←搜索结果

搜索“Microsoft”

按匹配度 · 共 1148 条结果 清除搜索

星期二

星期四

  1. 事件1 条新闻 · 1 个事实

    Vercel 推出开源 Agent 框架 eve

    2026 年 6 月 24 日,Vercel 在伦敦 Ship 活动上推出开源智能体框架 eve。据 DevClass 报道,eve 使用 TypeScript 和 Markdown 定义指令、技能、模型提供方、工具、认证、渠道和调度,智能体默认运行在隔离 VM 沙箱中,代码以 Apache 2.0 许可托管在 GitHub。eve 构建的智能体默认通过 vercel deploy 部署到 Vercel,也可用 npx eve dev 在本地运行,模型可接入 AI SDK 支持的任何模型。同一报道称,Vercel 同时预览 Enterprise Apps and Agents,其中 Passport 基于 OpenID Connect,把团队内应用和 AI 智能体统一置于 Okta、Microsoft Entra 等身份提供商之下,用于应对员工用 AI 生成、却脱离企业 IT 管控的 shadow AI 应用。目前尚无后续发展事实。

    匹配字段摘要

  3. 事件1 条新闻 · 1 个事实

    IBM为Db2 Genius Hub新增Google Vertex AI与Intel Gaudi支持

    2026年5月6日,IBM为Db2 Genius Hub新增Google Vertex AI与Intel Gaudi支持,并接入Microsoft Azure AI Foundry,使AI智能体可在用户批准下提出并执行数据库操作。据The Register报道,IBM称该工具可降低25%管理成本、减少30%人工干预、缩短35%解决时间。报道还提到,Db2用户中银行占比近43%。目前尚无后续发展事实。

    匹配字段摘要

  4. 事件1 条新闻 · 1 个事实

    ServiceNow扩展AI Control Tower

    2026年5月6日,ServiceNow宣布扩展AI Control Tower。据The Register报道,此次扩展在Australia平台版本中落地,覆盖发现、观测、治理、安全和度量五个领域,并新增30个企业连接器,可发现运行在AWS、Google Cloud、Microsoft Azure以及SAP、Oracle、Workday上的AI资产、模型、智能体和提示词。报道称,演示中系统检测到针对定价智能体的提示词注入攻击,借助Veza的访问图谱定位影响范围并自动触发终止开关。ServiceNow同时发布Action Fabric,通过正式可用的MCP服务器让Claude、Copilot等外部智能体触发受治理的企业流程,Anthropic是首个设计合作伙伴。目前尚无后续发展事实。

    匹配字段摘要

星期日

  1. 事件1 条新闻 · 1 个事实

    xAI推出Grok for Word加载项

    2026年6月18日,xAI推出Grok for Word,一款免费的Microsoft 365加载项,可从Microsoft Marketplace安装,让用户在Word文档内直接使用Grok。据xAI News介绍,该加载项支持将提示词和笔记改写为结构化长文、起草提案与指南、修正语法、统一写作风格,还能联网搜索、检索X内容、生成图表,并通过连接器从邮件、SharePoint或Google Drive取用文件。同一加载项同时适用于PowerPoint和Excel。目前该故事尚无后续发展事实,状态为活跃。

    匹配字段摘要

  2. 事件1 条新闻 · 1 个事实

    Claude Enterprise 开放自助购买

    2026年2月12日,Anthropic 宣布 Claude Enterprise 现可自助购买,无需销售沟通,几分钟内即可配置 SSO 并邀请团队成员。该版本包含 Claude、Claude Code 和 Cowork,支持连接 Microsoft 365、Slack 等工具,采用席位加用量的计费模式,按 API 费率计费。

    匹配字段摘要

星期二

星期三

  1. 事件1 条新闻 · 1 个事实

    Anthropic 发布 Mythos Preview 模型

    2026年4月8日,Anthropic 发布 Mythos Preview 模型,并以受限预览形式开放。安全研究者 Johann Rehberger 同日博文引用该模型数据:在利用 Firefox JS 引擎漏洞的测试中,Opus 4.6 在数百次尝试中仅两次成功,而 Mythos Preview 成功 181 次。Anthropic 同时宣布 Project Glasswing,联合 AWS、Cisco、Microsoft、Linux Foundation、CrowdStrike、Palo Alto Networks、NVIDIA 等公司加固关键软件,并捐赠最高 1 亿美元额度加 400 万美元给开源软件。Rehberger 认为能力提升主要改变攻击者的吞吐量而非人数,组织快速部署补丁将成为最大挑战,并预计 6-12 个月后开源权重模型将具备接近能力。目前该模型仍处于受限预览阶段。

    匹配字段摘要

  2. 事件1 条新闻 · 1 个事实

    Rehberger 提出 AI 领域的“偏差正常化”概念

    2025年12月5日,Johann Rehberger 提出 AI 领域的“偏差正常化”概念,指行业逐渐系统性过度依赖 LLM 输出,尤其在智能体系统中。他指出 LLM 是不可靠、不可信的参与者,安全控制必须施加在 LLM 输出下游;厂商却将概率性、非确定性甚至对抗性输出当作可靠安全的结果,把“上次没出事”误认为“安全”。他列举 Microsoft 智能体操作系统、OpenAI ChatGPT Atlas 和 Anthropic Claude 的官方警告作为例证。目前该概念由 Rehberger 在其文章《AI 中的偏差正常化:Johann Rehberger 谈 LLM 输出不可信与智能体安全风险》中提出,尚无后续发展事实。

    匹配字段摘要

  3. 事件1 条新闻 · 1 个事实

    Ollama 内置兼容 OpenAI Chat Completions API

    2024年2月8日,Ollama 宣布内置兼容 OpenAI Chat Completions API,使本地环境可以沿用 OpenAI 的调用格式,从而使用更多工具和应用。官方说明,使用时只需把请求的 hostname 改为 http://localhost:11434,即可继续使用原有调用方式,并给出了 cURL 和 Microsoft 开源多智能体框架 Autogen 的接入示例。该支持目前为实验性,后续改进方向仍在考虑中。目前没有进一步的有证据发展。

    匹配字段摘要

星期四

星期六

  1. 事件1 条新闻 · 1 个事实

    Aim Labs披露M365 Copilot零点击漏洞EchoLeak

    Aim Labs披露了Microsoft 365 Copilot中的零点击漏洞EchoLeak。攻击者只需向受害者发送一封邮件,就能在用户无感知的情况下外泄Copilot上下文中的敏感数据。该攻击链由三处漏洞组成,依次绕过XPIA提示注入分类器、外部链接与图片的脱敏处理,并借助SharePoint和Teams的URL绕过CSP限制。Aim Labs将核心手法称为LLM Scope Violation,认为同类设计缺陷也可能存在于其他基于RAG的聊天机器人和AI智能体中。Aim Labs称Microsoft已确认没有客户受到影响。

    匹配字段摘要

星期四

  1. SiliconANGLE

    Smartsheet 推出 AI 规划执行平台 vsActual，用 Execution Graph 追踪项目偏差

    Smartsheet 在 Engage 2026 大会上发布 AI 驱动的规划与执行平台 vsActual，通过 AI 智能体持续监控跨企业系统的工作进度，并与战略目标比对、推荐调整。其核心 Execution Graph 基于约 20 年工作流数据和 9 PB 信息构建，底层依托 AWS Neptune 知识图谱约 1 亿个节点，可连接 Oracle、SAP、Workday、Atlassian 和 ServiceNow 等系统。平台同时新增 Agentic Workflows、多项集成和 ISO/IEC 42001 认证，默认保留人工审批。

    cks Inc.是其主要的底层技术提供商。Arora表示，Smartsheet并未训练自己的大语言模型。 这些发布还扩展了Smartsheet现有的AI能力。新的Agentic Workflows允许用户安排状态报告和风险评估等周期性活动。专门的创建和数据质量智能体可以生成项目结构、仪表板和报告，或识别底层数据中的问题。 新的集成包括与ServiceNow、Microsoft Corp. Dynamics 365、HubSpot Inc.客户关系管理、Workday Inc.人力资源软件以及Intuit Inc.的QuickBooks的原生连接。与GitHub、Zendesk Inc.、Airtable和Monday.com Ltd.的对话式集成已进入早期访问阶段，更多AI辅助集成计划于2027年初推出。 Arora强调，智能体工作流将传统自动化与AI相结合，而不是完全依赖大语言模型。“这个行业有时会过度使用大语言模型，而实际上只是简单的确定性操作，”她说。 尽管某些智能体可以自动执行计划任务，但Arora表示，对于有重大影响的行动，人工审批仍是默认方式。“我们的默认立场是人在回路中，

    匹配字段正文

    #hot-signal#产品更新#Agent#部署/工程

星期三

  1. Cohere 产品与研究博客

    Cohere Model Vault 上线第三方开源模型，支持 DeepSeek V4.1…

    Cohere 在 Model Vault 与 Model Vault Encrypted 中上线第三方开源模型，企业可在全托管加密推理平台上同时运行 Cohere 自家模型和 DeepSeek V4.1 Flash、GLM 5.3 Flash、Gemma 4、GPT-OSS、Phi 等开源模型。Model Vault 默认对提示词和输出实行零数据保留，Encrypted 版本借助机密计算让 Cohere 和云厂商都无法看到数据。Model Vault 已在美国、欧盟和加拿大上线，Encrypted 版本目前仅限美国，欧盟和加拿大即将支持。

    An abstract image with words overlayed reading "World's leading open models, under your control. Available in Model Vault"

    ohere是否 EmbedCohere是是 RerankCohere是是 ParseCohere是是 TranscribeCohere是是 TranslateCohere是是 DeepSeekDeepSeek是否 GLMZ.ai是否 MiMoXiaomi是否 GemmaGoogle是是 NemotronNVIDIA是否 GPT-OSSOpenAI是是 PhiMicrosoft是是 Hy3Tencent是否 主权推理意味着什么 主权推理意味着由您决定 AI 如何运行，而不是由供应商决定。归根结底取决于四件事： 您的数据存放在哪里。 在您首选的支持区域内运行推理工作负载，以帮助满足组织的数据驻留和监管要求。 谁可以访问。 Model Vault 将您的工作负载保存在独立、隔离的租户中。使用 Model Vault Encrypted 时，除您之外没有人能看到您的提示词或输出，包括 Cohere。 您可以使用哪些模型。 最适合任务的模型，而不仅仅是恰好通过单一供应商可用的模型。 客户评价 “安全是 Language Weaver 为客户提供服务的核心，无论是零数据保留、数据驻留要求，还是仅仅

    匹配字段正文

    #company#产品更新#部署/工程#开源生态
  2. AWS Machine Learning

    ServiceNow 借助 Bedrock AgentCore Gateway 实现代表用户（OBO）的…

    Amazon Bedrock AgentCore Gateway 可配置代表用户（OBO）的 token 交换，让 AI 智能体在调用 ServiceNow REST API 时保留发起用户的身份。网关把智能体持有的 JWT 换成面向 ServiceNow API connector 的新 token，Entra ID 校验用户已同意委派后签发，ServiceNow 依据 preferred_username 声明套用该用户权限。该模式同样适用于其他由 OAuth 保护的 REST API。

    Solution architecture showing the agent, AgentCore Gateway, Microsoft Entra ID, and ServiceNow and the token flow between them

    而非发起操作的用户身份出现。这会破坏审计追踪、绕过用户级访问控制，并违反最小权限原则。 Amazon Bedrock AgentCore 是一个用于大规模构建、连接和优化智能体的平台，支持任意框架或模型。本文介绍如何配置 Amazon Bedrock AgentCore Gateway（Amazon Bedrock AgentCore 的一项能力），用于与 Microsoft Entra ID 进行代表用户（OBO）的 token 交换。随后，AI 智能体便可调用 ServiceNow REST API 同时保留调用用户的身份。你在网关目标上配置 token 交换，AgentCore Gateway 会在每次请求时执行交换。该模式可应用于其他由 OAuth 保护的 REST API。 在生产环境中，你还可以将身份传递与 Amazon Bedrock Guardrails 配合使用，以过滤有害内容并验证智能体的输入和输出。 解决方案概述 该架构包含三个关键组件，它们通过 AgentCore Gateway 连接： 一个 AI 智能体应用，通过 OAuth 应用程序注册受 Microsof

    匹配字段正文

    #lab#教程/实践#Agent#MCP/工具调用
  3. AWS Machine Learning

    Amazon Quick 如何整合结构化与非结构化数据

    Amazon Quick 通过 Space 工作区把 S3 知识库中的非结构化文档与带语义描述的结构化数据集合并，让单个对话式 AI 智能体在一次提问中自动判断查询哪类数据并返回带引用的合并回答。该方案要求用户具备 Enterprise 订阅，S3 桶需与 Amazon Quick 同区域，管理员可在控制台授予只读权限。

    Architecture diagram showing the data, workspace, and agent layers that connect structured datasets and an Amazon S3 knowledge base to a chat agent in Amazon Quick

    ales.csv 步骤 1：创建 Amazon S3 集成 首先将 Amazon Quick 连接到你的 S3 存储桶。在 Amazon Quick 控制台中，从左侧导航面板选择 知识 。 知识页面显示可用的连接器类型，包括 Amazon Q Business、Web Crawler、Amazon S3，以及 Google Drive、OneDrive 和 Microsoft SharePoint 等第三方选项。 在 Amazon S3 下，选择 添加. 在“创建 S3 知识库”对话框的“连接 S3 存储桶”页面上，提供以下详细信息： 名称： 集成的描述性名称（例如“My Data Access Integration”）。 S3 存储桶位置： 选择 Quick Suite 实例账户 以使用与 Amazon Quick 位于同一 AWS 账户中的存储桶，或选择 其他 AWS 账户 以使用位于不同账户中的存储桶。 S3 存储桶 URL： 包含你的数据的存储桶的 S3 URI。该存储桶必须与 Amazon Quick 位于同一区域。 选择 下一步. 图 2：显示 S3 连接字段的创建集成对

    匹配字段正文

    #lab#教程/实践#RAG#Agent

星期二

  1. 清华大学战略与安全研究中心

    鲁传颖：全球人工智能治理的议题扩散、制度框架与中国角色

    清华大学战略与安全研究中心特约专家鲁传颖指出，全球人工智能治理议题正由行为规范向技术与产业两端延伸，OECD 政策导航器截至 2026 年 10 月已收录 2568 项政策倡议，但治理碎片化加剧。他分析称，议题扩散由行为规范共识困境、技术风险内生性和技术能力形成条件战略化共同推动，当前框架由联合国、G20、APEC 等既有多边机制，布莱切利峰会等专门性机制及“硅和平”等综合性机制构成。中国方案以发展与安全并重、多边制度协同和全球南方能力建设为支撑。

    清华大学战略与安全研究中心

    人工智能军事应用作为相对独立的治理领域，围绕人类控制、责任归属和应用原则展开讨论。2024年美国发起设立“人工智能安全研究机构国际网络”（INASI），该网络将基础模型测试、风险评估和人工智能安全科学合作作为主要议题，旨在依托政府背书的技术机构推进跨国人工智能安全评测合作。 企业和研究机构亦构建诸多治理网络。由OpenAI、Anthropic、Google和Microsoft等企业发起的“前沿模型论坛”（Frontier Model Forum）重点围绕前沿模型安全研究、风险评估、最佳实践以及企业间威胁信息共享展开合作；美国非营利性组织人工智能安全论坛（SAIF）发起的“人工智能安全国际对话”（IDAIS）依托科学家和专家网络，聚焦人工智能极端风险、安全研究、测试评估和国际治理等问题。这些机制的创设表明全球人工智能治理分化出前沿模型安全、军事应用、技术评测、行业自律和专家协调等专业性制度空间。 专门性治理机制显著提升治理专业化水平，但也带来一系列问题。一方面，专门性治理机制提高制度供给针对性，弥补综合性国际组织在前沿模型安全、军事人工智能等领域响应迟缓、专业能力不足等短板。另一方面，不

    匹配字段正文

    #academic#政策/监管#行业动态
  2. Sarvam AI Blog

    Sarvam AI 发布基于 Sarvam 105B 的决策模型 Sarvam Prism

    Sarvam AI 发布 Sarvam Prism，一个基于 Sarvam 105B 的 System One 决策模型，在 B200 GPU 上以 44 ms 中位响应时间取得 71.8 的平均分，是其测试的 25 个决策模型中 100 ms 以内得分最高的。模型在 90% 以上置信度下实际错误率低于预期，英语为 2.2% 对 3.3%，印度语为 4.4% 对 5.4%，并在 2000 道题的选项乱序测试中保持答案不变。权重以 Apache 2.0 协议开源在 Hugging Face，需单卡至少 120 GB 显存以 FP8 运行，同时上线 Sarvam API。

    Introducing Sarvam Prism

    指数平均得分与中位响应时间对比，25 个决策模型 Sarvam Prism 由我们计时 仅提供 API（报告时间） 各响应时间下的最佳得分平均得分 ↑586266707478050100150200250300帕累托前沿mammoth-1GLiDE 1.2elephant-1d3-ultraTorchcast-27BClefOneJev-9BJev 1.14Microsoft-Decision-1KnowLine-35BSarvam Prism 71.8每次请求的中位响应时间（毫秒）→ Sarvam Prism：71.8 分，44 毫秒 各模型的三项指数平均得分与中位响应时间 公开报告的响应时间；这些模型仅提供 API。 模型平均JevArtificial Analysis印度语言响应时间（毫秒） mammoth-175.275.370.280.1284 GLiDE 1.273.272.068.179.4116 Sarvam Prism71.867.065.982.544 elephant-171.372.267.674.0145 StartLux-27B70.872.961.578.

    匹配字段正文

    #company#模型发布#推理#开源生态