ZD至顶网软件频道消息: 微软正在计划将其内部使用的“白盒fuzzing” bug检测服务提供给外部客户和合作伙伴。
微软正在为一项将要运行在Azure之上新的bug检测服务寻找测试人员。
该服务的代码代号为“Project Springfield”,是微软研究院在二十一世纪第一个十年的中期在内部开发的,该项目的目标是使用白盒fuzzing测试技术先发制人,找到并扫除微软自己产品中的bug。
微软研究院的NExT小组现在正在寻求以Azure托管服务的形式将Springfield商业化。(NExT武装了微软研究院,它正在成为新的人工智能和研究集团的一部分,它的目标是发展研究最终将被商业化的技术。)
微软研究院NExT小组的首席产品官Vikram Dendi表示,“这项(服务)是要发现隐藏得很深的bug,用常规的测试很难发现这些bug。” Vikram Dendi表示,“这就像是时间旅行调试,因为它提供了‘倒带’的能力,并且更好地理解所发生的事情。”
从去年开始,Springfield已经作为非披露预览程序的一部分,被提供给经过挑选的客户和合作伙伴。但是在本周,微软提供了一个链接,对此感兴趣的客户和合作伙伴可以在通过这个链接报名,在获得批准后,使用这项新服务的预览版。
很多的微软团队,包括Windows 7团队在过去数年里一直在使用Springfield(它在内部被称为SAGE)。它目前已经同Windows二进制文件配合,在未来支持Linux。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。