Разработанные Госкорпорацией Ростех ИИ-консультанты снижают текучесть кадров
Dobroservice IT 生态系统联合了 15 名数字助理 - 律师、心理学家和其他人工智能顾问，他们为员工提供支持并减轻压力水平
Fort Knox DPW plans to put additional funds to good use in continued barracks upgrades
肯塔基州诺克斯堡 — 美国陆军设施管理司令部官员最近批准了为诺克斯堡提供额外资金，专门用于酒吧...
U.S. Army Garrison-Fort McCoy leaders hold April 2026 town hall meetings for installation workforce
麦科伊堡美国陆军驻军领导层于 2026 年 4 月 23 日召开了两次驻军市政厅会议，提供了有关该设施未来严峻形势的最新信息...
Financial Management Systems: DHS’s Modernization Plans Should Fully Incorporate Key Practices
GAO 的发现国土安全部 (DHS) 正在通过三个财务系统现代化计划对美国海岸警卫队、联邦紧急事务管理署 (FEMA) 和美国移民和海关执法局 (ICE) 的财务管理系统进行现代化改造。可靠的成本估算和进度评估对于管理主要系统现代化工作至关重要。 GAO 对两项系统现代化的成本估算进行审查后发现，其中一项基本上满足了可靠成本估算的所有四个特征；另一个基本上符合四个特征中的三个。关于时间表，GAO 确定两个项目时间表不可靠。如果没有遵循最佳实践的可靠时间表估计，国土安全部就会增加管理层缺乏对其计划做出决策的关键信息的风险，包括对未来计划成本的影响。国土安全部的指导和财务系统现代化计划与数据迁移、
Historic Camp McCoy postcards added to Fort McCoy History Center collection
麦科伊堡历史中心最近收到了两张具有历史意义的明信片，提供了难得一见的早期历史和发展的视觉一瞥......
Fort McCoy supports March 2026 meeting with local natural resources, extension committee
麦科伊堡工作人员于 3 月 9 日在门罗县 2026 年 3 月会议期间提供了有关该设施与自然资源相关工作的最新信息...
Aderant transforms cloud operations with Amazon Quick
在这篇文章中，我们分享了 Aderant 如何使用 Amazon Quick 的人工智能功能来统一六个供应商系统的搜索并自动化文档工作流程，实现搜索时间缩短 90% 和文档加速 75%，以及其他人如何将这些方法应用到他们的操作中。
Idaho Cyber Squadron Identifies Threats
爱达荷州国民警卫队第 224 网络作战中队的情报支持中心每天在博伊西的幕后工作，识别威胁、分析对手活动并提供保卫关键网络所需的情报。
Five companies win DoD’s Drone Dominance small drone ‘Lethality Prize Challenge’
无人机制造商 Bravo 的 Kevin Landtroop 告诉 Breaking Defense：“杀伤力挑战赛的选择为我们提供了一条锁定该产品数千或数万单位订单的途径，这绝对改变了我们与投资者、供应商、其他客户/合作伙伴等进行讨论的程度。”
Building the enterprise agentic AI factory with DataRobot and Dell
面向生产就绪的代理人工智能的竞赛已经开始，但对于大多数企业来说，终点线仍在不断前进。模型建立起来，试点开始运行，然后团队就碰壁了：在企业规模运行人工智能代理的基础设施、安全性、治理和操作要求比任何单一工具或供应商预期的要复杂得多……这篇文章《与 DataRobot 和戴尔一起构建企业代理人工智能工厂》首先出现在 DataRobot 上。
OpenAI Plans ‘Codex For Legal’
OpenAI 计划推出法律人工智能产品，与 Anthropic 和微软一起实施为律师提供法律专用工具的战略。消息人士告诉人工......
Introducing ARFBench: A time series question-answering benchmark based on real incidents
每年由于系统故障造成的损失超过一万亿美元。为了解决这些问题，工程师必须快速排除故障。事件响应中的一项重要任务涉及分析可观测性指标或反映软件系统运行状况的时间序列数据。例如，服务工程师可能会使用 Datadog 来回答诸如“延迟何时开始增加？”之类的问题。以及“延迟之外的哪些指标也表现异常？”定位异常行为的根本原因。这些时间序列问答 (TSQA) 任务对于工程师来说至关重要，并且为 SRE 模型和代理提供了具有挑战性且必要的任务。在这项工作中，我们探讨了 AI 模型执行 TSQA 任务的程度。为此，我们很高兴推出异常推理框架基准 (ARFBench)，这是一个 TSQA 基准，源自 Datado
Best Buy and Amazon just dropped prices on SSDs ahead of Memorial Day - I found the best deals
亚马逊和百思买等零售商在阵亡将士纪念日之前对大容量 SSD 提供大幅折扣。
What Makes a Job Dull, Dirty, or Dangerous?
多年来，机器人领域一直使用术语“沉闷、肮脏和危险”(DDD) 来描述机器人可能有用的任务或工作类型——通过完成人们不想要的工作。 DDD 工作的一个典型例子是“在热气腾腾的工厂车间里进行重复性体力劳动，涉及威胁生命和肢体的重型机械。”但是确定哪些人类活动属于这些类别并不像看起来那么简单。到底什么是“枯燥”的任务，谁做出了这样的假设？ “脏”工作只是需要洗手，还是也有社会耻辱的一个方面？我们可以依靠哪些数据将工作归类为“危险”？我们最近的工作（一点也不枯燥）解决了这些问题，并提出了一个框架来帮助机器人专家了解我们技术的工作背景。首先，我们对 1980 年至 2024 年提及 DDD 的机器人出版
本演讲重点介绍了约翰霍普金斯大学应用物理实验室最近为协作机器人团队推进代理人工智能所做的努力。它首先提出了跨异构系统实现自主性、协调性和适应性的核心挑战，然后引入了旨在支持多机器人环境中的代理行为的可扩展架构。演讲最后介绍了遇到的主要挑战以及从正在进行的研究和开发中学到的实际经验教训。主要学习内容介绍了基于 LLM 的 AI 代理描述了将基于 LLM 的 AI 代理应用于机器人团队的方法提供了在异构机器人团队的硬件中运行的方法的演示介绍了该领域的经验教训和未来的工作立即下载此免费白皮书！
