Anaconda Inc. 是一家开源数据科学平台的开发商,宣布推出一款专为开源软件打造的统一人工智能开发平台。
Anaconda AI 平台提供专为开源开发设计的安全性和治理功能,并融合了公司预先审核的软件包和生产力工具,据称可将运营效率提高多达 80%。
该平台将可信分发、简化工作流程、实时洞察与治理控制整合于一体,供 Python 开发者使用。Anaconda 引用了其自身研究,发现约一半的数据科学从业者使用开源软件;Synopsys Inc. 估计 96% 的商业软件包含开源组件。
由于任何人都可以为项目做贡献,管理开源软件包需要考虑独特的安全和集成问题。Anaconda AI 平台提供的防护措施不仅能确保负责任的使用,还使企业开发者能够“一次构建,安全无忧地在各处大规模部署”。
跨平台兼容性
Anaconda 简化并自动化了使用开源软件的大部分繁琐工作,如验证软件供应链的有效性、检查漏洞以及确保软件包能在现有硬件上正常运行。
“所有这些问题虽然不那么引人注目,却是客户在使用开源软件时所面临的具体日常痛点,”Anaconda 联合创始人兼首席 AI 与创新官 Peter Wang 说,“我们为他们承担了这些负担,让他们获得可信赖的软件包来源和一个可以将开发环境与生产环境同步的平台。他们可以清楚地看到正在使用哪些开源模型,哪些已经加固、适当量化并具备合适的性能水平。”
Wang 表示,Anaconda 之所以选择构建面向 AI 开发的平台,是因为预见到大量普通开发者将使用大语言模型编写代码。“我们在过去几年中见证了开源攻击和安全漏洞的激增,”他说,“我们认为推出一个能应对 AI 漏洞并支持 Python 下一代 AI 应用场景的平台既重要又及时。”
该平台消除了针对特定环境的障碍,使团队能够在本地、云端及各类设备上创建和运行 AI 应用,而无需为每个目标重写代码。“我们的经验表明,数据科学家虽会使用云,但几乎没有人会只依赖云平台,”Wang 说道。
重新设计的界面(见图)使各种工具轻松可用。统一的命令行界面认证提供自动化的 Token 分发与配置,有效降低了管理开销。
开发者可以访问数百个经过 Anaconda 测试的兼容开源软件包。快速启动环境则提供了针对 Python、金融及 AI 开发的预配置、经过安全审核的工作空间。
AI 代码助手
对于那些对 Python 不是十分精通的开发者,Anaconda AI 助手(目前正处于私人测试阶段)实现了用户、团队和组织之间的可视化及协作自动化。企业单点登录功能可以与现有技术栈无缝集成。
集中式错误跟踪与日志记录让团队能够通过跨工作流程的实时监控更快地识别并解决问题,而治理功能则提供了支持遵从主要法规的审计跟踪。软件包审计功能能够追踪使用模式、识别漏洞并生成审计日志。
“开发者并不想学习全新的用户界面,”Wang 说,“他们只希望使用自己喜欢的笔记本和工具,同时接入同一基础设施。”他表示,Anaconda 致力于与 VS Code、Cursor 以及 Amazon Web Services Inc. 的 Bedrock 等流行工具和平台进行集成,同时支持本地和云端平台。
Anaconda 表示,其用户数量去年已增长至超过一百万,并且现已涵盖 94% 的财富 500 强公司。根据 Crunchbase 的数据,该公司已获得 8300 万美元的融资。
好文章,需要你的鼓励
麻省理工学院研究团队发现大语言模型"幻觉"现象的新根源:注意力机制存在固有缺陷。研究通过理论分析和实验证明,即使在理想条件下,注意力机制在处理多步推理任务时也会出现系统性错误。这一发现挑战了仅通过扩大模型规模就能解决所有问题的观点,为未来AI架构发展指明新方向,提醒用户在复杂推理任务中谨慎使用AI工具。
继苹果和其他厂商之后,Google正在加大力度推广其在智能手机上的人工智能功能。该公司试图通过展示AI在移动设备上的实用性和创新性来吸引消费者关注,希望说服用户相信手机AI功能的价值。Google面临的挑战是如何让消费者真正体验到AI带来的便利,并将这些技术优势转化为市场竞争力。
中科院自动化所等机构联合发布MM-RLHF研究,构建了史上最大的多模态AI对齐数据集,包含12万个精细人工标注样本。研究提出批评式奖励模型和动态奖励缩放算法,显著提升多模态AI的安全性和对话能力,为构建真正符合人类价值观的AI系统提供了突破性解决方案。