VMware今天宣布已经收购位于美国加利福尼亚州红木城的E8 Security公司,该公司开发了用于保护员工设备免受在线威胁的软件。
这次交易的财务条款未对外披露。VMware最终用户计算部门高级副总裁兼总经理Sumit Dhawan在一篇博文中说,VMware正在吸收E8团队及其技术。E8此前已经筹集了2100万美元的资金。
VMware通过这次收购获得的最大资产是E8的Fusion旗舰平台,该平台它可以帮助企业保护使用机器学习算法的员工设备,这种算法会关注员工活动以了解他们的日常活动情况。如果发生意外事件(例如可能存在安全漏洞的可疑事件),Fusion会检查历史数据以确定是否需要重点关注。
E8表示,该软件可以捕捉从恶意软件感染到滥用合法访问凭证的恶意内部人员。企业的分析师可以使用Fusion内置的诊断控制台深入挖掘威胁并了解它是如何进入网络的。
VMware计划将E8技术整合到Workplace ONE设备管理平台中。该软件充当中央控制中心,在这个控制中心企业可以执行维护任务,如修补和设置员工如何与业务应用交互的规则。
E8的技术将是对VMware上周为Workplace ONE推出的一系列安全分析功能的补充。据VMware称,该软件可以分析用户活动,为公司提出关于应该如何分配访问权限并在登录到业务系统时对工作人员进行身份验证的建议。此外它还可以还识别技术问题,如可能妨碍员工生产力的设备性能问题。
VMware没有具体说明将何时在Workplace ONE中采用E8的技术。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。