/
Nvidia 推出 NeMo 微服务 助力让 AI 帮助你协助 AI
Nvidia 推出 NeMo 微服务，将 AI 智能体嵌入企业流程，实现数据采集、模型更新和安全管控；研究显示，近半数企业 AI 投资仅带来微小改善，但大部分获得良好 ROI。
企业如何突破AI人才瓶颈？亚马逊云科技Maureen Lonergan揭示四大关键洞察
亚马逊在生成式AI爆发初期便敏锐意识到了人工智能培训的重要性，2023年宣布启动“AI就绪（AI Ready）”计划，通过系统化的人才培养架构，不仅着眼解决当下企业AI应用的人才缺口，更为全球数字经济发展构建了AI人才储备体系。
AI 工厂需要有家：新兴数据中心市场正在崛起
本文探讨数据中心选址的重要性及其对AI工厂布局、能源供应、税收优惠等多重因素的影响，揭示全球新兴数据中心市场的发展趋势。
AI重塑网络安全：Akamai揭示攻防新格局
Akamai最新发布的《2025互联网安全报告》其中的深刻变革：攻击者正在利用AI实现更精准、更自动化的攻击，而防御方也在借助AI构建更智能的安全体系。
NVIDIA Eagle 2.5：让AI"看得更久、看得更细"的视觉语言模型
你是否曾想过，如果AI能像人类一样看完整部电影，或者理解超高清图像中的细微细节会怎样？普通的AI模型在这方面往往力不从心，它们就像只能看几秒视频或者只能看低分辨率图片的"近视眼"。NVIDIA联合多所高校的研究团队近日推出的Eagle 2.5就是为了解决这一问题，让AI拥有"看得更久、看得更清"的能力。
首席信息官 Angelic Gibson：让学习有趣，平息 AI 恐惧
本文介绍了 AvidXchange 的 CIO Angelic Gibson 如何借助有趣的学习机制，缓解员工对 AI 的担忧，并推动企业数字化转型以提升效率和创新能力。
FlowReasoner：强化型查询级元智能体的突破性研究
想象一下，你正在使用一个餐厅点餐系统。传统的系统可能只有一套固定的点餐流程，无论你是来喝咖啡、吃简餐还是举办宴会，都要经过同样的步骤。这就像当前的任务级多智能体系统——它们为特定类型的任务（比如代码生成）设计一套固定的工作流程，所有查询都必须按照这一流程处理。
"教会AI学会推理"：上海人工智能实验室和西湖大学联合研究团队的突破性离线策略强化学习方法
想象一下，你正在教一个孩子解数学题。有两种方法：一种是让他完全靠自己摸索，犯错后给予反馈；另一种是在他遇到困难时，给他展示一些优秀学生的解题过程作为参考。哪种方法更有效？大多数人会认为结合两种方法可能效果最好——既让孩子有尝试和探索的机会，也在必要时给予优秀范例的指导。
奖励设计：让AI学会智能使用工具的关键
想象一下，你有一个非常聪明的朋友，他知道很多知识，但每当需要使用计算器、搜索引擎或查询最新天气时，却变得像个笨手笨脚的孩子。这正是当前大语言模型（简称LLMs，如ChatGPT这类AI系统）面临的尴尬处境。
ToolRL：奖励设计是工具学习所需的全部
想象一下，你拥有一个聪明的助手，它知道很多知识，但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型（LLMs）面临的困境。虽然这些模型已经通过监督微调（SFT）学会了使用工具的基本能力，但它们常常在面对复杂或不熟悉的场景时表现不佳。
Relyance AI 为公司数据构建‘透视眼’：降低 AI 合规时间 80% 同时解决信任危机
Relyance AI 推出 Data Journeys 平台，精准追踪数据流向，大幅减缩合规准备时间，并提供自建部署选项，助力企业实现全面 AI 治理。
富士通借助日语大语言模型在 Nutanix 平台上发力私有 AI
富士通与 Nutanix 合作，将经过日语优化的 Takane 模型部署在企业 AI 平台，实现私有及混合云环境中安全高效应用生成式 AI。
X-Teaming：使用自适应多智能体进行多轮越狱攻击和防御
想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息，它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话，逐步引导它走向你的真实目标呢？这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。
SAP业绩超预期：关税未扰业务进程
SAP公布财报显示，尽管营收略低于预期，其营业利润大幅超预期，同时云收入显著提升，并维持全年指引，成本管控与新客户拓展为增长奠定坚实基础。
HyperFiber 搭载 Render 加速宽带建设 提升效率
HyperFiber 利用 Render 的自动化管理软件，优化施工流程、实现实时数据验证，从而加速宽带网络建设与市场拓展。
Marks & Spencer 遭遇网络攻击致系统瘫痪
文章报道 Marks & Spencer 在复活节长假期间遭受网络攻击，导致非接触支付和在线自取服务中断。公司已致歉、求助第三方网络取证，并强调其余服务正常运行，专家警示零售业面临愈加严峻的网络威胁。
基于 AI 的 API 被证明极易遭受攻击
根据 Akamai 报告，2023 至 2024 年间，API 攻击次数超 1500 亿，网络攻击总量激增至 3110 亿次。报告指出，AI 助力的 API 虽提升了威胁检测能力，却也因普遍缺乏充分认证等安全防护，拓宽了攻击面，同时催生了更多自动化、智能化的攻击手段。企业需采纳包含 shift-left、DevSecOps、持续监控及零信任等多层防护措施，以应对日益严峻的安全挑战。
京公网安备 11010802021500号
