IBM周一宣布了收购TruQua的消息。TruQua是一家专注于SAP财务和分析技术的IT服务和咨询公司。蓝色巨人IBM称,该交易将支持旗下的混合增长战略并将扩大IBM的咨询服务范围。
作为交易的一部分,IBM Services可得到TruQua在实施SAP财务计划和分析服务方面的专业知识。IBM和SAP在企业方面存在长期的合作伙伴关系,两家公司合作完成的项目达5500多个。
IBM企业云应用程序的全球管理合伙人Rahul Kalia表示,“我们的客户现在通过云、人工智能和其他迅速发展的使能技术重新构建自己的核心财务流程,进而为自己的组织提升价值。我们收购TruQua后可以进一步加强IBM在金融领域的深厚专业知识,将持续推进并支持首席财务官的战略计划。”
他表示,“IBM会利用TruQua在SAP S/4HANA财务和集团报告解决方案方面的丰富经验,采用智能工作流和混合云实现更好的业务成果。”
IBM表示,该交易可望在2020年第四季度完成。交易的财务条款尚未披露。
好文章,需要你的鼓励
这项研究介绍了一种名为FlowPathAgent的神经符号代理系统,用于解决流程图归因问题。研究团队提出了流程图精细归因这一新任务,构建了FlowExplainBench评估基准,并开发了结合视觉分割、符号图构建和基于代理的图形推理的方法。实验表明,该方法在归因准确性上比现有基线提高了10-14%,特别在处理复杂流程图时表现出色,为提升人工智能系统在处理结构化视觉-文本信息时的可靠性和可解释性提供了新途径。
这项研究首次从神经元层面揭示了大型语言模型(LLM)评估中的"数据污染"机制。研究团队发现当模型在训练中接触过测试数据时,会形成特定的"捷径神经元",使模型无需真正理解问题就能给出正确答案。他们提出了一种新方法,通过识别并抑制这些神经元(仅占模型总神经元的约1%),成功恢复了模型的真实能力表现。实验证明,该方法与权威可信基准测试结果高度一致(相关系数>0.95),并在不同基准和参数设置下都表现出色,为解决LLM评估可信度问题提供了低成本且有效的解决方案。
这份来自向量研究所、康奈尔大学和格罗宁根大学研究团队的综述分析了基于大语言模型的代理型多智能体系统中的信任、风险和安全管理框架(TRiSM)。研究系统地探讨了代理型AI从概念基础到安全挑战,提出了包含治理、可解释性、模型运营和隐私/安全四大支柱的TRiSM框架。文章还详细分析了威胁向量、风险分类,并通过真实案例研究展示了潜在脆弱性。
这项研究提出了一种名为ConfiG的创新方法,通过生成针对性的数据增强样本来解决知识蒸馏中的协变量偏移问题。研究团队利用教师模型和学生模型之间的预测差异,引导扩散模型生成那些能挑战学生模型的样本,从而减少模型对训练数据中欺骗性特征的依赖。实验表明,该方法在CelebA、SpuCo Birds和Spurious ImageNet数据集上显著提升了模型在缺失组别上的性能,为资源受限环境下的AI应用提供了实用解决方案。