至顶网安全频道 04月03日 综合消息: 3月31日,由雷锋网主办的「2018中国人工智能安防峰会」,在深圳隆重举行。此次峰会旨在聚集行业代表企业与资深专家学者,共话“AI+安防”的产学研发展方向,为行业呈现最前沿的技术与落地的项目方案。大会现场聚集了18位顶级演讲与圆桌嘉宾、100+企业高管、600+智能安防从业人员。东方网力副总裁兼深网视界总经理万定锐博士受邀作为演讲嘉宾,发表了题目为“AI助力智慧安全社区建设”的主题演讲。
万定锐博士在演讲中指出,目前社区是城市安防主战场之一。但是,当前社区管理面临着人口流动性大、综合治理难度大、基础数据治理不够、安全和便利性难以兼顾这四重挑战。
为了应对这些挑战,东方网力创新性地提出了两大思路:一是依托深度学习等技术实现智慧精细化管理;二是通过多元信息感知和数据综合分析技术来解决社区治理问题。基于这一思路,东方网力推出了一套包含感知、数据管理和存储、应用的完整技术框架。万定锐介绍,东方网力的这套框架具备四大特点:1. 多元感知、广泛互联;2. 技术先进、场景化应用;3.实时准确,直观展现;4. 面向多用户、服务易得。
作为国内第一批专注于大规模城市级视频联网、并持续在安防领域视频数据深度应用方面开拓创新的厂商,东方网力对于城市安防有着非常透彻的理解。
东方网力推出的智能安防社区解决方案,是将人脸识别、视频结构化、大数据等自研技术与社区场景应用完美结合的产品落地,在很好地解决了安防最后一公里的难题的同时,实现 1+ 1 > 2的融合价值。基础数据的汇聚,大大提高了基于社区的城市公共安防、公共管理、公共服务和基层建设的效率。
在智能化浪潮中,东方网力依托自身技术积累、对行业的发展洞察等,确定了"N科技 AI城市 用创新科技推动全球AI城市的涌现与发展"的使命。围绕城市这个产业互联网最大的应用场景进行布局,积极在公安、综治、智能社区、轨道交通、医疗、教育等众多行业将前沿技术产品化落地,期待在下一个五年,成为全球安防人工智能平台的引领者。
好文章,需要你的鼓励
这篇研究介绍了KVzip,一种创新的查询无关KV缓存压缩方法,通过上下文重建机制为大型语言模型提供高效存储解决方案。该技术能将KV缓存大小减少394倍,同时提高解码速度约2倍,在各种任务上性能几乎不受影响。不同于传统查询相关的压缩方法,KVzip创建可在多种查询场景下重用的通用压缩缓存,特别适合个性化AI助手和企业信息检索系统。研究在LLaMA3.1-8B、Qwen2.5-14B和Gemma3-12B等多种模型上进行了验证,处理长度高达17万词元的文本,并能与KV缓存量化等其他优化技术无缝集成。
腾讯与上海交通大学联合推出的DeepTheorem研究突破了大型语言模型在数学定理证明领域的限制。该项目创建了包含12.1万个IMO级别非形式化定理的大规模数据集,开发了专门的RL-Zero强化学习策略,并设计了全面的评估框架。研究表明,通过使用自然语言而非传统形式化系统,即使是7B参数的模型也能在复杂定理证明上取得显著成果,超越许多更大的专业模型。这一成果为AI数学推理开辟了新途径,使语言模型能够像人类数学家一样思考和证明。
MAGREF是字节跳动智能创作团队开发的多主体视频生成框架,能从多张参考图像和文本提示生成高质量视频。该技术引入了区域感知动态遮罩机制,使单一模型灵活处理人物、物体和背景,无需架构变化;并采用像素级通道拼接机制,在通道维度上运作以更好地保留外观特征。实验表明,MAGREF在身份一致性和视觉质量方面优于现有技术,能将单主体训练泛化到复杂多主体场景,为内容创作者提供了强大而便捷的视频生成工具。
这项研究揭示了大型语言模型(LLMs)偏好决策的内在机制。以色列理工学院和IBM研究院的团队开发了一种自动化方法,不需人工预设即可发现和解释影响AI判断的关键概念。研究横跨八个领域(从一般问答到安全评估),分析了12种偏好机制,发现人类评判者重视权威性和清晰度,而AI评判更关注事实准确性。他们提出的层次多领域回归模型不仅能准确预测偏好,还能清晰解释判断过程,为构建更透明、更符合人类价值观的AI系统提供了新途径。