微软正入局政治,目标是利用开源软件开发套件ElectionGuard(选举卫士)和名为竞选版微软 365(Microsoft 365 for Campaigns)的保护政党和活动的安全服务,以期达到保护投票机制的目的。
ElectionGuard SDK是与安全和验证公司Galois(https://galois.com/news/galois-launches-election-technology-spinoff-free-fair-enable-verifiable-transparent-secure-election/)一起开发的。Galois于2016年分拆为一家名为Free & Fair(公平暨公正)的选举技术公司(https://freeandfair.us/)。 ElectionGuard SDK会在今年夏天在Github上发布,微软将与选举技术公司合作开展试点。
微软进军选举领域与亚马逊网络服务的方式略有不同,后者以选举即服务(https://aws.amazon.com/stateandlocal/election-as-a-service/)提供工具进行外拓、营销和选民参与等方面的工作。 微软则重点关注投票安全。
Microsoft 365 for Campaigns将于6月推出,届时会为美国联邦办事处的广告系列提供安全工具。该服务将被预先配置,其构建基于微软的AccountGuard威胁检测服务。
AccountGuard是去年推出的全国威胁检测和攻击通知服务。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。