Sun-Intelligence 4.0 will soon be here: The Dawn of the Super-Robot
Sun-Intelligence 4.0 代表了下一步——人机混合智能的一次巨大飞跃，数百万台智能机器的分布式能力被提炼成一个超级智能实体：超级机器人。
上周我在推特上发布了一些有趣的链接（我也在 Mastodon、Threads、Newsmast 和 Bluesky 上发布了这些链接）：我认为警方很容易将自己的错误或操纵归咎于人工智能的错误。当人工智能真的搞砸了，责任又在哪里？ https://www.theguardian.com/technology/2024/oct/03/artificial-intelligence-police-reports各公司正在将其 AI 数据中心转移到德克萨斯州，但德克萨斯州的发电能力不足以满足其能源需求：https://www.theregister.com/2024/10/04/texas_dc_po
PE Investments surges 38.9% in Jan-Sep 2024 to $10.9 billion: LSEG Deals Intelligence
2024 年 9 月最新季度投资同比增长 49%，达到 27.7 亿美元
Risk, reward and reality: Has enterprise perception of the public cloud changed?
公有云现在构成了企业 IT 环境的主体。根据 2024 年 Statista 数据，73% 的企业使用混合云模式，14% 的企业使用多个公有云，10% 的企业使用单一公有云解决方案。多个和单一私有云占剩余的 3%。由于企业历来不愿采用公有云，因此采用 […] 文章《风险、回报和现实：企业对公有云的看法是否发生了变化？》首先出现在 Security Intelligence 上。
我上周在 Twitter 上发布的一些有趣的链接（我也在 Mastodon、Threads、Newsmast 和 Bluesky 上发布了这些链接）：使用 AI 避免碰撞的自动驾驶船：https://www.stuff.co.nz/nz-news/350423932/unmanned-vessel-makes-waves-science-minister 帮助研究文献和引用的 AI：https://dataconomy.com/2024/09/27/scite-ai-review-can-it-research-well/ 微软纠正生成性 AI 幻觉的方法：https://www.comput
Тайна «LOVE»: скрытые послания в кибератаках?
GreyNoise Intelligence 检测互联网上神秘的“噪音风暴”。
Market Basket Analysis Using High Utility Itemset Mining | by Laurin Brechter | Sep, 2024
在交易中寻找高价值模式 在这篇文章中，我将提供一种替代市场篮子分析中流行技术的替代方案，该技术可以帮助从业者找到高价值模式，而不仅仅是最常见的模式。我们将对不同的模式挖掘问题有一些直观的了解，并看一个真实的例子。完整的代码可以是使用高效用项集挖掘进行市场篮子分析的帖子 | 作者 Laurin Brechter | 2024 年 9 月首次出现在 AI Quantum Intelligence 上。
Market Basket Analysis Using High Utility Itemset Mining | by Laurin Brechter | Sep, 2024
在交易中寻找高价值模式 在这篇文章中，我将提供一种替代流行市场篮子分析技术的方案，该方案可以帮助从业者找到高价值模式，而不仅仅是最常见的模式。我们将对不同的模式挖掘问题有一些直观的了解，并看一个真实的例子。完整的代码可以是使用高效用项集挖掘进行市场篮子分析 | 作者：Laurin Brechter | 2024 年 9 月，首次出现在 AI Quantum Intelligence 上。
大型语言模型 (LLM) 彻底改变了软件工程，在各种编码任务中展示了非凡的能力。虽然最近的努力已经基于 LLM 为端到端开发任务产生了自主软件代理，但这些系统通常是为特定的软件工程 (SE) 任务而设计的。来自越南 FPT 软件 AI 中心的研究人员推出了 HyperAgent，一种新型通用多代理 FPT 软件 AI 中心推出 HyperAgent：一种突破性的通用代理系统，可大规模解决各种软件工程任务，在 SWE-Bench 和 Defects4J 上实现 SOTA 性能，首先出现在 AI Quantum Intelligence 上。
Optimizing Document Understanding with DocOwl2: A Novel High-Resolution Compression Architecture
理解多页文档和新闻视频是人类日常生活中的一项常见任务。为了解决这种情况，多模态大型语言模型 (MLLM) 应该具备理解具有丰富视觉文本信息的多幅图像的能力。然而，理解文档图像比自然图像更具挑战性，因为它需要更细粒度的感知。使用 DocOwl2 优化文档理解：一种新颖的高分辨率压缩架构，首次出现在 AI Quantum Intelligence 上。
检索增强生成 (RAG) 是一种提高大型语言模型 (LLM) 处理大量文本效率的技术，在自然语言处理中至关重要，特别是在问答等应用中，在这些应用中，保持信息的上下文对于生成准确的响应至关重要。随着语言模型的发展，研究人员努力突破界限 NVIDIA 研究人员引入了保序检索增强生成 (OP-RAG) 以增强大型语言模型 (LLM) 的长上下文问答 首次出现在 AI Quantum Intelligence 上。
XPER: Unveiling the Driving Forces of Predictive Performance | by Sébastien Saurin | Sep, 2024
一种分解您最喜欢的性能指标的新方法 照片由 Sira Anamwong 在 123RF 上拍摄 与 S. Hué、C. Hurlin 和 C. Pérignon 合著。敏感人工智能系统的可信度和可接受性在很大程度上取决于用户理解相关模型或至少是其预测的能力。揭开不透明的面纱 XPER：揭开预测性能的驱动力 | 作者：Sébastien Saurin | 2024 年 9 月，首次出现在 AI Quantum Intelligence 上。
XPER: Unveiling the Driving Forces of Predictive Performance | by Sébastien Saurin | Sep, 2024
一种分解您最喜欢的性能指标的新方法 照片由 Sira Anamwong 在 123RF 上拍摄 与 S. Hué、C. Hurlin 和 C. Pérignon 合著。敏感人工智能系统的可信度和可接受性在很大程度上取决于用户理解相关模型或至少是其预测的能力。揭开不透明的面纱 XPER：揭开预测性能的驱动力 | 作者：Sébastien Saurin | 2024 年 9 月首次出现在 AI Quantum Intelligence 上。
Create Billions of Advertisement Scripts in Minutes using Sun-Intelligence 3.0 Technology
以如此快的速度生成大量内容的能力可能会淹没广告渠道，使内容在短短几秒钟内迅速传播开来！
Представлена линейка смартфонов Apple iPhone 16
该公司传统的秋季演讲的重点是集成人工智能 Apple Intelligence 的功能。
在计算机视觉中，主干架构对于图像识别、对象检测和语义分割任务至关重要。这些主干从图像中提取局部和全局特征，使机器能够理解复杂的模式。传统上，卷积层一直是这些模型的主要组成部分，但最近的进展结合了注意力机制，这增强了模型捕捉的能力。文章 LowFormer：一种高效的视觉主干模型，可在不牺牲准确性的情况下优化移动和边缘设备的吞吐量和延迟，首次出现在 AI Quantum Intelligence 上。
Apple demoes iPhone 16 and ‘Apple Intelligence’ AI features at the Glowtime event
苹果在“Glowtime”产品发布会上发布了备受期待的 iPhone 16 系列和一系列人工智能功能。此次发布会的亮点是“Apple Intelligence”的正式亮相，这是苹果大胆的策略，即生成式人工智能将为 iPhone 的销售注入新的活力。这是一个很大的风险。2023 年，苹果在生成式人工智能方面搁置了数月，首席执行官蒂姆·库克表示，该公司不会像微软、谷歌等公司那样仓促投入。随着 Apple Intelligence 的推出，这种情绪正在改变。“我们很高兴推出第一款专为 iPhone 设计的 iPhone，这篇文章 Apple 在 Glowtime 活动上演示了 iPhone 16 和
***通过以下文章，我试图介绍几种新算法，据我所知，我无法找到这些算法。我愿意接受批评并欢迎任何反馈。传统标签搜索如何工作？传统系统采用一种称为 Jaccard 相似度的算法（通常通过 minhash 算法执行），该帖子引入语义标签过滤：通过标签相似度增强检索 | 作者 Michelangiolo Mazzeschi | 2024 年 9 月首先出现在 AI Quantum Intelligence 上。
