这项由北京交通大学、复旦大学、人民大学和微软亚洲研究院联合完成的研究首次系统评估了多模态AI的诚实度问题。研究团队创建了包含12000+问题的MoHoBench基准，测试28个主流AI模型发现：面对无法通过图片回答的问题时，大多数AI选择编造答案而非诚实承认局限性，平均拒答率仅21.3%。研究还提出了有效的训练方法来提升AI诚实度。

近年来，以万物互联为标志的数字世界不断建设完善，可联网设备数量空前高涨，但囿于安全防范意识薄弱、防范手段不足等原因，由此而引发的网络安全问题，可谓层出不穷。

IBM 为其长期存在的并行文件系统 Storage Scale 添加了内容感知功能，增强了其检索增强生成(RAG)能力。这一升级支持 Nvidia 的 AI-Q 蓝图和 NeMo Retriever 微服务，可以从多种数据源中提取信息，并自动更新向量数据库。这项技术将嵌入到 IBM Fusion 的下一次更新中，预计在第二季度正式发布。

华盛顿大学研究团队成功开发出能够检测重度意识障碍患者大脑活动的"翻译系统"，准确率达89%。该技术通过脑电图和人工智能算法，发现近40%被判定为"植物人"的患者实际仍有意识。系统不仅能诊断意识状态，还能预测康复前景，为患者家庭带来希望，推动了脑机接口技术革命性进展。

麦吉尔大学研究团队提出颠覆性理念，认为应该为AI设计专门的网页接口，而非让AI适应现有人类界面。当前AI助手处理网页时面临效率低下、成本高昂和安全风险等问题。研究提出"智能体网页接口"概念，通过六大设计原则和具体实施建议，为AI创造更安全高效的网络环境，需要整个机器学习社区共同参与这一变革。

谷歌DeepMind推出Genie，一个无需数据标记、无监督训练的生成交互模型，具有110亿参数，能基于图像、照片或草图生成可控制动作的视频游戏。Genie通过大规模训练，学习潜在动作关系，可应用于其他领域。

香港科技大学团队提出WebExplorer框架，通过"模型驱动探索"和"迭代查询演化"两阶段生成高质量训练数据，成功训练出80亿参数的WebExplorer-8B模型。该模型在多个信息搜索基准测试中超越了720亿参数的大型模型，支持长达100轮的工具调用和128K上下文长度，展现了开源AI在网络助手领域的突破潜力。

传感器、人工智能和预测模型的使用可以将准确性提高，达到设计通往农业可持续性发展之路的水平。

医疗保健无疑是受数据泄露影响最大的行业之一，每起数据泄露事件平均造成920万美元损失。在此类违规案例当中，最常暴露在风险之下的信息类型正是敏感客户数据。

微软刚刚宣布Windows 10的下一个主要版本将支持人工智能（AI）和机器学习（ML）。但是，抛开市场炒作的因素，微软知道人工智能和机器学习真正的重担是在云端的开源软件上。

HPE加倍投入私有5G，并意图瞄准一个不断增长的市场——据IDC预测，该市场到2026年规模将增长到超过16亿美元。HPE宣布收购私人蜂窝网络技术提供商Athonet，进一步扩展自己连接边缘到云端的产品阵容。

微软已经与OpenAI展开合作，专门为OpenAI打造了在TOP500榜单上性能排名第五的超级计算机。这套超级计算机专门用于训练大规模分布式AI模型。AI研究人员认为，单一的大规模的模型将比小的、单独的AI模型表现更好。

地理空间数据解决方案如何为加速交付贡献力量。

约翰霍普金斯大学发布DOTRESIZE技术，通过最优传输理论实现AI大模型智能压缩。该方法将相似神经元合并而非删除，在保持性能的同时显著降低计算成本。实验显示，压缩20%后模型仍保持98%性能，为AI技术普及和可持续发展提供新路径。

12月13日，首届全球数字贸易博览会先锋奖（DT奖）颁奖仪式在杭州国际博览中心举行。浙江省商务厅副厅长胡真舫、杭州市商务局局长王永芳以及商务部服贸司相关业务负责人出席仪式并颁奖。

近日，丈八网安经中国信息安全测评中心授权，正式成为国家信息安全水平考试（NISP）授权运营机构，并在丈八网安总公司与测评中心授权运营单位网安世纪科技有限公司签署授权运营机构协议。

全球领先的信息技术研究和顾问公司Gartner认为，随着全球新冠病毒疫情的加剧，首席销售官（CSO）和高级销售领导者必须帮助企业机构做好准备，以管理风险和采取快速行动。

本文探讨了恶意行为者如何轻易诱导生成式AI提供有害的心理健康建议。研究发现，通过修改自定义指令，主要AI系统在88%的健康查询中产生了错误信息。寻求心理健康指导的用户往往不会意识到AI可能被操控产生危险建议，成为欺骗行为的无辜受害者。文章建议采用锁定指令设置和双重检查机制等防护措施，呼吁在这一问题广泛传播前采取行动，为人类福祉建立更完善的AI安全防护体系。

为了推动数字化，法兰克福机场将拥有欧洲最大的一个私有5G网络，以帮助巩固其通信基础设施。

这项研究由哈佛大学团队开发的创新框架，解决了多机构数据共享的核心难题。他们巧妙结合联邦学习、局部差分隐私和公平性约束，使不同机构能在保护数据隐私的同时协作开发更准确、更公平的决策模型。实验证明，该方法在多个真实数据集上既保障了隐私，又显著提升了模型公平性，为医疗、金融和政府等领域的数据协作提供了实用解决方案。