ZDNet至顶网服务器频道 07月31日 编译:芯片制造商ARM公司敲定一项购买以色列物联网(IoT)安全网络专家Sansa的协议,该交易于本周四宣布,涉及的财务条款还未正式对外披露。不过据华尔街日报此前的报道,涉及金额为7500万到8500万美元。
全球大多数智能手机使用的芯片是由ARM制造的,收购Sansa之举可令ARM有能力在芯片上加入基于硬件和软件的安全功能,能提高在连接设备上保护敏感数据和内容的能力。
Sansa技术已经被部署到一系列的智能连接设备和企业系统里,该公司的前身是Discretix,于去年10月更名,专攻嵌入式安全技术。该收购可互补ARM的安全产品组合,包括ARM TrustZone技术和SecurCore处理器版权。
ARM首席技术官Mike Muller在声明中表示,“任何连接设备都可能成为恶意攻击的目标,所以我们必须在每一个潜在的攻击点嵌入安全性。多层次的防御是防御黑客效果最好的手段,所以我们正在将我们的安全技术功能扩大整合到硬件子系统和可信软件里,这意味着我们的合作伙伴将来能够从单一源获取整个安全套件的许可证。”
Sansa提供一套完整的硬件子系统,可用于将安全敏感操作与主应用处理器隔离。Sansa的物联网安全平台拥有移动部件,并具有跨基于云的系统协同工作的功能。
鉴于已经认识到的物联网设备安全问题,ARM和Sansa可以说是在肥沃的土壤播种。目前已经确认的物联网设备的安全缺陷绝大部分涉及到诸如弱密码、多设备的共用默认证书以及太烂的认证等东西。这些都是基本错误,在安全性一事上亡羊补牢的做法远非最佳的办法。
但回过头来说,启用安全和物联网互联肯定有其市场,针对这样的市场Sansa的技术所处的位置还是十分有利的。
ARM和Sansa去年12月都加入了一个名为Thread Group的业界组织,Thread Group旨在推进Thread,Thread是一种低功耗、无线网状网络协议,目标是简化数以百计的家庭设备的安全连接。Thread Group的其他成员包括三星电子、Nest Labs和Freescale等。
好文章,需要你的鼓励
韩国科学技术院研究团队提出"分叉-合并解码"方法,无需额外训练即可改善音视频大语言模型的多模态理解能力。通过先独立处理音频和视频(分叉阶段),再融合结果(合并阶段),该方法有效缓解了模型过度依赖单一模态的问题,在AVQA、MUSIC-AVQA和AVHBench三个基准测试中均取得显著性能提升,特别是在需要平衡音视频理解的任务上表现突出。
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。