今日,微信企业号再度出台措施,从注册环节开始,通过优化企业规模证明方式、放宽企业号命名规则等方式,大幅简化企业接入门槛。同时,开放企业委托其他公司代为申请认证的服务,降低企业接入难度。
千人以下企业无需规模证明
从前,所有用户进行企业号认证时,除了填写基本的企业信息,还需提供“使用人数证明材料”,即社保缴纳人数证明、上市企业财报人数证明、个税缴纳人数证明、购买或租赁合同办公场地证明、办公电话接入数证明、与上下游供应关系企业合作证明、与上下游供应关系企业合作涉及人数证明等。
如今1000人以下的企业,仅需提供企业全称、填写企业号使用人数和组织机构代码即可,无需再为证明材料奔波,非常方便。
此外,企业分公司,及其上下游合作人员的规模证明流程也得到了相应的优化,目前,企业只需提交分支机构人员分布表格即可。
而企业号基于其简称和商标的命名,只要不侵权违法违规,不产生明显歧义即可。同时,除申请公函外,申请接入流程中其他所有材料均无需加盖公章。
企业可委托其他公司代为申请认证服务
经过上述优化,如果企业仍旧认为认证流程复杂,还可通过“委托其他公司代为申请认证”的方式进行企业号认证。企业方只需要在申请认证页面上的“申请者类型”一项中,选择“第三方代办服务商”并填写相应代办申请公函,即可将认证流程交由自己信任的第三方代为办理。
需要注意的是,该第三方代办服务商必须需为企业号认证号用户,方可成功接收委托。
未来,微信企业号团队将继续紧跟用户诉求,优化认证机制,调整认证规则,帮助企业快速建立与员工、上下游等之间的连接,推动企业全流程闭环管理的实现。
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。