蓝色巨人表示曾参与算法开发工作,因此能够理解这项加密技术的起效方式
借助美国国家标准与技术研究院(NIST)推荐的抗量子加密技术,IBM已经开始提供相应的抗量子加密服务。
从预期角度来看,未来的量子计算机将非常强大,足以在几秒钟之内破解传统加密技术。面对当前日益严峻的安全形势,未来量子计算机普及后的数据窃取活动必将有增无减。另外,健康信息等数据往往需要伴随个人用户保存数十年,因此最初的加密技术恐怕根本抵挡不住具有恐怖算力的量子计算机。
为了防止这种情况并保障数据的长期安全,NIST于2017年启动了后量子时代加密项目,希望开发出既可与经典计算机配套使用、又能经受住量子计算破解的加密技术。
而此番努力的成果,就是NIST最终选定的两种标准算法和两套签名方案。
IBM日前透露,其曾经“与来自产业界和学术界的合作伙伴一道”,参与开发NIST选定的四种算法中的三种。
蓝色巨人还提到,此前于2021年4月发布的Z16大型机将可以使用NIST批准的CRYSTALS-Kyber和CRYSTALS-Dilithium算法,借此创建抗量子数字签名。
只要额外安装Crypto Express 8S卡,Z16就能支持这两种算法。IBM称其中采用基于晶格的加密技术,足以实现抗量子加密能力。
有消息称,IBM确实曾在NIST批准的算法中参与贡献,而且这些算法也确实使用基于晶格的加密技术。看起来,蓝色巨人宣传的Z16支持后量子加密应该真实可信。
IBM今年4月发布的公告如今已经成为现实,也让我们能够以前所未有的强大方式保护数据。我们也期待着这些加密技术能逐步被下放到比Z16更常见、更便宜的设备上,真正推动抗量子加密的全面普及。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。