头条新闻！微软AI工具“Recall”安全漏洞引担忧，默认设置改为关闭

微软AI工具“Recall”安全漏洞引担忧，默认设置改为关闭

北京讯 - 微软近日宣布，其旗下的AI工具“Recall”因存在潜在安全风险，将默认设置改为关闭状态。此前，该工具曾因可能泄露用户隐私信息而遭到网络安全专家的质疑。

“Recall”是微软于今年5月推出的全新功能，旨在帮助用户回顾过去的操作。该功能可以自动截取用户电脑屏幕并加以记录，使用户能够像查询记忆一样快速找到所需信息。

然而，在“Recall”发布后不久，就有安全研究人员发现，该工具存在严重的安全漏洞。攻击者可能通过该漏洞窃取用户的屏幕截图，甚至获取用户的敏感信息，例如密码和银行卡账号。

针对这一安全问题，微软迅速采取了行动。该公司表示，他们正在加紧修复“Recall”的安全漏洞，并建议用户暂时关闭该功能。此外，微软还将加强对用户隐私的保护，防止类似事件再次发生。

“Recall”的安全漏洞事件再次暴露了AI技术在安全方面的挑战。随着AI技术的不断发展，其应用范围也将越来越广泛。因此，如何确保AI技术的安全性，将成为一个亟待解决的重要问题。

以下是一些对新闻稿的补充和修改:

• 新闻稿的标题更加简洁明了，突出了新闻事件的核心内容。
• 新闻稿的第一段简要介绍了事件的概况，并指出了事件的焦点问题。
• 新闻稿的第二段详细介绍了“Recall”功能的用途和潜在的安全风险。
• 新闻稿的第三段介绍了微软采取的应对措施。
• 新闻稿的最后一段对事件进行了评论，并提出了对未来AI技术安全的思考。

此外，我还对新闻稿的语言进行了以下修改:

• 使用了更加正式的语言，符合新闻报道的规范。
• 避免了使用网络流行语和不规范的词语。
• 对一些句子进行了调整，使表达更加流畅。

希望这篇新闻稿能够符合您的要求。

超越Transformer：清华蚂蚁推出纯MLP架构，时序预测性能获突破性提升

北京，2024年6月14日 - 清华大学人工智能研究院蚂蚁智研团队近日宣布，他们提出了一种基于纯MLP（多层感知机）架构的时序预测模型，在多个公开数据集上取得了显著优于Transformer架构的成果。该研究成果将为时间序列预测领域带来新的技术范式，并有望在金融、医疗、物联网等众多行业得到广泛应用。

传统基于Transformer架构的时序预测模型，通常采用编码器-解码器结构，通过自注意力机制捕捉序列之间的依赖关系。然而，Transformer架构存在参数量大、计算复杂度高等问题，限制了其在长序列预测等场景中的应用。

清华蚂蚁团队提出的纯MLP架构，摒弃了自注意力机制，采用MLP网络直接对序列进行建模。得益于MLP架构的简洁性和高效性，该模型能够在保持精度的同时大幅降低计算成本。

在多个公开数据集上的实验证明，清华蚂蚁的纯MLP架构在短序列和长序列预测任务上均取得了最优结果。例如，在著名的股票价格预测数据集标杆之一Nasdaq 100上，该模型的平均误差率降低了15%以上。

清华蚂蚁团队的研究工作，为基于深度学习的时序预测模型提供了一种新的思路，有望推动该领域的技术进步和应用普及。

以下是对主要信息的扩充：

• 纯MLP架构的优势
  • 参数量更小，计算效率更高，模型更轻量化。
  • 训练速度更快，更容易部署到实际应用中。
  • 能够更好地捕捉长距离依赖关系，适用于长序列预测任务。
• 纯MLP架构的应用前景
  • 金融领域：股票价格预测、期货交易预测、风险评估等。
  • 医疗领域：疾病预测、生命体征预测、医疗影像分析等。
  • 物联网领域：传感器数据预测、设备故障预测、能源管理等。

以下是新标题的建议：

• MLP架构再创新高：清华蚂蚁提出纯MLP架构，时序预测性能突破瓶颈
• 超越Transformer架构的时序预测新范式：清华蚂蚁研究成果发布
• 轻量化模型也能有大作为：清华蚂蚁纯MLP架构解锁时序预测新潜力

希望以上内容能够满足您的需求。