至顶网软件频道消息:微软今天透露,计划利用区块链技术解决个人数据和身份管理等在线管理问题。
微软是ID2020联盟成员,该平台的构建是微软为ID2020联盟所做事情的一部分。ID2020联盟是一个全球性公私合作伙伴关系机构,目标是帮助全球缺乏任何法律形式身份的11亿人。微软计划利用旗下现有的区块链技术帮助ID2020实现全球可用的身份管理系统的目标。
微软身份部门项目经理Ankur Patel在一篇博文里写道,“我们可以为增强每个人的力量做许多更多的事情。在我们向往的世界里,那些生活在当下而没有可靠身份证件的几亿人都终于可以实现我们共同的梦想,例如为我们的孩子提供教育、提高我们的生活质量或创业。”
Patel还进一步做了解释,作为实现此愿景的一部分工作,微软认为 “每个个体拥有和控制自己的数字身份的所有要素至关重要”。他表示,要做到这一点,办法是通过一个“安全的加密数字中心,他们可以在数字中心存储自己的身份数据并轻松地控制对该数据的访问”,这样的数字身份是一种“自主性数字身份,它比任何一家公司或组织都要大“。
很多帖子都在谈论这样的平台背后的高大目标,Patel表示,微软会尝试采取分散式身份的做法,会将分散式身份支持添加到现有的微软授权(Microsoft Authenticator)应用程序里。
有关集中身份管理的概念并不新鲜。微软的目标听起来不错,而福布斯则指出,“从长远来看,这可能是微软在分散互联网空间的一步棋,诸如谷歌、Facebook一类的公司是将公司的财务未来建立在监听用户群的基础上,而微软则通过此举就摆出了我们不是这样的一家公司的姿态。”
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。