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
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。