2025年4月16日, 业界领先的芯片和半导体IP供应商Rambus ,致力于使数据传输更快更安全,宣布推出其下一代CryptoManager安全IP解决方案,产品系列包括信任根(Root of Trust)、中枢(Hub)和内核(Core)系列。该系列产品提供逐步提升的功能集成和安全性,使客户能够选择最适合其独特要求的安全特性和功能级别。
Rambus CryptoManager 信任根三层架构
CryptoManager信任根提供了完整的一站式解决方案,并实现业内首个量子安全启动流程。CryptoManager中枢为客户设计自己的信任根或安全处理器提供了经过验证的加密构建块的理想组合。凭借对广泛安全功能和认证的支持,Rambus CryptoManager安全IP解决方案帮助客户加速数据中心、人工智能及其他先进应用芯片的上市进程。
Rambus半导体IP部门高级副总裁兼总经理Matt Jones表示:“人工智能驱动数据中心价值创造的速度是前所未见的,保护这种价值的需求也相应增长。新一代CryptoManager安全IP的多层架构使我们能够为更广泛的客户群体提供解决方案,这些方案兼具无与伦比的灵活性和业界领先的宝贵硬件及数据资产保护。”
Rebellions联合创始人兼首席执行官Sunghyun Park指出:“Rebellions致力于构建针对数据中心和企业推理应用中生成式人工智能工作负载优化的节能型AI加速器。安全性是确保数据与设备的机密性、完整性、真实性以及可用性的关键因素。Rambus的CryptoManager解决方案提供了一系列选项,以满足我们的性能、安全及尺寸要求,从而使我们能够充分满足客户的应用需求。”
CryptoManager安全IP解决方案包含:
好文章,需要你的鼓励
这项研究介绍了Ankh3,一种创新的蛋白质语言模型,通过多任务预训练策略显著提升了模型性能。研究者采用两种互补任务:多掩码概率的掩码语言建模和蛋白质序列补全,使模型仅从蛋白质序列就能学到更丰富的表示。实验表明,Ankh3在二级结构预测、荧光预测等下游任务中表现优异,尤其在模型未曾训练过的任务上展现出强大泛化能力,为蛋白质设计和分析开辟了新路径。
法国波尔多大学研究团队开发了一个突破性框架,用于神经退行性痴呆症的差异化诊断。该框架将3D脑部MRI转换为文本报告,并利用强化学习优化的大语言模型进行详细诊断推理。不同于传统"黑箱"方法,这一系统能生成透明、有因果关系的解释,同时保持高诊断准确率。研究显示,通过群组相对策略优化(GRPO)训练的轻量级模型能展现复杂推理行为,包括假设检验和非线性思考,提供与临床决策流程一致的排序诊断结果。
这项研究提出了CLUE框架,首次能够生成自然语言解释来揭示AI事实核查系统不确定性的来源。与现有方法不同,CLUE能识别文本片段间的冲突与一致关系,并解释它们如何影响模型的预测不确定性。实验表明,CLUE生成的解释在三种语言模型和两个事实核查数据集上都更忠实于模型不确定性,用户评价其更有帮助、信息更丰富、冗余更少且逻辑更一致。CLUE不需要微调或架构更改,适用于任何白盒语言模型,为事实核查提供了实用支持。
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。