安全公司BlackFog报告显示，约六成企业员工愿意使用影子AI工具以满足工作截止时间要求。86%的员工每周至少使用一次AI工具完成任务，超过三分之一使用雇主批准工具的免费版本。七成高管愿意让快速生产优先于安全需求。CEO们强制采用AI并投入大量资金，效率提升被认为过于重要而不容忽视，但这让IT安全团队疲于应对控制措施不足的问题。

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。

中国人民大学研究团队提出LoFT方法，通过参数高效微调基础模型解决长尾半监督学习中的数据不平衡问题。该方法利用预训练模型的良好校准特性改进伪标签质量，并扩展出LoFT-OW版本处理开放世界场景。实验显示，仅使用传统方法1%的数据量就能取得更优性能，为AI公平性和实用性提供了新的解决方案。

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。

香港中文大学团队首次将DeepSeek-R1推理范式应用到视频理解，开发出Video-R1系统。该系统通过创新的T-GRPO训练方法，让AI学会利用视频时序信息进行深度推理，而非简单识别画面。在多项测试中表现优异，甚至在空间推理任务上超越GPT-4o，为AI视频理解开辟新道路。

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。

腾讯AI实验室联合多所知名高校开发了一种名为CDE的新型AI训练框架，通过模仿儿童的好奇心学习机制，让大语言模型能够自主探索未知领域。该方法使用两套"好奇心传感器"指导模型学习，在数学推理任务上平均提升3个百分点，同时解决了传统方法中的"校准崩塌"问题，为开发更智能自主的AI系统开辟了新路径。

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。

斯坦福和伯克利联合开发了DeepScholar-Bench系统，专门评估AI进行学术研究综述的能力。研究通过让AI撰写论文的"相关工作"部分，从知识综合、检索质量和可验证性三个维度测试AI表现。结果显示最先进的AI系统综合得分不超过19%，表明AI学术研究能力仍有巨大提升空间，为未来AI助手发展指明了方向。

思科今日发布第三份年度《思科人工智能就绪指数》报告（Cisco AI Readiness Index）。报告显示，在过去三年中，一小部分始终表现突出的企业群体——被称为“领导者”（Pacesetters）——在AI价值的各项衡量指标上均显著优于同行。

加拿大大学健康网络（UHN）团队于2026年2月发布EchoJEPA，首次将Meta科学家杨立昆提出的JEPA架构应用于医学影像领域。该模型在1800万条心脏超声视频上训练，通过在抽象空间预测而非逐像素重建的方式，从根本上解决了超声图像散斑噪声的干扰问题。

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。