Box在星期二表示,其正在收购Butter.ai背后的团队,Butter.ai是一家创业企业,打造能够在多个商业应用程序中查找文件的软件。根据双方的协议,整个Butter.ai团队将加入Box,原来的应用程序将关闭。
在一篇博客文章中,Box表示这笔交易将能够在其平台中引入更多智能搜索功能,从而使文件搜索更具情境化、预测性和个性化。
该公司引用了企业员工每天必须应对的越来越多的内容作为交易背后的理由。
Box的首席产品官Jeetu Patel在博客中写道:“随着企业转向云计算以实现现代化并创建数字化工作场所,它正在推动前所未有的商业内容创造。”Jeetu Patel表示:“而随着数据量的不断增长,理解这一切变得越来越困难,更加耗时费力,成本也越来越高。”
Butter.ai还与Box围绕Box Skills的策略保持一致。Box Skills于10月首次发布,它提供了一个框架,将机器学习应用于Box云内容管理平台。目的是使用人工智能帮助客户从他们的Box内容中提取见解和额外价值。Butter.ai的技术为这项工作增添了另一层智慧。
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。