室温超导LK-99，又有新瓜可尝了。万众期待之下，LK-99作者之一的金铉卓教授，刚刚在美国物理学会三月会议（APSMarchMeeting）上带来全新报告。主题很简单，就是最新材料配方以及室温超导的证据。热度之高，据网友现场传回的消息，是“晚来了几分钟，挤不进去一点”。值得关注的是，这一次，在金教授的PPT上，还出现国内团队的身影——正是知乎“导派”大佬真可爱呆和洗芝溪老师。现场报告了什么大会开始之前，就有韩国网友晒出与金铉卓教授的事先邮件沟通。金教授很有信心，言之凿凿称“3月4日将被定义成室温超导日”，因为“”我们要在这一天证明悬浮和零电阻。”那么这次团队拿出来的证据是否有说服力？综合多位
场景建设需求为了解决供应链金融中存在的中小企业融资难、金融机构风控代价高、供应链管理能力弱和数据安全隐患大等问题，某行针对供应链金融、普惠业务、客户引流和数据安全可信等需求，充分利用区块链技术的不可篡改性和分布式特点，提高数据可信度，解决信息割裂的痛点；利用区块链技术将核心企业的信用转化为数字凭证，确保信用在供应链条上的有效传递，并降低合作成本。通过智能合约的应用，数字凭证可以多级拆分和流转，并传递给整个供应链上的供应商及经销商，从而大幅度提高资金利用率，降低风险控制难度，缓解中小企业融资难、融资成本高等问题。场景新技术要求该场景使用的技术主要包括区块链技术、中间件技术两部分。区块链技术：提供
我正在与.NETC＃中的Botbuilder合作。我无法弄清楚如何使用TeamsClient向机器人发送附件-我尝试使用Windows桌面应用程序和Web客户端，但都没有在与机器人的聊天中显示附件按钮。我还尝试使用Android客户端，发现我可以发送图像附件，但不能发送其他文件类型，然后我回去，发现我可以通过将图像粘贴到聊天框中，在桌面/Web客户端中进行相同的操作。使用此方法，我确实在Activity.Attachments和ContentType="image/*"。我尝试在Android客户端附加的任何其他类型的文件都不会发送到机器人（Activity.Attachments正如我所说，
1月20日，中关村华安关键信息基础设施安全保护联盟会员大会暨关键信息基础设施安全保护论坛在北京成功举办，比瓴科技作为会员单位受邀出席。本次论坛发布了《关键信息基础设施安全保护支撑能力白皮书（2023）》，比瓴科技入围“软件供应链安全”、“安全保护业务”、“检测评估业务”三个安全场景。软件供应链安全——瓴域-持续应用安全平台（ASPM）比瓴科技基于ASPM平台提供面向软件供应链安全的解决方案，利用安全编排技术实现安全开发运营自动化，打破安全数据孤岛，汇聚和统一安全数据，重新识别安全漏洞修复优先级，聚焦高风险漏洞。结合应用资产数据，形成企业应用软件资产风险视图。ASPM平台核心价值·提升安全运营自
本文会简单介绍大数据、大数据前端团队以及可落地的演进方向。ps.针对数据前端团队10人及以内的中小厂。开始前问几个问题：你了解大数据技术吗？为什么需要大数据前端团队（和大数据有什么关联）？大数据前端团队在前端团队中的定位？浅入浅出大数据为什么需要大数据咱们年终述职汇报的时候，是不是有个标准套路：使用xx工具替换了xx工具，并落地xx个团队的xx个项目，覆盖率x%，整体体积减少了x%，加载速度从x缩短到x。那么完成上面这条简短而有力的阐述需要那几个步骤？我需要哪些数据，从哪来？寻源与采集收集的数据很多要怎么管理？聚合与统计如何整理出可读和有用的结果？建模与分析大数据技术在做什么数据本身的价值——
🦉AI新闻🚀谷歌DeepMind团队深夜发布新AI开源模型Gemma摘要：谷歌DeepMind团队于今日发布了一款名为Gemma的新型AI模型，该模型启发自Gemini，提供两个版本：Gemma2B和Gemma7B。这款模型支持Keras3.0和PyTorch等工具进行微调，可在性能较低的设备上运行，且性能超越竞品MetaLlama-2模型。为确保模型的安全性和可靠性，研究团队采用自动化技术过滤敏感数据，并通过大量微调及“强化学习”等手段提高模型的行为一致性。此外，对模型进行了“红队测试”和“自动对抗测试”以评估其能力，确保模型具有“负责任的特性”。Kaggle地址：https://www.k
随着XX领域最近几次重大安全事件发生，各个供应厂商都受到严重的波及，使得我们重新认识安全的重要性，安全建设不得不做好了。一直以来也想快速做好平台安全，但是都没有实际落地，一个是安全体系建设包含的内容实在太多，另一个是安全建设实际具体落地没有规划，中小企业大部分时间应该都是开发有价值的业务功能，组织架构里也没有专门的安全部门，不可能给研发团队大块时间来专门搞安全建设。另外，即使客户环境出了重大安全事件，客户也是对这个小领域进行一顿安全整顿，不会关注太长时间，毕竟安全这东西不是日常业务工作内容，这也促使开发商随之放松下来，直至慢慢淡忘。我们必须清楚这个现状，然后做好一定的安全建设规划，然后从细处着
作为2024开年王炸，Sora的出现树立了一个全新的追赶目标，每个文生视频的研究者都想在最短的时间内复现Sora的效果。根据OpenAI披露的技术报告，Sora的核心技术点之一是将视觉数据转化为patch的统一表征形式，并通过Transformer和扩散模型结合，展现了卓越的扩展（scale）特性。在报告公布后，Sora核心研发成员WilliamPeebles和纽约大学计算机科学助理教授谢赛宁合著的论文《ScalableDiffusionModelswithTransformers》就成了众多研究者关注的重点。大家希望能以论文中提出的DiT架构为突破口，探索复现Sora的可行路径。最近，新加坡
陈丹琦团队刚刚发布了一种新的LLM上下文窗口扩展方法：它仅用8k大小的token文档进行训练，就能将Llama-2窗口扩展至128k。最重要的是，在这个过程中，只需要原来1/6的内存，模型就获得了10倍吞吐量。除此之外，它还能大大降低训练成本：用该方法对7B大小的羊驼2进行改造，只需要一块A100就能搞定。团队表示：希望这个方法有用、好用，为未来的LLM们提供廉价又有效的长上下文能力。目前，模型和代码都已在HuggingFace和GitHub上发布。只需添加两个组件这个方法名叫CEPE，全称“并行编码上下文扩展（ContextExpansionwithParallelEncoding）”。作为
今天，这张图在AI社区热转。它列举了一众文生视频模型的诞生时间、架构和作者机构。毫不意外，谷歌依然是视频模型开山之作的作者。不过如今AI视频的聚光灯，全被Sora抢去了。同时，自曝996作息时间表的OpenAI研究员JasonWei表示——「Sora是一个里程碑，代表着视频生成的GPT-2时刻。」对于文字生成领域，GPT-2无疑是一个分水岭。2018年GPT-2的推出，标志着能够生成连贯、语法正确的文本段落的新时代。当然，GPT-2也难以完成一篇完整无误的文章，会出现逻辑不一致或捏造事实的情况。但是，它为后续的模型发展奠定了基础。在不到五年内，GPT-4已经能够执行串联思维这种复杂任务，或者写
