为在社会企业竞争中取得胜利,甲骨文公司仍继续为之奋斗着。当地时间本周三,甲骨文公司在其SRM平台内推出了一个新的工作区,该企业巨头表示,这个新工作区将通过“令人叹服的”新用户界面来提高用户工作效率。
甲骨文为这个工作区取名为Social Station,旨在给用户更多的分析能力和控制权,但却不需要用户太多的点击量。
而这均通过新的用户体验得以实现的,其中主要以拖放操作功能、一键分享和多视图布局为特色。此外还有一个增强版日历模块,旨在为用户的网站内容、帖子、关系网和视图提供更多可视化的描述。同时,这个Social Station还推出了一个新的分析模块,允许用户通过大量的报告对对社会数据的自定义视图进行实时综合分析。
甲骨文社交云集团副总裁梅格·贝尔(Meg Bear)在一份声明中表示:“通过不断地改善我们的产品,我们希望能为我们的客户带来竞争优势,而Social Station便为他们提供了一个动态的用户体验,提供用户工作效率以及社会化商业成果。我们通过让用户比以往更轻松地在整个企业中理解、报告以及分析他们的社会见解,使我们的用户能够与时俱进,使他们能够影响企业的业务指标和策略。”
通过收购社交营销平台Vitrue、SNS监测平台Collective Intellect以及Involver,甲骨文整合加强了其SRM平台,并继续为其添加新功能,集成到平台中。
甲骨文表示,该公司计划继续通过新的模块来构建这个Social Station,例如增加内容管理、影响者的参与和指挥中心的创建等模块。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。