NeurIPS 2024 (Oral)：如何量化与提升思维链的推理能力边界？
论文提出推理边界框架（RBF），通过定义推理边界（RB）及其组合定律，提供了一种量化CoT上限的新方法，并提出了三种类别的RB及优化策略。该研究在27个模型和5个任务上进行了广泛实验，验证了RBF的有效性，为理解与优化LLMs的推理能力提供了新见解。
此外，MIT的一项研究探讨了完全微调和低秩适配（LoRA）的差异。尽管两者在模型准确性上相似，但它们在谱结构、泛化行为和参数空间访问方面存在显著不同。完全微调保留了预训练模型的大部分谱结构，而LoRA引入了“入侵维度”，导致在多任务学习中的泛化能力较差。研究还提出了一些减少入侵维度影响的方法，以改善LoRA模型的表现。
Qwen for Tugraph:自然语言至图查询语言翻译大模型微调最佳实践
在图数据库的应用场景中，自然语言至图查询语言的高效转换一直是行业中的重要挑战。本次实践基于阿里云 Qwen 大模型，围绕 TuGraph 图数据库的需求，探索并验证了一套高效的大模型微调方案，显著提升了模型生成 Cypher 查询语句的能力。通过数据清洗、两阶段微调方法以及两模型推理框架等一系列创新策略，我们成功解决了图查询语言翻译任务中的核心问题。本文将从背景与目标、数据准备与清洗、微调框架设计、Prompt设计与优化、模型推理、最佳实践效果以及前景展望等六个部分出发，向读者逐步介绍我们的方案。
Qwen for Tugraph:自然语言至图查询语言翻译大模型微调最佳实践
在图数据库的应用场景中，自然语言至图查询语言的高效转换一直是行业中的重要挑战。本次实践基于阿里云 Qwen 大模型，围绕 TuGraph 图数据库的需求，探索并验证了一套高效的大模型微调方案，显著提升了模型生成 Cypher 查询语句的能力。通过数据清洗、两阶段微调方法以及两模型推理框架等一系列创新策略，我们成功解决了图查询语言翻译任务中的核心问题。本文将从背景与目标、数据准备与清洗、微调框架设计、Prompt设计与优化、模型推理、最佳实践效果以及前景展望等六个部分出发，向读者逐步介绍我们的方案。
物联网工厂可视化监控平台：为智能制造打造的可视化大屏
物联网（IoT）已成为数字化转型的核心力量，通过连接设备和传感器实现数据实时收集与分析。本文介绍物联网设备可视化监控平台，解决行业痛点如多系统统筹难、库存管理不精准、巡检工作繁杂等问题。应用场景包括数据分析与决策支持、园区监控、车间概览及设备管理，利用数字孪生技术实现全方位监控和智能决策，优化资源配置，提高运营效率。获取路径：素材广场【尊享版】。
DNS技术标准趋势和安全研究
本文探讨了互联网域名基础设施的结构性安全风险，由清华大学段教授团队多年研究总结。文章指出，DNS系统的安全性不仅受代码实现影响，更源于其设计、实现、运营及治理中的固有缺陷。主要风险包括协议设计缺陷（如明文传输）、生态演进隐患（如单点故障增加）和薄弱的信任关系（如威胁情报被操纵）。团队通过多项研究揭示了这些深层次问题，并呼吁构建更加可信的DNS基础设施，以保障全球互联网的安全稳定运行。
《知识表示：开启人工智能学习与推理的密钥》
知识表示是人工智能的核心问题，决定了知识如何被计算机理解和处理。它是AI学习与推理的基础，尤其在专家系统、智能搜索和机器人等领域至关重要。通过语义网络、框架表示和谓词逻辑等方法，知识可以结构化存储，支持高效处理。然而，知识的复杂性、更新和共享仍是挑战。未来，知识表示将随着AI技术进步不断创新，推动更多应用场景的发展。
开发一套智慧城管系统需要运用哪些技术？
智慧城管执法办案系统是当前最高效的行政执法形态，具备高度感知、互联互通、智能管理等特点。它通过大数据分析、人工智能、物联网、GIS、智能传感器和云计算等技术，实现城市管理的智能化和精细化，提升资源分配效率和问题响应速度。系统支持远程监测、自动识别和预测预警，确保城市设施的高效管理和维护，同时保障信息安全和用户体验。
阿里云先知安全沙龙(北京站) ——车联网安全渗透测试思路分享
本文介绍了智能汽车的整车架构、协议栈结构、攻击点分析、渗透思路及案例分享。整车架构涵盖应用层、协议层和物理层，详细解析各层次功能模块和通信机制。攻击点包括Wi-Fi、USB、NFC等，展示车辆通信接口和系统组件的安全风险。渗透思路从信息收集到系统内部探索，利用固件漏洞控制车辆功能。案例展示了网段隔离不足导致的SSH访问和OTA日志审计漏洞，揭示了潜在的安全威胁。