人类很难相信自己无法理解的机器，并最终阻碍了我们从这一创新技术中切实受益。

近日，Fortinet Accelerate 2024中国区巡展于在广州揭幕，群英荟萃，共同描绘网络安全领域的崭新蓝图。

这篇研究深入探讨了大语言模型在处理不同语言长文本时的位置偏差现象。研究团队分析了英语、俄语、德语、印地语和越南语五种语言，发现位置偏差主要由模型决定而非语言特性，Qwen模型偏好文本末尾位置信息，挑战了传统认为模型偏好早期信息的观点。研究还揭示明确告知模型正确上下文位置反而降低性能，而熵分析表明当正确信息位于模型偏好位置时，不确定性反而增加，为多语言AI应用提供了重要指导。

7月5日,“加速‘人工智能+’ 构筑新质生产力”主题活动在上海徐汇举行。值得一提的是,这是中央广播电视总台研究院自6月揭牌以来牵头主办的第一场落地活动。

以智能运维为基础的全新数字化生态系统正在形成，可以看到BMC提供了一整套解决方案，帮助各行各业的用户实现多云环境下的智能运维，最终成为一家成功的数字化企业。

Tool-Star是人民大学研究团队开发的AI多工具协作系统，它通过强化学习使大型语言模型能够自主调用多种外部工具进行推理。该系统采用创新的数据合成流程和两阶段训练框架，包括冷启动微调和带有层级奖励的自我批评强化学习。在10项挑战性推理任务中，Tool-Star展现出卓越性能，证明了多工具协作方法的有效性，为AI系统扩展能力边界开辟了新路径。

我们可以把Docker容器理解为一种沙盒。每个容器内运行一个应用，不同的容器相互隔离，并且每个容器之间还可以建立通信机制。容器的创建和停止都十分快速，容器自身对资源的需求也十分有限，远远低于虚拟机。

这项研究展示了如何通过在经济问题上进行后训练，让大语言模型像经济学家一样思考，从而实现战略性泛化能力。研究团队开发了名为Recon的7B参数开源模型，通过在2,100个高质量经济推理问题上进行监督微调和强化学习，不仅提升了模型在经济基准测试上的表现，更重要的是让模型在从未直接训练过的多智能体博弈中展现出合理的战略行为。结果表明，领域对齐的后训练可以作为智能体对齐的可扩展路径，通过结构化推理问题培养出更广泛适用的理性决策能力。

近些年来涌现了一批出色的网络安全公司，致力于解决各种网络安全问题，从确保分布式办公的安全性，到评估和减轻企业网络安全风险，再到保护DevOps通道，以及获得对企业组织基础设施的可见性。

你有没有注意到，人类在面对复杂问题时会放慢思考速度，仔细推敲每个步骤？而在日常简单问题上，我们则可以快速直觉地给出答案。现代AI也在模仿这种"快思考"和"慢思考"的双系统思维模式。

过去的十年中，安全行业最敏锐的一些人士纷纷创立了新公司来应对各种安全问题，包括从在公有云基础设施中发现安全问题，到跨多云环境的异常检测和合规性，再到针对AWS和微软Azure以及Google Cloud Platform的办公级保护。

手作、火烤、滚抛、包衣……通过这些存在了数百年的工艺，美味的巧克力薄饼、脆饼、松饼以及其它各色零食源源不断地被生产出来。卡车定期从Warrell公司拉走成千上万的糖果，送到超市供人们购买品尝。

数据驱动着现代商业的发展。今天，无论在制造、零售、物流，还是在互联网、金融等行业，数据都变得比以往任何时候更为重要。

京东的基础架构一直在不断完善，主要分为计算、存储、中间件、共享等，京东还有着自己的研发体系，未来所有的创新也都将从业务需求出发。

华盛顿大学和UC伯克利的研究团队开发了一种创新框架，让动物在音乐节奏下翩翩起舞。该研究《当你不在时，动物们是如何跳舞的》从少量生成的关键帧开始，通过图优化问题找出满足特定编舞模式的最佳路径，并应用视频扩散模型生成中间帧。技术亮点包括从人类舞蹈视频中提取编舞模式和生成镜像姿势图像。研究成功创建了长达30秒的各类动物舞蹈视频，用户评价显示其在节拍同步性和舞蹈感知方面表现出色。

这项研究首次系统研究了大语言模型在表达不确定性时的"忠实度"问题，发现它们往往在不确定时仍使用肯定语言，导致用户过度信任。研究团队提出了MetaFaith方法，通过激发模型的"元认知"能力，使其能更诚实地表达不确定性。在14种模型和10个数据集的测试中，MetaFaith将忠实度提升了高达61%，且83%的情况下被人类评为更可靠。这一突破对构建更值得信任的AI系统具有重要意义。

北卡罗来纳大学团队开发的VIPER-R1系统首次实现了从视觉观察到物理定律的自动发现。该系统模拟物理学家的认知过程，通过观察运动图像和数据自动生成物理公式，准确率达81.2%，远超现有AI系统。这项技术有望加速工程、材料科学等领域的科学发现进程。

这项研究探索了预提示工程（pPE）在强化微调（RFT）中的作用，证明不同类型的预提示可以引导语言模型习得不同行为模式。研究者将五种推理时提示策略转化为训练时预提示，发现所有pPE训练的模型都优于仅用推理时提示的基线，其中零示例型pPE意外地取得最高平均性能提升。此外，不同pPE方法引导模型表现出各自独特的行为特征，表明pPE是RFT中一个被低估但强大的训练维度，可用于培养多样化的AI思维模式。

Cloudera的技术实践，折射出当下企业数据智能化转型的核心命题，更体现出四层境界的思考。

在全球消费者钱包收紧、信任成本更高的今天，中国企业如何穿越迷雾，活下去，并且活得更好？