本文介绍COSMO框架如何利用大语言模型从用户行为数据中挖掘常识关系，构建知识图谱以提升商品推荐效果，实验表明该方法可使推荐准确率提升高达60%。
本文深入解析了蓝牙协议中一个严重的椭圆曲线加密漏洞，详细介绍了无效曲线点攻击原理，攻击者如何利用该漏洞获取密钥，以及开发者应如何避免此类安全问题。
MLCommons公布MLPerf Storage v2.0基准测试结果，展示存储系统在AI训练场景下的性能提升，新增检查点测试功能以应对大规模集群故障恢复挑战，涵盖26家机构的200多项性能数据。
本文提出AuthPrint技术，通过提取生成模型输出空间的秘密指纹来验证模型来源，有效对抗恶意提供者。该方法在GAN和扩散模型中实现接近零的误报率，并对抗输出篡改攻击。
本文研究了有限群上半直离散对数问题(SDLP)的经典计算难度，通过理论分析和SageMath实验验证，揭示了该问题的难度高度依赖底层代数结构平台，并提出了适用于SDL的改进Baby-Step Giant-Step算法。
某中心公布首款基于玻色量子误差校正的可扩展量子芯片Ocelot，该技术通过创新架构将资源需求降低90%，实现了比特翻转时间接近1秒的重大突破，为实用化量子计算机奠定基础。
本文提出ABack机制解决企业数据泄露风险，通过隐藏状态模型精确定位泄露意图来源并安全重写输出，同时构建医疗金融领域的PriGenQA基准数据集，实验表明ABack在对抗性攻击下将隐私效用分数提升15%。
本文提出DP-SPRT方法，通过差分隐私约束下的序列概率比检验优化假设测试，结合拉普拉斯与高斯噪声实现隐私保护，理论证明其接近最优样本复杂度并展示实际性能优势。
某中心研究人员提出通过识别用户重述失败请求的案例，自动为语音助手生成训练数据的方法，该论文荣获COLING 2020会议最佳论文奖，技术方案包含复述检测、摩擦检测和标签投影三大模块。
本文记录了150多位参与者参加的Empire Hacking以太坊专题活动，涵盖Solidity语言缺陷、数字资产安全、合约升级风险、企业级以太坊客户端开发等核心技术话题，包含8场技术演讲的精华总结。