搜索“其他”

理研究所的 Amir Erez 博士和植物与环境科学系的 Omri M. Finkel 博士领导。Dmitry Alekhin、Moshe Alon 和 Tomer Sidi 同等贡献，海法大学和农业研究组织沃尔卡尼研究所的同事也参与了研究。 鸟枪法宏基因组学对从整个群落而非单个分离生物中采集的 DNA 进行测序。在土壤中，这意味着混合来自细菌、真菌、植物和其他生命形式的遗传片段。研究人员随后需要确定这些片段来自何处，以及它们携带什么生物学信息。 基于参考的工具将读段与已知序列进行比较。当存在密切匹配时这很有用，但不完整的数据库会使许多读段无法分类。由此产生的微生物“暗物质”可能掩盖群落的组成及其执行的功能。 BBERT 解决的是一个更早的分拣问题：一个片段看起来像细菌吗？这是比命名物种更宽泛的分类。识别细菌序列模式可以帮助研究人员决定哪些读段应进入后续分析，即使没有可用的密切参考匹配。 论文描述了一种基于 BERT 的模型，它学习核苷酸序列内的上下文。其分词器表示单个 DNA 碱基，包括一个模糊碱基符号。在预训练期间，模型学习从周围序列信息中恢复被掩码的碱基，这是对语言 AI 中使用

匹配字段正文

FC、GBA等经典游戏，还有更具有未来视觉感的3D智慧生活（AI+AR导航Pro Max版）等原生应用。 这些体验背后，全彩显示提供了更丰富的视觉表达空间。相比主要用于文字提示的单色界面，彩色能够更清晰地区分地图路线、建筑、图标及多媒体内容，也为更复杂的AI视觉交互和空间应用留下了空间。 与此同时，雷鸟在彩色光学与轻量化AR整机技术的长期投入，也开始反哺雷鸟其他产品线，成为这家公司“狂飙”的技术基座。在 2025年之后，雷鸟迎来了前所未有的大爆发——基于X2、X3 系列，雷鸟逐步演化出了无屏AI拍摄眼镜V系列、主打全天候佩戴的有屏AI眼镜iO系列，观影系列加入具备更大视场角的GT系列。2025年年底，雷鸟出货量逐渐超越其他竞争对手，并开始蝉联全球AR眼镜季度出货量榜首。 写在最后 从X1到X3 Pro，雷鸟用几代产品解决了三个问题：全彩能否做出来、能否卖给消费者、能否继续缩小到适合日常佩戴。随着iO+预热，更紧凑的眼镜外观又把这个问题推向了下一阶段，可量产的Micro-LED全彩光学模组究竟还能缩到多小，做到多好？ 此外，值得一提的是，雷鸟连续多年推出全彩AR眼镜，不仅牵引着自家产品线

匹配字段正文

力集群对算力、内存带宽、散热性能的需求持续上涨，但可使用的物理空间越来越受限。单片裸芯在功耗、性能、面积上的缩放逼近物理极限，基于芯粒的2.5D和3D架构，依靠高密度封装，实现算力与存储的扩展。 这种高集成度让物理设计的复杂度大幅提升。堆叠有源裸芯会让散热、芯片间温度耦合更难预测，封装结构还会带来机械应力。电学、功耗、热学、力学效应相互耦合，一处改动就会影响其他指标。依靠人工、碎片化、多工具割裂的传统流程处理这类问题，会产生大量跨岗位交接，迭代缓慢，团队能够评估的设计方案数量十分有限。 面向3D-IC设计的自主流程 西门子推出了一套智能工程流程，可以自主调度3D-IC的设计与分析任务。不同EDA工具对应的MCP服务端与脚本文件接入Fuse EDA AI Agent；该智能体作为MCP聚合层，可对接任意代码智能体。本案例选用Claude Code作为代码智能开发环境，调度一套包含九个环节的电热协同流程，串联七款西门子EDA工具，需要智能体执行100–200轮迭代，总时长超过12小时。 每个环节承担独立工程任务，包括布局规划、器件库表征、功耗分析、热签核、系统级热仿真、寄生参数提取，以及兼

匹配字段正文

dbox可高效支撑高密度沙箱负载，实现更低的启动时延和更高的资源利用效率。这为智能体应用的大规模沙箱化部署提供了坚实基础，在保障服务响应速度和性能一致性的同时，进一步提升沙箱并发创建能力，让每一个智能体应用都能即时响应、从容扩展。经腾讯实测，在满足200毫秒SLA要求的前提下，搭载至强6+处理器的CubeSandbox，单机可支持350个沙箱并发创建请求，较其他主流测试平台提升约46%3。 执行环境要快速就绪，进入真实业务的智能体还要面对另一类挑战：比如快速批量处理具身智能数据等。智能体与现实世界的交互早已超越文本，视频、图像、音频等数据正在大量进入工作流，对数据处理和推理效率提出了更高要求。针对这一变化，腾讯云多模态计算引擎Xpark应用至强处理器内置AI加速引擎英特尔® AMX（高级矩阵扩展），将CPU资源用于小模型推理和轻量级多模态任务，进而提高AI计算吞吐与整体资源利用效率。这一优化所带来的提升，在Xpark视频处理工作流中体现得淋漓尽致：在iVTAL（英特尔视频转码加速库）的加持下，视频转码性能和开源PyAV相比提升了1.5倍4，整体视频处理效率显著提高。目前，Xpark已正

匹配字段正文

分辨率组合 1,245.5 MW 30/30 第一个案例支持对分布式电池的进一步研究。第二个案例表明其效用取决于位置和网络条件：解决最后几项约束可能需要大得多的组合。灵活资源与传统升级相结合可能更为实际。 为何 81.5 MW 不是数据中心的供电 日期为 9 月 1 日的底层技术白皮书区分了总出力与净注入。在一个示例性事故情景中，电池注入 43.2 MW，而其他电池吸收 38.2 MW，净注入为 5 MW。 电池是在重新分配潮流，而非供应全部 100 MW 负载。新客户仍需要能源供应；建模干预针对的是输电过载。以 MW 计量的电池功率也不同于以 MWh 计量的储存能量，后者决定响应能持续多久。 Piq 的技术结合了电网数据集、仿真引擎和可重复的工程工作流。其规划智能体 Delphi 帮助配置研究、探索网络模型、比较结果并起草报告，而工程师保留决策权。 该公司描述了一个系统：自然语言请求帮助编排确定性分析。并行研究执行支持更多情景测试，结果始终与特定模型版本绑定。这一区分是 AI 贡献的核心：语言模型可以帮助组织工作，但不能取代用于评估电网的潮流计算。 在 Unite.AI 对联合创始人

匹配字段正文

以回读智能体的各个上下文窗口，重建事件，并在隔离环境中编写和运行代码以检查证据。对于敏感工作负载，包括内部Codex使用、评估和训练运行，L3层会在决定是否提醒人类响应人员之前，调取对话之外的网络日志和系统遥测数据。 当寻呼功能启用时，最高优先级的安全警报通常会在初始警报发出后15分钟内送达安全和训练团队成员。目前，内部Codex流量的寻呼功能已禁用，大多数其他工作负载的寻呼功能仅限于工作时间，而一些关键警报可以自动暂停受影响的工作负载，无需等待响应人员。在Hugging Face事件期间，OpenAI隔离了内部模型原型，加密了其权重，限制了对权重的访问，并暂停了所有相关工作负载；公司正在探索如何将这些步骤作为应对另一起严重事件的标准流程的一部分。 监测器发现了什么 已发布的失准报告在索引中共有20份，其中包括一个智能体利用测试工具恢复了任务故意隐瞒的源代码（此前该工具在错误消息中泄露了代码），以及一些智能体将内部托管的软件仓库改用作跨不同训练样本的共享留言板。另一起记录在案的事件涉及一个内部编码智能体，它在公共仓库中泄露了一名研究人员的GitHub令牌。 OpenAI通过记录在案的事

匹配字段正文

项价值并非意在涵盖其模型应尊重的全部人类价值。 新增章节与退役指引 关于对人类意图忠实的新章节以这样一个立场为出发点：人们所珍视的东西是首要的，而指令通常是这些价值最清晰、最重要的信号；OpenAI表示，该方法借鉴了对齐研究中的辅助博弈框架。该章节纳入了更新后的指令层级，说明了哪些指令适用以及冲突如何解决，并新增了一个小节“仔细考虑上下文”，阐述对话、记忆和其他上下文证据应如何帮助模型理解人们的意图和偏好。 OpenAI还新增了关于支持人类自主性和遵循相关社会规范的默认规则，并扩展了关于控制和沟通副作用的现有指引。该规范的大部分详细风格指引已退役：OpenAI表示，风格应适应人们在语言和文化范围内以及每个人在总体上的偏好，用户反馈和上下文为这些偏好提供证据。该规范保留了更强的默认规则，例如客观地对待问题，模型不应仅凭其认为人们想听什么就推断出偏好的观点。反映出OpenAI所称其模型用例和部署环境日益广泛，该规范现在将模型称为“GPT”而非“助手”。 更新后的规范文件为指令分配了不同的权限级别。根级章节仅来自Model Spec，不能被对话上下文覆盖；系统章节和OpenAI系统消息次之，

匹配字段正文

有效文件可以被加载到内存中，随后被具有足够特权的组件更改。之后对原始文件的检查仍会看到预期的字节，即便回答是使用被篡改的运行时状态生成的。 Eclypsium 的受控演示显示了对查询的模型输出操纵，报告指出，若将同样的技术应用于编码模型，可能削弱身份验证检查、关闭证书验证、引入不安全的依赖项，或在生成的代码中留下内存漏洞。更广泛的担忧在于，运行时操纵可能影响其他敏感用途，例如自动化决策。这些可能性应与实验室中展示的具体行为区分开来。 所谓“未被检测到”的说法也有明确的范围：演示中使用的存储模型完整性检查并未发现内存中的更改。这并不能证明其对一切形式的监控或取证检查都不可见。 攻击条件至关重要 该测试使用了 NVIDIA Grace Hopper 环境。其直接内存访问路径依赖于受损的特权组件以及允许访问敏感内存的配置设置。研究人员指出 IOMMU 直通和宽松的 PCIe 隔离是重要条件，并明确说明这些并非 Linux 的默认设置。 IOMMU 有助于控制外设可以访问哪些内存。在研究人员测试的更严格隔离配置下，同样的直接路径不可用。因此，这一结果凸显了核实实际部署设置的重要性，而不是假定已

匹配字段正文

的访问策略。该网关还可以在企业身份验证之后托管内部 MCP 服务器。 每次调用都会记录其用户、工具、目标服务器和护栏结果。该产品支持将日志导出到安全信息和事件管理系统，并通过 OpenTelemetry 的 OTLP 协议进行流式传输。这为安全团队提供了一种将智能体活动纳入其现有监控流程的方式。 Mint Guard 增加了对提示注入、泄露的机密、个人数据和其他风险的筛查。该公司表示其平台已通过 SOC 2 Type II 审计。这些控制措施有助于界定允许的行为并使活动可被检查；其有效性仍取决于组织配置的策略和集成。 在 Modern Treasury，该公司表示，一个银行运营智能体在技术客户经理介入之前会搜索 Sentry、Notion、Linear、源代码和内部工具。Mintive 报告称，在较简单的案例中节省了 30 分钟，在复杂案例中最多节省四小时。这些是公告中报告的特定客户结果。 密歇根大学将 Mintive 用作企业 MCP 网关，提供通往经批准工具的共享路径，同时由中央 IT 部门管理访问权限。Mintive 还在 Slack 和 Teams 中提供 Coworker 智

匹配字段正文

Google于2026年10月29日宣布，Gemini应用用户现在可以直接在对话中生成、预览和编辑文档、PDF、演示文稿、电子表格、代码及其他文件。这一更新在公司Gemini应用博客的一篇文章中详细说明，它在Google今年4月首次推出的文件生成能力基础上，新增了就地编辑、全屏预览和文本高亮功能。 根据公告，这些能力面向Gemini应用可用的所有语言的全部用户开放。 在新更新下，在Gemini对话中创建的文件无需离开对话即可修改。用户可以生成文件、就地预览并编辑，而无需切换到单独的应用。Google在公告中描述了三种编辑机制：将文件展开至全屏，以便用户直接在其中输入修改；高亮文件中的文本，以便就所选段落提问；以及指示Gemini本身来完善文件内容。 Google的公告包含一个围绕学习指南构建的示例。用户可以上传手写课堂笔记，并要求Gemini据此创建一份PDF学习指南。指南生成后，用户可以手动编辑它，高亮特定部分并让Gemini对这些部分的文本或视觉内容进行修改，还可以就材料提出进一步的问题。公司将该流程呈现为应用内一次连续的会话，而非工具之间的交接。 直接编辑的加入改变了Gemini

匹配字段正文

业AI应用的合作伙伴关系的一部分，其已持有Thrive Holdings的股份。OpenAI表示，将把研究、产品和工程团队派驻到Thrive Holdings旗下公司内部，以提高速度、准确性和成本效率，同时提升服务质量，初期重点放在会计和IT服务领域，并将其描述为高业务量、规则驱动、工作流程繁重的职能。OpenAI表示，这项工作旨在打造一个可复制、并可扩展到其他行业的模式。 “我们很高兴扩大与OpenAI的合作伙伴关系，将其前沿模型、产品和服务嵌入我们认为具有巨大潜力从技术创新和应用中受益的行业，”Thrive Capital和Thrive Holdings首席执行官兼创始人Joshua Kushner在该公告中表示。OpenAI首席运营官Brad Lightcap表示，该合作伙伴关系旨在展示当前沿AI在整个组织中快速部署时所能实现的可能性。 计划中的后续步骤 ADT 2026年第三季度业绩将于2026年11月3日开盘前发布，并于美国东部时间上午10点的电话会议上分享摘要；鉴于已宣布的交易，公司不会在电话会议上回答问题。就拟议交易而言，ADT打算向美国证券交易委员会提交相关材料，包括初

匹配字段正文

户要求搜索承担更多功能，从回答问题到引导决策，商品数据正成为相关性的下一个前沿领域。”在公告中，Curran表示，Coveo将Anglera与内部自建方案以及广泛的产品数据增强技术进行了评估对比，并称Anglera将AI生成的商品信息建立在多个权威来源之上，而非主要依赖图像或网络抓取。 数据增强引擎的工作原理 Anglera的引擎从制造商规格、PDF、图像和其他来源中提取商品详情，然后依据每个客户的商品目录要求进行标准化和验证，同时保留来源引用。Coveo的博客补充称，每个增强值都附带引用和置信度评分，不确定的值会转交人工审核，客户自身的规则会应用于每个SKU，增强后的数据会写回客户的源系统，使搜索、商品页面、数据源和AI智能体都使用同一份记录。 Anglera在其网站上描述了一套工作流程，称为“接收、溯源、增强、交付和扩展”，利用供应商电子表格、规格表、产品图像和制造商网站，并与PIM、ERP和商务平台进行双向同步。该网站称，该平台已获得SOC 2 Type II认证，并符合GDPR和CCPA，大多数客户约在两周内投入生产使用，并在30天或更短时间内上线。 公告还公布了其归因于Ang

匹配字段正文

个网页，当Firefox用户访问该网页时，它会读取访问者计算机上的文件，并在无需用户进一步交互的情况下将其发送给攻击者。研究人员发现，2026年9月17日至10月26日期间发布的任何Firefox版本，仅利用各版本发布时可获得的信息，就能以这种方式被攻破。Epoch称所演示的漏洞利用极其严重，因为它可用于读取浏览器中存储的密码、窃取身份验证Cookie或查看其他私密信息，并援引Firefox拥有超过2亿活跃用户的数据。 该报告署名作者为Epoch AI的Aiden Ament、Yafah Edelman、Alexander Barry、Timothée Chauvin、Lee Bousfield和Jaeho Lee。 实验是如何进行的 Epoch向GLM 5.3布置的任务是创建一个网页，当Firefox用户访问时读取本地文件，实验环境运行Ubuntu 26.04，采用默认安全设置，Firefox从官方发布渠道下载。模型获得了目标的具体Firefox版本和基本工具，但没有互联网访问权限；研究人员改为直接提供公开可用的信息，且仅限于每个目标版本发布时可获得的内容。Epoch表示，该设置旨在

匹配字段正文

在多个中国关联对手中迅速流行。自 2021 年以来，VAPOR PANDA 主要针对欧洲、北美、大洋洲和英国的政府、智库、能源和采掘业组织，以建立长期访问权限。报告称，此次行动是 CrowdStrike 首次看到该对手使用 AI 驱动的入侵工具，也是其目标范围显著扩展至新地区的制药、半导体、核能和国防组织以及外交部。据报告称，该行动依赖 DeepSeek 及其他商业模型，通过专门构建的框架运行，这很可能反映出其有意在多个模型提供商之间构建一个有弹性的工具链，而不是依赖单一服务。 CrowdStrike 评估认为，中国关联对手在未来 12 个月内极有可能继续采用 ARTEX 等智能体框架，将其与商用大语言模型配合使用，使小团队能够同时扩大对多个目标的入侵。 报告建议，组织应在任何疑似数据泄露后轮换签名密钥、预认证密钥和服务凭据，包括存放在历史备份和目录导出中的密钥；强制执行 SAML 签名验证，要求使用 IMDSv2，并将云角色的命令执行权限限制在所需的最少实例上；搜寻 ARTEX 标记，例如命令行参数中的 artx 或 artex 字符串、以 artx 为前缀的云角色以及 C:\Pro

匹配字段正文

对应，用于后续分析。 以视觉搜索、动态目标追踪或注意力分配实验为例，研究人员可以将注视数据与刺激出现、任务反馈等事件对应，分析不同条件下的行为差异。此类研究需要的不只是设备能够追踪视线，还包括数据接口、时间戳及后续处理流程能否满足实验要求。 而在交互开发中，视线可用于目标定位与选择，并根据应用设计与手柄、语音等输入方式配合。例如，用户通过视线定位目标，再通过其他输入方式确认操作。这类交互可减少部分场景下反复移动手柄定位的操作，从而减少过程中可能出现的误触。 对于已有VR应用的客户和方案商，可在评估接口、软件兼容性及数据需求后，开展眼动功能适配，在现有业务流程中增加数据记录或视线交互功能。 对于医疗机构和科研团队等客户而言，眼动追踪功能能否发挥实际作用，还取决于设备与具体应用场景的适配程度。P1 PRO MAX眼动版将VR场景呈现与眼动数据采集结合，并提供配套软件定制支持，使机构能够根据自身的训练流程、研究方法及数据需求配置相应功能。这种围绕实际项目需求完善产品能力的做法，也延续了大朋多年来在企业级VR市场的布局思路。 写在最后 2015年成立至今，大朋是国内少数经历过多轮行业周期，仍然

匹配字段正文

。该合同将持续至2029年2月，预计将扩大公司金融IT业务的收入基础。 核心AI与云业务板块营收同比增长9.3%至9615亿韩元，占总营收的57.8%。 AI数据中心的建设与运营，以及企业客户对云服务采用率的提高，支撑了该板块的业绩。收入增长来自三松AI数据中心的建设和运营，以及现有数据中心的托管服务。托管服务是指为企业客户提供数据中心空间、电力、网络连接及其他基础设施。 在企业AI方面，LG CNS开展了涉及机场AI转型规划、药物发现平台以及健康筛查AI智能体的项目。公司还在扩大其业务，将包括OpenAI的ChatGPT Enterprise和Anthropic的Claude在内的全球AI服务引入企业客户。 与此同时，智能工程板块受到制造业投资放缓的影响。第三季度营收同比略有下降至2945亿韩元。LG CNS正在将智能工厂客户群扩展至国防、制药、电子和电池领域，同时加强其海外物流自动化业务。 AI基础设施投资是未来盈利的关键变量。9月，LG CNS决定采购价值3814亿韩元的设备，包括Nvidia的下一代Vera Rubin GPU。该采购计划于2027年6月底前完成。这些设备将用于

匹配字段正文

10月28日，宇树科技联合红杉中国宣布，共同:成立"杉宇·创计划"，专注于发掘和投资具身智能、机器人应用及其上下游关键技术、其他前沿硬科技等领域的早期创业项目，致力于成为创始人的"创业合伙人”，共同探索技术策源到产品应用的无限可能。 宇树科技是全球高性能通用机器人和具身智能行业的佼佼者，对前沿技术路径、成本曲线与工程落地有全球领先的深刻认知;红杉中国则凭借前瞻的投资视野、快速的决策机制和高质量的投后服务，20年来投资和扶持了一大批知名创新企业。杉宇·创计划可以将宇树科技的工程能力与红杉中国的投资能力强强结合，系统贯彻“工程师+投资人"的投资方法论，为有前景的早期创业者打造从技术研发、产品应用到融资壮大的新型创业加速模式。 杉宇·创计划将秉承“懂技术和产业、发现早、决策快、看重人、不添乱"的核心策略，为具身智能、机器人等前沿硬科技领域的有潜力的早期创业者，特别是年轻团队提供行业稀缺的、高质量的产业和资金资源，支持他们以一个idea、一段代码、一个原型机为起点，逐步打造出可规模化的产品，并积极参与全球市场竞争。 懂技术和产业:宇树深耕具身智能和机器人应用行业，可以提供最前沿的产业视角，帮助

匹配字段正文

PU和加速器输送超大电流。 单颗AI处理器的功耗已经急剧攀升。“我们看到的变化是，处理器功耗从几百瓦，涨到2千瓦甚至3千瓦。” Cyntec首席技术官Ian Chan说道。这带来两个并存的设计约束：转换效率与安装空间。 电源转换器需要在越来越小的体积内承载超大电流。更高的开关频率能够缩小电感、变压器、电容等无源器件的体积，缓解压力。但高频化，也会放大电源生态其他环节的短板。“在AI数据中心里，每个计算托盘的空间非常有限。GaN优势突出，它支持更高开关频率，缩小器件体积，实现支撑大电流所需的高功率密度。” Chan基于GaN电源模块的开发经验，给出了系统设计层面的实例。一款目标功率约1kW、48V转12V的电源模块，采用4颗GaN器件即可，而硅基超结MOSFET方案需要8颗。器件数量减少，让模块体积更小、功率密度更高。他还提到，该GaN方案可以工作在1MHz以上，而硅方案大约只有500–600kHz，进一步压缩磁元件与其他无源器件的尺寸。 这意味着电源转换器的设计逻辑发生本质变化。只靠半导体器件性能已经不够。GaN晶体管支持更高开关频率，为磁元件小型化创造条件，但磁元件本身也必须在相同频

匹配字段正文

除非有人治理智能体的生命周期，否则它的访问权限可能比其目的存续得更久。 最后三篇文章涵盖了在发现时附加负责人、在最后工作日之前重新分配负责人，以及当负责人是智能体时会发生什么。凭证增加了一个相关问题，但有一个区别。智能体的部署身份是用于向云账户验证它或部署平台的身份。 “一台被遗忘的 VM 会花钱；一个被遗忘的凭证可以授予访问权限。” 已配置的凭证是部署为其他工作负载创建的持久密钥、机密或令牌；两者有不同的负责人和吊销程序。一台被遗忘的 VM 会花钱；一个被遗忘的凭证可以授予访问权限。补救措施仍然是一个查询、一个策略和一个时钟，各自用于解决它能解决的那部分问题。 1. 找出无人使用的密钥的查询 当源配置中启用该表时，CloudQuery 可以将 AWS IAM 凭证报告同步到 aws iam credential reports。该报告为每个用户列出最多两个访问密钥槽位。这个查询是为 CloudQuery Platform 使用的 ClickHouse 方言编写的，它取每个报告的最新同步行，将槽位转换为行，并返回至少 90 天前创建且至少 90 天未使用的活跃 IAM 用户密钥。 S

匹配字段正文

。 Nvidia 将这些能力连同翻译功能打包进单个检查点，这可以简化围绕它们构建应用的工作。 理想情况下，设定这种上下文可以降低错误率。代价是，这些模型比传统转写模型大得多，后者规模通常不到 10 亿参数。Nemotron 3.5 Transcribe 是一个 30B 的混合专家模型，拥有 40 亿激活参数。 不过，这并非一个全新的概念。我们最近已经看到一些其他可提示的语音转文本模型，例如 Mistral 的 Voxtral 模型和 AssemblyAI 的 Universal 3 Pro。 不过，Nvidia 能够以远更少的激活参数与 Voxtral 的错误率相匹敌。在 Artificial Analysis 的基准测试中，Nemotron 的词错误率为 2.81%，而 Voxtral Small 为 2.77%，同时前者使用约 40 亿激活参数，后者则为 240 亿。不过，这一比较衡量的是相对于激活参数数量的准确率，而非运行时或内存需求。 该模型可以转写 40 种语言，并将其中 31 种语言与英语互译。说话人归属功能适用于其中 13 种语言，并且最多可区分 8 个说话人的声音。音频

匹配字段正文