/
非洲电信基础设施巨头数字化转型实战访谈
Helios Towers供应链总监Dawn McCarroll在采访中分享了公司的数字化转型经验。作为一家在非洲和中东地区运营近15000个移动通信塔站的公司，Helios正通过SAP S/4Hana系统升级、AI技术应用和精益六西格玛方法论来优化供应链管理。McCarroll特别强调了公司Impact 2030战略中的数字包容性目标，计划在未来五年内培训60%的合作伙伴员工掌握精益六西格玛原则，并利用大数据和AI技术实现端到端的供应链集成。
德国机构首创免训练人脸质量评估技术：Vision Transformer也能当“质检员“
德国弗劳恩霍夫研究院提出ViTNT-FIQA人脸质量评估新方法，无需训练即可评估图像质量。该方法基于Vision Transformer层间特征稳定性原理，通过测量图像块在相邻层级间的变化幅度判断质量。在八个国际数据集上的实验显示其性能可媲美现有最先进方法，且计算效率更高，为人脸识别系统提供了即插即用的质量控制解决方案，有望广泛应用于安防监控和身份认证等领域。
n8n 供应链攻击利用社区节点窃取 OAuth 令牌
威胁行为者在npm注册表上传8个恶意包，伪装成n8n工作流自动化平台的集成组件来窃取开发者OAuth凭据。其中一个名为"n8n-nodes-hfgjf-irtuinvcm-lasdqewriit"的包模仿Google Ads集成，诱导用户在看似合法的表单中关联广告账户，然后将凭据传输到攻击者控制的服务器。这种攻击利用了工作流自动化平台作为集中凭据库的特点，能够获取多个服务的OAuth令牌和API密钥。
临床AI大模型的人格面具：布朗大学揭示医疗角色扮演的双刃剑效应
布朗大学联合图宾根大学的研究团队通过系统实验发现，AI医疗助手的角色设定会产生显著的情境依赖效应：医疗专业角色在急诊场景下表现卓越，准确率提升20%，但在普通医疗咨询中反而表现更差。研究揭示了AI角色扮演的"双刃剑"特性，强调需要根据具体应用场景精心设计AI身份，而非简单假设"更专业等于更安全"，为AI医疗系统的安全部署提供了重要指导。
用AI驱动业务增长的5种方式：让人类始终参与其中
高露洁棕榄公司首席数据分析官戴安娜·希尔德豪斯分享了在AI驱动业务增长中保持人员参与的五种方法：采用以人为中心的技术解决方案设计，通过水平和垂直框架平衡工具普及与重点创新，建立安全的AI Hub平台让员工探索测试，实施严格的治理和风险管理措施，以及提供强制性AI培训项目。她强调AI应作为增强人才而非替代员工的工具，通过数据驱动决策帮助团队做出更快更好的选择。
谢菲尔德大学最新研究：AI模型如何在陌生环境中保持“人性化“表现
这项由英国谢菲尔德大学完成的研究系统性地探讨了AI模型在跨环境应用中的适应性问题。研究发现，当AI从训练环境转移到新场景时会出现严重性能下降，但通过"请老师"等适应策略可以显著改善效果。同时揭示了性能提升与创造性多样性之间的权衡关系，为AI技术的实际部署提供了重要指导。
如何完全移除Windows 11中的Copilot智能体
微软不断推广其Copilot AI功能，但许多用户对此并不买账，认为微软应该专注修复Windows的漏洞而非强推AI功能。虽然Copilot有时很有用，但它可能出错、提供错误信息、占用系统资源，甚至访问私人数据。用户可通过多种方式禁用或移除Copilot：从任务栏隐藏、禁用开机启动、完全卸载应用，到使用第三方工具如Flyoobe彻底清除AI组件。建议操作前创建系统还原点以防万一。
纽卡斯尔大学：AI怎样像人类一样制定长期策略？让机器人玩塔防游戏找答案！
纽卡斯尔大学研究团队开发了TowerMind塔防游戏平台来测试AI的策略规划能力。研究发现，即使最先进的AI模型表现也只达到人类专家水平的40%，普遍存在策略验证不足、缺乏多目标思维等问题。该平台轻量化设计，支持多模态输入，为AI策略思维研究提供了重要工具。研究揭示了当前AI在复杂决策任务中的局限性。
2026年首席信息官转型：从技术部署到AI系统整合者
SAS公司CIO预测，2026年将是CIO转型为"首席集成官"的关键年份。随着企业AI技术达到关键节点，CIO需要专注于整合现有AI技术，而非持续部署新系统。过去两年CIO面临快速实施生成式AI的压力，但ROI证明困难。AI集成流程包括三个核心要素：选择兼容的智能体基础平台、制定构建与采购的集成策略，以及确保安全性和数据治理，保证员工仅访问其角色相关的数据内容。
北大团队首次揭露AI多模态模型的“理解-生成“鸿沟：为什么AI看得懂却画不对？
北京大学研究团队首次深入研究AI多模态模型的"理解-生成鸿沟"现象，开发了UniSandbox评估框架，发现当前模型在推理生成和知识转移方面存在严重缺陷。研究证明思维链技术能有效缓解这一问题，并提出STARS框架成功将推理能力内化到模型中，为构建真正统一的多模态AI系统提供了重要方向。
掌握混合边缘环境架构的关键要素
边缘系统、网络和物联网快速扩展，IT团队在设计整体架构管理边缘部署方面面临重大挑战。成熟的边缘架构需要精心编排的工作流程，实现边缘计算和数据中心间的数据交换，同时确保全程安全。理想的边缘实施采用迷你数据中心模式，配备远程服务器、网络和存储。IT需定义用户和技术团队在混合环境中的角色，利用AI算法实现更自主的边缘计算，并建立灾难恢复机制确保系统连续性。
UNC北卡教堂山分校突破性研究：让AI视觉推理像侦探一样自我进化！
UNC北卡教堂山分校研究团队开发了Agent0-VL，一个能自我进化的视觉语言AI系统。该系统创新性地采用求解者-验证者双重架构，通过工具集成推理实现零外部监督的持续自我改进。在几何问题和科学分析任务上性能提升12.5%，甚至超越GPT-4o等商业模型。这项突破性研究为AI自主学习开辟了新路径。
京公网安备 11010802021500号 京网文(2025) 0096-033号 京字第20868号
