这项研究展示了一个基于ModernBERT架构的prompt injection检测模型，通过精心构建的多样化数据集训练，在内部测试中达到98.7%准确率和98.0% F1分数，在公开基准测试中平均F1分数达93.8%，显著超越现有最强基线系统。该模型推理速度仅0.02秒，具备实时检测能力，为AI系统安全防护提供了新的解决方案。

NVIDIA Research推出了革命性的UDR系统，让用户可以完全自定义AI研究助手的工作策略。该系统解决了传统研究工具固化、难以专业化定制的问题，支持任意语言模型，用户可用自然语言编写研究策略，系统自动转换为可执行代码。提供三种示例策略和直观界面，实现了AI工具的民主化定制，为专业研究和个人调研提供了前所未有的灵活性。

“黑客攻击计算机现在是个热门话题，但很快我们就不会关注这个话题了。黑客攻击人类将成为下一个热门话题。”

英特尔近日宣布，计划将把可编程芯片部门作为一个独立的业务分拆出来，未来会把该部门作为一个独立的实体。

支持5G、崭新醒目的设计、更加强大的相机以及四种不同型号，共同成就iPhone 12这一全新家族。

Spotify研究团队通过系统性实验发现，传统为搜索或推荐任务单独优化的语义身份证在统一系统中存在严重的性能冲突。他们提出的多任务训练方法能够同时学习查询匹配和用户行为预测，为每个物品生成既适合搜索又适合推荐的统一身份证，在两个任务中都达到良好平衡效果，为构建下一代生成式推荐系统提供了重要技术路径。

近日思科宣布计划收购Kenna Security，其是一家可以帮助企业修复系统安全漏洞的公司，这也是思科在一周内公布的第三笔针对初创公司的收购。

近年来,随着数字化的深入人心,软件正在随着云计算、移动互联网、物联网等的发展而不断进化。

Big River Steel的先例告诉钢铁行业，机器学习同样适用它们。

伊利诺伊大学团队开发出ROS-Cam系统，仅需普通RGB视频即可精确重建动态三维场景，无需激光雷达等额外传感器。该技术通过补丁式追踪过滤器、异常值感知优化和两阶段策略，在多个数据集上超越现有方法，处理速度提升2-12倍。这项突破有望让普通用户轻松创建专业级三维内容，在电商、教育、文化保护等领域具有广阔应用前景。

2025 MWC上海期间，由中国信息通信研究院主办，以“拥抱AI，激发网络新质生产力”为主题的智能IP广域网（AI WAN）产业论坛成功举办。

如果我们将AR技术与远程运维结合到一起会有怎样的效果呢？近日，中信成员企业中企网络通信技术有限公司（简称“中企通信”）与香港应用科技研究院有限公司（简称“应科院”）便进行了这样的创新实践。

移动互联网“疯狂的10年”以诸多公司“流血”上市而逐渐降温，以物联网、大数据、云计算、人工智能等为核心的技术公司，开始走向资本 “聚光灯”下。有一群创业者，正站在了这一剧变的前夜，用创新创业开启流量外的全新时代。

谷歌DeepMind研究团队开发了革命性的语音合成技术，采用数据驱动方法让AI学会像人类一样自然说话。通过观察大量真实语音数据，新系统能够生成更自然、更有情感的语音，在客观测试和主观评价中都显著超越传统方法。这项技术将为智能助手、有声读物、教育软件等领域带来重大改进，同时为语言障碍人群提供帮助，展现了人机交互技术的光明前景。

北京大学团队提出ReLIFT方法，巧妙结合强化学习与监督学习优势。该方法让AI在常规训练中自主练习，遇到最难题目时自动获取高质量指导。实验显示ReLIFT在五个数学竞赛测试中平均提升5.2分，仅需传统方法13%的教学数据，生成答案长度减少近10倍，为AI突破能力边界提供新路径。

关于IT，如果说有一点可以肯定的，那就是投资云永远也不晚。随着云对IT和整个业务越来越重要，对云技能的需求也只会越来越大。

Google Cloud近日推出了两个行业特定的平台，即Manufacturing Data Engine和Manufacturing Connect平台，旨在帮助工厂运营企业将每天生成的大量数据汇集起来，并对数据进行处理。让制造企业能够从基于分析的洞察力、预测性维护和机器级异常检测中受益。

去年9月IBM出货了代号“Denali”的Power E1080大型系统，近日，IBM宣布对基于代号“Cirrus”Power10处理器的Power Systems产品线进行扩充，新增了入门级和中端系统，其中很多适用于支持高性能计算和人工智能工作负载，以及内存数据库和其他大型工作负载。

澳大利亚研究团队开发出PresentAgent，这是一个能将任何文档自动转换为专业演示视频的AI系统。该系统集成了文档解析、幻灯片设计、语音合成等功能，并创建了全新的多维度评价体系。实验显示，AI生成的演示视频在多项指标上接近人类专家水平，为教育、商业等领域的演示制作提供了高效解决方案。

布朗大学和普林斯顿大学研究团队发现，自动语音识别系统能够仅凭语音特征推测说话者的种族身份，并且对不同种族群体表现出不同的识别准确性。研究揭示了这种现象的技术机制，发现系统在学习语音内容的同时无意中学会了种族特征识别。研究团队提出了包括改进训练数据多样性、开发去偏见算法等多种解决方案，强调了在人工智能发展中考虑公平性的重要性。