IBM(纽约证券交易所股票代码: IBM)和AMD(纳斯达克股票代码:AMD)今天宣布了一项为期多年的联合开发协议,以增强和扩展两家公司的安全和人工智能(AI)产品。该联合开发协议将在构建开源软件、开放标准和开放系统架构的基础上来扩展这一愿景,以推动混合云环境中的机密计算(Confidential Computing),并支持从高性能计算(HPC)到虚拟化和加密等企业关键能力广泛采用的各种加速器。
IBM研究院院长Dario Gil表示:“AMD对技术创新的承诺,与我们开发和加速混合云的采用,以帮助连接、保护和驱动我们的数字世界的使命一致。IBM专注于通过对新技术的前沿研究、开发和扩展,在我们的混合云产品中为客户提供选项、灵活性和安全性。”
AMD执行副总裁兼首席技术管Mark Papermaster表示:“AMD与IBM之间的这项协议与我们长期以来致力于与行业领导者合作的承诺一致。AMD很高兴能够扩展与IBM在人工智能、加速数据中心工作负载以及提高云安全等方面的合作。”
对于许多公司而言,保护高度敏感的数据仍然是一个挑战:根据IBM商业价值研究所的数据,网络安全是目前企业采用云的最大障碍,同时也是选择云供应商的首要标准。
根据Gartner公司的数据,对于高度监管的企业或任何担心其公共云数据受到未经授权的第三方访问的组织来说,机密计算将有可能消除其采用混合云的这些障碍。
机密计算是一项由硬件支持的技术,它允许对与运行中的虚拟机(VM)相关联的数据进行加密,包括在工作负载运行时进行加密。即使在发生入侵的情况下,此功能有助于阻止潜在的攻击者和不良行为者访问机密信息。混合云上的机密计算为企业采用混合云计算释放了新的潜能,特别是在金融、医疗和保险等受监管的行业。
AMD和IBM的研究人员已开始着手进行基于该协议的联合开发活动。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。