、服务智慧社会建设的科技公司，一方面要有顶天的技术能够带动产品和业务的发展，另一方面要通过产业落地，获得源源不断的数据、推动核心技术持续领先和在应用上的战斗力。

下面，将以Dell刀片系统的网络拓扑结构为例，介绍一种被我称为 “网络黑洞”的故障现象及其解决方法。

数据存储厂商NetApp近日表示，将扩大和虚拟化软件巨头VMware的长期合作伙伴关系。

进入2022年，数据治理领域将出现新老玩家全面入局，新挑战与老问题共同推动数据治理实践向前发展的趋势。

IBM推出了新一代用于应用开发和现代化的watsonx Code Assistant，所有这些新功能都捆绑在一个多模型平台中，供IBM的160000名顾问使用。

新华三集团新华三人才研学中心首次联合EXIN国际信息科学考试学会、IFDC国际数字化能力基金会联合,共同举办EXIN国际数字化转型官企业实践峰会,与各界嘉宾共同研讨数字化转型的前沿理念、管理实践与最佳案例。

SophiaVL-R1是香港中文大学和上海人工智能实验室联合开发的多模态大语言模型，创新性地引入了"思维奖励"机制来提升AI的推理能力。与传统方法不同，该研究不仅关注AI是否得出正确答案，还评估整个思考过程的质量，通过Trust-GRPO算法智能地整合思维奖励和结果奖励。实验表明，即使只有7B参数，SophiaVL-R1也能在MathVista、MMMU等多个基准测试中超越参数量大10倍的模型，证明了思维过程监督对提升AI泛化推理能力的重要价值。

最近六个月以来，虽然已经有公开信呼吁所有AI实验室应该立即训练比GPT-4更强大的AI系统，但现实却是，潘多拉的魔盒已经打开。通过以下一些方法，可以更好地了解这些AI系统的功能，并利用这些功能为你所在的组织构建有效的企业使用政策。