至顶网网络与安全频道 02月04日 编译:HPE昨日宣布收购Scytale,后者是一家开发零信任安全软件以保护企业应用的初创公司。HPE没有透露这次交易的条款。在此之前Scytale已经从Bessemer Venture Partners等投资方那里筹集了800万美元的资金。
Scytale由SPIFFE和SPIRE(用于执行服务身份验证的开源技术)的开发者在2017年创立。服务认证是两个应用在共享数据之前相互进行验证的过程,就像用户在登录网站时需要提供详细登录信息一样,应用也会提供加密凭据来证明合法性。
但是这个过程并不像登录网站那么简单。当两个应用运行在两个不同的云平台上的时候,或者当一个应用被容器化而另一个应用部署在虚拟机内部的时候,两个应用程序之间执行服务认证就需要克服很多技术障碍,而多云、异构环境的兴起又加剧了这一挑战。
SPIFFE和SPIRE旨在通过提供一种服务认证通用语言来解决这个问题。应用可以使用这种语言进行通信,无论这些应用是如何打包的,无论是运行在本地环境还是在云中。
Scytale衍生出了这个两项技术的商业发行版,称为Scytale Enterprise,但是似乎HPE收购这家初创公司主要是为了吸收其人才。毕竟,Scytale的核心技术是根据开源代码许可免费提供的。
“我们看到在HPE产品组合有很多利用SPIFFE和SPIRE的机会,相信这些最先进的加密身份技术将在企业级数字转换、云启用和云迁移项目中发挥关键的作用,”HPE研究员Dave Husak在博客文章中这样写道。“毫无疑问,Scytale的才华、专业知识以及社区力量将加速我们朝着这些目标迈进。”
Scytale首席执行官Sunil James在另一篇博客中写道,他的团队将继续为SPIFFE和SPIRE做出贡献。“被HPE收购后,Scytale将继续帮助管理SPIFFE。我们将努力维护透明度,以及厂商中立的立场。”
目前,开发这一项目的开源贡献者社区包括Bloomberg、Uber、Pinterest等科技公司。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。