AI 资讯聚合

美国一家联邦上诉法院维持了五角大楼将 Anthropic 列为供应链风险的决定，这意味着 Anthropic 的 AI 模型 Claude 不会被美国军方使用。法院认为，国防部有足够的理由得出结论，继续将 Claude 集成到其信息系统中将构成国家安全风险。这个决定对 Anthropic 公司来说是一个挫折，它将继续与美国政府就其模型的使用问题进行斗争。

一家名为费米宇宙的量子 AI 创业公司已经实现了 10 亿估值。该公司专注于使用量子物理和量子计算的方法来改造 AI 模型。他们最近推出了一个名为 FermiQLLM 1.0 的全链路量子增强大模型，该模型在数据表征、模型结构、模型训练、模型强化和模型评测等方面都实现了量子增强。费米宇宙的目标是利用量子物理来提高 AI 模型的性能和效率。

PrismML是一家由加州理工学院研究人员创立的公司，他们开发了一种小型语言模型（LLM），可以运行在高通的智能眼镜上。这种模型称为1-bit Bonsai LLM，能够在智能眼镜上实时回答用户的问题。PrismML的目标是开发一种开放的、可以在设备上运行的AI模型，减少对大型AI实验室的依赖。他们的模型可以在高通的Snapdragon AR1 Gen 1平台上运行，具有2亿个参数，适用于视觉和语言任务。这种技术有可能改变我们与AI交互的方式，提高隐私性和效率。

美国国防部计划投资3000万美元，开发一种基于AI的测谎仪，称为Polygraph+。该项目将使用新的传感器技术和AI算法来评估人员的可信度和检测泄密者。然而，专家认为，AI启用的测谎技术可能不是最佳选择，因为它可能将传统测谎技术的缺陷与AI的局限性结合起来。该项目的目标是改进联邦测谎和可信度评估技术的准确性和可靠性，但其有效性仍然存疑。

NVIDIA 发布了 DSX MaxLPS，这是一种可以最大化 AI 工厂吞吐量和效率的技术。传统的 AI 工厂通常会为每个 GPU 预留峰值功率，导致资源利用率低下。DSX MaxLPS 使用基于策略的动态功率分配，可以让客户在相同的功率预算下部署多达 40% 的 GPU。这种技术通过动态分配功率来优化资源利用率，减少了资源浪费。NVIDIA 和 Nscale 进行了联合评估，结果表明 DSX MaxLPS 可以显著提高 AI 工厂的吞吐量和效率。这种技术对于 AI 工厂来说具有重要价值，可以帮助提高资源利用率，减少能耗和成本。

Holo4是一种强大的通用计算机使用代理工具，能够通过任何可用的接口与软件交互，包括图形用户界面、代码、MCP和API。它在学术基准测试中表现良好，但主要针对真实的商业工作流程。Holo4有两种尺寸：27B密集型和35B-A3B专家混合型，均可在H模型API上使用。它通过监督学习和强化学习在大量环境和任务中进行训练，包括由代理任务工厂生成的任务。Holo4的优点在于它可以根据任务需求选择合适的接口，实现多种工作方式的结合。与其他模型相比，Holo4的参数数量和成本较低，但仍能达到较高的性能，例如在OSWorld 2.0基准测试中，Holo4 27B的得分为61.7%，Holo4 35B-A3B的得分为30.9%。