organization
PulseAugur coverage of organization — every cluster mentioning organization across labs, papers, and developer communities, ranked by signal.
5 天有情绪数据
-
Aftertype采用Schema.org和llms.txt进行AI实体识别
到2026年,Aftertype专注于将网站视为结构化数据,而不仅仅是页面的集合,实施了Schema.org标记和llms.txt文件。此举旨在改善传统搜索引擎和AI系统对组织及其内容的理解方式。结构化数据包括Organization、Article和FAQPage模式,以清晰定义Aftertype的身份、内容和规范答案,超越了基础SEO,实现了作者所称的“图谱或实体优化”(GEO)。
-
开发人员可以通过在安装插件之前扫描页面来避免重复的 JSON-LD 数据
本文讨论了如何识别和解决网页上的重复结构化数据,特别是 JSON-LD。文章解释说,多个插件或主题生成相同类型的数据(例如 Organization 或 BreadcrumbList 节点)会给搜索引擎带来歧义。作者提供了一个 PHP 脚本来扫描网页的 JSON-LD 输出,识别重复的类型,并标记使用不同 ID 但类型相同的实例,建议在安装新插件之前审查已发布的输出,以避免此类冲突。
-
英国报告发现人工智能制造敌对数字环境,获跨党派支持
来自ORG组织的一份新报告详细说明了人工智能如何助长英国国内敌对的数字环境。该报告获得了政治各界的广泛支持,Pete Wishart议员尤其认可其调查结果。报告强调了对人工智能在缺乏透明度的情况下被整合进英国移民系统的担忧。
-
报告发现英国移民系统秘密使用人工智能
一个组织发布了一份报告,详细介绍了人工智能在英国移民和边境管制系统中的整合。该组织感谢 Bell Ribeiro-Addy 议员的支持以及她在议会中提出这些担忧。该报告强调了庇护申请决策方面的问题,旨在解决内政部过去的失误。
-
GDELT GKG重构工具显示与原生记录的协议度不一
研究人员开发了一个开源重构工具gdelt-regkg,用于生成与GDELT项目全球知识图谱(GKG)兼容的记录。对超过193,000篇英文文章的重构记录与GDELT原生记录进行字段级分析,发现协议度不一。虽然GCAM类别存在等字段的协议度很高(微F1 0.84),但引语和完整计数等字段的协议度非常低(0.07)。研究表明,重构记录应单独评估,不应被视为与GDELT原生记录完全可互换。
-
新框架统一多模态区域理解与定位
研究人员推出 Generalized CycleGRPO,一个新颖的强化学习框架,旨在统一多模态AI中的区域理解与定位。该方法利用图像和视频之间的自验证循环一致性,在不依赖外部裁判的情况下提高定位和时间区分度。该框架在 GroundingSuite 和 GRES 等基准测试中表现出显著的改进,并引入了一个名为 DOVE 的新对比基准来评估时间区分度。
-
英国庇护系统AI工具错误率高,缺乏透明度
对英国庇护系统的一项调查揭示了有关使用AI工具的重大担忧。这些工具被用于总结申请人访谈和案件信息,但已显示出很高的错误率,一些摘要被发现不适合其用途的比例高于此前披露的水平。此外,据报道,在案件处理中使用AI时并未告知庇护申请人,这引发了透明度和潜在的法律问题。尽管存在这些准确性和透明度方面的担忧,但这些AI工具在未经充分测试、质量保证或培训的情况下已被广泛部署给英国所有庇护决策者。
-
AI工具侵蚀隐晦安全,迫使采取更强有力的防御措施
由于AI的进步,隐晦安全的概念正在变得无效。这些工具可以更容易地识别隐藏的漏洞并绕过现有的保护措施,促使组织采取比单纯保密更强大的安全措施。
-
主动式人工智能系统在无人为指令的情况下自动执行任务
组织越来越多地采用主动式人工智能系统,这些系统旨在自主预测和执行任务,从而减少手动工作量并自动化常规流程。
-
英国 Menteri Dalam Negeri 在庇护案件中使用人工智能被认为可能非法
一家组织的法律评估表明,英国内政部使用人工智能总结庇护申请者面试和文件的做法可能属于非法。该意见强调,对这些人工智能工具缺乏透明度的担忧可能导致不公平或错误的决定,因为人工智能会出现幻觉和信息处理错误。
-
Agentic AI 带来风险,要求安全重构
Agentic人工智能带来了重大的风险,要求组织重新评估安全措施。这些系统的不可预测性需要安全框架采取新的方法来应对潜在威胁。
-
AI集成促使重新评估技术工作流程中的人类角色
随着人工智能日益深入地嵌入专业工作流程,开发人员和组织面临着区分需要人类创造力和判断力的任务的挑战。这种集成促使人们重新评估随着AI系统日益自动化或处理常规职责,技术角色将如何转变。
-
CycleGRPO框架统一了MLLMs的区域理解与定位
研究人员推出CycleGRPO,一个新颖的强化学习框架,旨在统一多模态大语言模型(MLLMs)的区域理解与定位。该框架在一个自我评估范式下运行,其中MLLM既充当生成区域标题的Actor,又充当将这些标题重新映射回空间域的Critic。CycleGRPO仅使用区域输入和质量感知的循环一致性奖励,绕过了对文本真实值(ground truth)的需求,并在各种基准测试中展示了性能提升,且无需针对特定任务进行微调。
-
组织采用人工智能提高运营效率,优先考虑实际应用
组织越来越多地采用人工智能系统来提高其运营效率。这一趋势强调实际应用而非实验性用途,旨在简化各种业务职能。
-
英国庇护申请使用AI可能违法,批评者称 · 2个来源已追踪
近期一项法律意见表明,英国移民局在庇护申请决策中使用AI可能违法。寻求庇护者在申请中使用AI时未被告知,这使得他们无法质疑或纠正潜在的错误。Open Rights Group认为,此举旨在节省时间和金钱,但由于更多决定被推入上诉,可能会增加成本,导致士气和质量下降。
-
人工智能代理部署缺乏治理,环境成本上升
组织在缺乏充分治理、监督或信任框架的情况下部署具有广泛权限的人工智能代理,引发了对安全和自主性的担忧。与此同时,人工智能驱动的全球数据中心扩张正在引起严重的环境警报,促使人工智能公司提高能源和水消耗的透明度。
-
英国庇护系统中的AI将在议会讨论
一个组织将在英国议会展示其在庇护系统中使用AI的工作。此次会议定于6月17日举行,届时Sarah Alsherif以及法律和人权专家将讨论内政部在庇护决策中应用AI的合法性及风险。
-
新的SAMTok方法使LLM能够处理像素级图像掩码
研究人员开发了SAMTok,一种将像素级理解集成到多模态大语言模型(MLLM)中的新颖方法。该技术将任何区域掩码转换为两个离散的token,使QwenVL等标准MLLM无需架构更改即可处理和生成掩码。SAMTok在大型掩码数据集上进行了训练,使模型在各种基于区域的任务中取得了最先进的成果,包括字幕生成、视觉问答和指代分割。
-
研究发现:AI安全信心与实际漏洞发生率不匹配
一项新研究表明,对其AI安全措施信心更高的组织,其发生漏洞的概率与信心较低的组织相似,甚至更高。这表明公司对其AI系统的安全认知与其遭受漏洞攻击的实际脆弱性之间可能存在差距。
-
开发者在部署压力下发布存在已知漏洞的AI代码
一项最新调查显示,绝大多数组织都意识到其AI生成代码中存在的安全漏洞,但由于压力而继续部署。这种做法导致了广泛的泄露,五分之四的公司报告了源于易受攻击的AI辅助应用程序的安全事件。这些发现突显了AI采用的快速步伐与软件开发中健全安全措施的必要性之间存在的关键紧张关系。