Canonical宣布Ubuntu 25.10"Questing Quokka"将引入基于可信平台模块（TPM）芯片的全盘加密功能。该功能原计划在23.10版本推出，现在终于落地。新方案利用现代PC内置的TPM 2.0芯片存储加密密钥，支持自动解锁，无需手动输入密码。系统要求PC具备TPM 2.0芯片、UEFI固件并启用安全启动。相比传统LUKS加密方案，TPM加密可实现无人值守启动，特别适合服务器环境。该功能将采用统一内核镜像系统，通过snap包管理内核更新。

“人工智能监控使我们能够检测ATM机的篡改和破坏行为，甚至抓获戴口罩的罪犯，”Pushkal Tenjerla在谈到CMS的人工智能技术时这样说道。

如果说云端模型的终极理想是“超过你”，那么基于消费者的“数据集”，荣耀想在端侧创造什么样的AI终极体验？

随着企业组织高度关注数字化，解决问题和修复有问题的项目，变得比以往任何时候都更加重要。

卡内基梅隆大学研究团队开发了OpenBEATs，首个完全开源的通用音频理解系统。它突破了传统音频AI只精通单一领域的局限，能同时处理音乐、环境声音和生物声音，参数规模达3亿。在25个数据集的测试中表现卓越，特别在生物声学领域的10个数据集中有6个获得最佳成绩。该系统还具备音频推理能力，能回答音频相关问题并生成描述，为生态监测、音乐分析等应用提供强大技术支撑。

该研究首次通过实验揭示了人类在战略博弈中如何对待大语言模型(LLM)对手。爱丁堡大学研究者发现，在p-美丽竞赛游戏中，人类面对LLM对手时会选择显著较低的数字，特别是增加了选择"零"的频率。高战略推理能力的参与者更倾向于这种行为转变，他们期望LLM能够理性推理至均衡，甚至具有合作倾向。这些发现对未来人机混合环境的机制设计具有重要启示，揭示了战略互动中人类对AI的特殊期望。

Adobe迎来了40年历史中规模最大的一笔收购。

IBM今天宣布与Unity Technologies Inc.建立合作伙伴关系，Unity Technologies Inc.是一家热门游戏引擎制造商，被称为业界应用最广泛的虚拟应用平台。该软件还适用于打造增强现实服务。

超盟数据利用最新的人工智能技术、无服务计算技术同时结合自己积累的零售行业经验，来提高连锁门店补货的效率和科学性，提升货品的周转率和门店利润率，从而为连锁门店迈向智慧门店打下了良好基础。

Serverless Computing被认为是继虚拟机、容器之后云计算的第三波浪潮，Serverless Computing将给云计算带来新的革命。

15年前梭子鱼网络还是一家初创的电子邮件安全公司，垃圾邮件是各公司面临的主要问题。当时垃圾邮件大多为影响用户的工作效率，但其内容本身一般没有恶意。然而该情况已今非昔比。

上一篇内容为大家介绍了从NVIDIA NGC下载DeepStream 6.1的容器版镜像到本地在Jetson上设备的基础指令，不过在正式使用容器版DeepStream 6.1之前，我们还是需要为入门用户提供基本的使用方式与一些小技巧。

近日，由界面新闻、娱乐资本论主办的“娱乐 + AI”的主题活动——《AIGC浪潮下的文娱科创新视野》暨“首届上海文娱科创沙龙”在上海徐汇区落下帷幕。

斯坦福大学研究团队开发出革命性的"神经语义解码器"，这一AI系统能够通过分析大脑神经活动来"读懂"人类的语言理解过程。该技术在识别听到的句子方面准确率超过85%，甚至能够解码心中默念的内容。这项突破性成果不仅揭示了大脑处理语言的神奇机制，还为失语症治疗、个性化教育、人机交互等领域带来了革命性应用前景，同时也引发了关于思维隐私和技术伦理的重要讨论。

每年一度的华为开发者大会，都会云集全球众多开发者。而由于之前源源不断美国制裁风波，让今年的大会受到更多关注。

微软与OpenAI的合作最近备受关注。今年1月，微软宣布将向打造了ChatGPT的AI初创公司OpenAI投资100亿美元。ChatGPT是一款AI聊天机器人，由于其令人印象深刻的类人对话能力而风靡互联网。

10月17日-19日，2019年中国计算机大会（CNCC2019）在苏州举办，本届大会以“智能+引领社会发展”为主题，1000家机构的代表、8000余人参展参会。百度首席技术官王海峰在会上发表题为《深度学习平台支撑产业智能化》的演讲。

想象一下，你对AI说："给我画四个杯子"，结果AI只画了三个，或者你要求"一只红狗"，却得到了一只棕色的狗。这些"听不懂人话"的情况在当今最先进的文生图AI中仍然很常见。虽然目前的AI生成技术已经能创造出令人惊叹的图像，但在准确理解和执行具体指令方面，它们还存在明显的短板。

AIOps开始成为一种极为重要的站点可靠性工程工具。它能够高效吸纳观察数据、参与数据以及来自第三方工具的数据，判断系统运行状态并保证其处于最佳状态。

Cohere Labs研究团队提出了一种革命性的多语言AI优化方法，无需重新训练模型即可显著提升非英语语言的表现。通过"多重采样+智能选择"策略，让AI生成多个候选答案后选出最优回应。实验显示该方法让8B参数小模型在多语言任务上挑战大型商业模型，平均性能提升6.8-17.3个百分点，为AI多语言应用开辟了高效可行的新路径。