近日,由北京启明星辰信息安全技术有限公司牵头组织并实施的2016年北京市科委科技计划——网络威胁情报安全分析与协同系统研发项目(D16110100330000)及课题网络威胁情报安全分析系统(D161100003316001)均顺利通过了北京市科委组织的验收会,得到了科委技术专家组的高度认可,项目和课题信用评定结果均为A。
项目成果“网络威胁情报安全分析系统”是基于大数据和人工智能的下一代安全分析平台,填补了国内此领域空白。平台实现了海量存储(每天安全大数据采集量10TB级以上)、安全数据资源统一管理、基于机器学习建模分析、实时流分析、交互分析的组件式集成等技术创新,而基于互联网开源工具的整合更是具有借鉴意义和探索价值。
该平台适用于网络安全运行中心,可作为目前安全事件监控系统的升级版。通过扩展数据采集范围,还可用于企业移动应用监控、工业控制系统监控、物联网系统监控等领域,也适用于网络威胁态势感知项目、智慧城市网络安全监控项目等,行业范围包括不限于能源、银行、交通、政府、电信、医疗等客户,具有明显的社会价值、经济价值以及推广应用价值。
关于启明星辰科研及产业化项目
启明星辰公司多年来一直秉持自主创新,以振兴民族信息安全自主品牌为己任,先后承担并实施完成了国家级、省部级和地方重点信息安全科研项目200余项,包括国家发改委产业化示范工程、科技部863计划、火炬计划、科技攻关计划、国家科技支撑计划、工业和信息化部电子发展基金招标项目、核高基重大专项、北京市科委重大科技专项、高成长专项等。
好文章,需要你的鼓励
这项来自麻省理工和滑铁卢大学的研究质疑了在AI文本排序中"思考过程"的必要性。研究者比较了三种文章重排模型:直接判断的StandardRR、先推理再判断的ReasonRR,以及禁用推理功能的ReasonRR-NoReason。实验结果表明,不仅推理过程没有提高排序质量,有时甚至会降低效果。主要原因是推理导致模型倾向于极端判断,难以表达"部分相关"这种微妙关系。即使应用"自洽性"等改进技术,简单直接的判断方式仍然更为高效有效。研究为信息检索系统设计提供了新视角:有时,少即是多。
TAGS是一种创新的医学问答框架,结合了泛医和专医两种视角,通过层次化检索和不确定性验证机制提升医学AI回答的准确性。该框架由穆罕默德·本·扎耶德人工智能大学等机构的研究团队开发,无需任何模型微调即可显著提升包括GPT-4o和DeepSeek-R1在内的大型语言模型在九个医学问答基准测试上的表现。TAGS通过模拟医疗专家协作、结构化知识检索和质量控制,解决了现有方法在复杂医学推理中的短板,为构建更可靠的医学AI系统提供了新思路。
这篇研究提出了时间抽象值学习(OTA)方法,解决离线目标条件强化学习中的长期规划问题。研究团队发现现有分层方法失败的关键在于高层策略无法生成合适子目标,原因是价值函数在长期规划中估计不准确。OTA通过"选项"概念实现时间抽象,有效缩短规划视野,使价值函数能提供更准确的优势信号。在复杂迷宫导航和视觉机器人操作任务中,OTA显著优于现有方法,证明了该方法在处理长期任务时的有效性。
这项研究探索了大语言模型内部可解释特征的形成过程,分析了它们在训练过程中(时间)、模型层级间(空间)和不同规模模型(尺度)的行为变化。研究团队使用稀疏自编码器技术,成功识别出特定语义概念在神经激活中出现的时间点和位置。研究结果显示,不同领域的知识概念在模型训练和规模扩展中存在明确的激活阈值,且在空间分析中发现了早期层特征会在后期层重新激活的现象,这挑战了对变换器模型表示动态的传统认知。