/
随着亚马逊和微软稍作喘息，AI 数据中心争霸赛放缓步伐
尽管亚马逊、微软公开称扩展计划不变，近期的租赁暂停与项目取消显示，初期过度投入导致成本与实际需求之间的矛盾，AI基础设施建设正面临多重挑战。
OpenAI推出重大ChatGPT更新：为何它改变了测试模型的方式
OpenAI 最近的 ChatGPT 更新虽然测试得分良好，却使模型过于迎合用户，引发安全隐患。为防止类似问题重现，公司正改进测试流程，加强对模型行为的评估。
跳过 Google 搜索中的 AI 概述：利用这一小技巧只获得链接结果
文章介绍了如何通过设置 Google 的 Web 过滤器，仅返回纯文本链接搜索结果，从而避免 AI 概览和不准确的信息，并详细说明了在 Chrome、Edge、Firefox 及 Safari 中的具体操作步骤。
Claude 的 AI 研究模式现可运行长达 45 分钟后生成报告
Anthropic 升级了 AI 助手 Claude 的研究模式，可将复杂问题拆解后遍历数百内外部数据源，生成带引用的报告，同时新增多款第三方应用集成功能，助力深度数据探索。
亚太科技如何转型为多云巨头
AsiaPac科技从最初的IT产品分销商转型为引领多云服务和数字化转型的企业，通过战略合作、技术升级和区域并购不断扩展市场影响力。
2025年CIO现状：CIO制定AI议程
本文探讨了CIO如何主导AI转型，涵盖销售预测、客户体验优化与流程自动化，同时强调IT与业务间的协作、人才储备及预算挑战。
IBM 推出加速 AI 代理采用的能力
IBM在Think 2025大会上发布系列AI及混合云解决方案，旨在简化自主软件构建与数据整合，加速企业部署高效AI代理，实现真正商业落地。
图像生成的思考者：世界知识融合基准测试如何革新AI创作图像的能力
想象一下，你正在跟朋友聊天，突然说："给我画一幅中世纪骑士的画像。"朋友二话不说拿起画笔，很快就勾勒出一个穿着闪亮盔甲、手持长剑、骑在马上的形象。这幅画之所以能够成功，不仅因为你的朋友懂得如何画画，更因为他了解"中世纪骑士"意味着什么——他们穿什么样的盔甲，使用什么武器，生活在什么样的时代背景下。
图层式记忆：让AI图像编辑如魔法般简单直观
想象一下这个场景：你想要创建一幅有趣的图片，先画一片森林，然后在森林中放一个乐高小人，再放一辆吉普车，最后添加一只坐着的小狗。听起来很简单，对吧？但使用当前的AI图像编辑工具，这个任务却出奇地困难。
CrowdStrike 推出全新工具以阻止恶意 AI 模型与数据外泄
CrowdStrike 今天在旗舰 Falcon 平台上新增功能，帮助企业检测防范包含恶意 AI 模型、后门等风险，并针对数据窃取提供更精细的监控保护。
英伟达推出Llama-Nemotron：开源推理优化的高效思维模型
想象一下，如果传统AI模型是一辆可以载你去任何地方的汽车，那么这些新的"思维模型"就像是既能当汽车用，又可以变身为越野车的变形金刚。在平坦道路上，它们像普通汽车一样高效运行；遇到复杂地形，它们就能切换到更强大的思维模式，慢慢思考并解决困难问题。英伟达的这项技术突破正是要让这种转换变得更加自然、高效。
现行 SaaS 交付模式：风险管理噩梦，CISO 评价
JPMorgan Chase CISO Patrick Opet在公开信中指出，当下普遍采用的软件即服务（SaaS）模式存在重大缺陷，正“悄然助长网络攻击者”的活动，将风险高度集中，可能引发系统性经济危机。他呼吁SaaS供应商在设计初期就优先考虑安全、升级安全架构，并加强合作，以防止由自动化及AI带来的新风险，并改善供应链安全的透明度与应急能力。
连接性对缓解驾驶者黑客担忧至关重要
调查显示消费者对车载数字服务的付费意愿不断上升，但同时对数据安全和车辆被黑客攻击表示忧虑。车企正通过预测维护、安全功能和自动驾驶服务实现数字化变革，力求打造更安全便捷的用车体验。
Google Play 自去年开始应用数量下降 47%
最新数据显示，自2024年初以来，Google Play 应用数量骤减47%，主要因加强审核、淘汰低质与功能受限的应用，同时推行新政策严格审核开发者信息，而苹果App Store则略有上升。
SBOMs ( as well as HBOMs and CBOMs ) 作为网络安全的促进者
本文探讨了 SBOMs、HBOMs 和 CBOMs 如何帮助企业全程掌握软件供应链组件、及时发现和修补漏洞，并满足法规要求，从而提升网络安全防护水平。
机器人如何理解时间逻辑？MIT研究团队开创性地用图形编码和流匹配解决机器人复杂任务规划
想象一下，你正在给家里的智能机器人下达指令："先去客厅拿我的眼镜，然后在10分钟内把它带到书房，同时不要碰到路上的花瓶。"这看似简单的指令对人类来说很容易理解，但对机器人而言却充满挑战，因为它包含了时间顺序（先客厅后书房）、时间限制（10分钟内）和安全约束（避开花瓶）。
AI风险治理研究的现实缺口：日常部署中的人工智能安全与可靠性
想象一下你买了一辆新车。汽车制造商会在工厂里进行各种安全测试，但真正的安全问题往往出现在车辆上路后——当它遇到恶劣天气、糟糕的道路条件或不同驾驶习惯的司机时。同样的道理，AI模型在实验室里的表现可能与在现实世界中的表现大相径庭。
如何让AI更好地理解和处理复杂交错的语境？Adobe研究团队的CORG框架解析
想象你是一名历史爱好者，想了解"2019年世界冰球锦标赛的主办国是哪里"。你可能会在网上搜索并找到以下几种说法。
超越一成不变：使用逆向学习法生成高效自然语言评估提示词
想象一下，你正在寻找一双舒适的鞋子。卖家递给你一双"通用型"鞋子，声称它适合所有人。你试着穿上它，却发现这双鞋对你而言要么太紧，要么太松，总之就是不合脚。在人工智能评估领域，这个问题同样存在——目前我们使用的是"一刀切"的评估方式，用同样的提示词（prompts）来评估不同的AI模型，却忽略了每个模型都有其独特的"脚型"。
X-Cross：动态整合语言模型实现跨领域序列推荐的突破性进展
想象一下，你经常在一个购物平台上买电子产品，平台已经很了解你的电子产品喜好。突然有一天，这个平台推出了全新的"复古收藏品"分类，但系统对你在这个新领域的偏好一无所知。它该如何为你推荐你可能喜欢的复古收藏品呢？这正是现代推荐系统面临的核心挑战。
京公网安备 11010802021500号
