ServiceNow Inc. 今天推出了全新的基于人工智能的代理,作为其安全与风险产品套件的一部分,这也体现了加速自动化企业防御的更大努力。
这些新功能现已对 ServiceNow 客户开放,旨在帮助各组织摆脱单纯被动应对安全威胁的局面,通过自动化威胁响应、协调修复工作以及缩短全企业的响应时间,从而实现更主动的安全防护。
这些新推出的 AI 代理是在公司于拉斯维加斯举办的年度 Knowledge 2025 会议上宣布的,旨在帮助那些因日益增多的威胁、警报疲劳以及合规负担而苦不堪言的网络安全团队。这些代理借鉴了 ServiceNow 在大规模协调复杂工作流程方面的经验,能够启动动态操作手册、自动化应对漏洞并提供实时洞察,从而加速决策过程并降低组织风险。其理念是构建一个基础,使企业系统具备自我防御能力,能够自主管理风险与合规,同时保持适当的人为监管。
ServiceNow 安全与风险产品集团副总裁兼总经理 Lou Fiorello 解释道: “AI 正在重塑网络安全和风险管理的规则。首席信息安全官们正寻求利用 AI 提升生产力,加强防护和响应能力 — 以规模化方式放大影响力。这正是 ServiceNow 在单一平台上提供具备恰当人类监管的新型以安全成效为导向的 AI 代理的原因。”
除了推出专注于安全的 AI 代理之外,ServiceNow 还宣布将其在基于风险的漏洞管理方面的能力扩展到涵盖全方位曝光管理工作流程。
这些新工作流程增强了对补偿性控制措施的可视性,例如终端检测、响应工具与 Web 应用防火墙,从而为组织提供更全面的风险缓解方式。同时,ServiceNow 之前推出的威胁情报平台也通过增加安全案件管理功能得到加强,以便对新出现的威胁作出更前瞻、更精准的响应。
Partnerships
此外,ServiceNow 今天还宣布与 Cisco Systems Inc. 以及 Microsoft Corp. 扩大合作伙伴关系,目的是构建 AI 与 AI 之间的安全生态系统,实现对 AI 部署的统一可视化与管理。这些整合将 ServiceNow 的工作流程智能与 Microsoft 和 Cisco 的网络安全专业知识相结合,从而实现更快速的威胁检测、更广泛的背景识别及更有协调性的威胁响应。
除了提升网络安全外,ServiceNow 正通过为运营韧性和 AI 管理推出新工具来扩展其风险管理领域。
一项名为 AI Control Tower 的新服务为各组织提供了对其 AI 资产、生命周期流程与合规状态的集中视图,以确保整个企业内 AI 的伦理和透明使用。此外,公司还推出了一款全新的数字运营韧性管理解决方案,使企业能够有效应对中断、维持业务连续性并应对当今复杂数字环境中的新兴风险。
总体来看,这些更新体现了 ServiceNow 成为企业韧性统一平台的战略。借助其 AI 平台、工作流程数据结构和整合能力,ServiceNow 旨在打破部门间的壁垒,提供将人员、数据和流程连接在一起的单一行动系统。
这些公告发布的一天前,ServiceNow 刚刚推出了一款全新的客户关系管理平台及其他便于使用 AI 代理的新 AI 工具。全新的 CRM 产品集成了 Moveworks Inc. 的技术 — 该公司于三月份被 ServiceNow 以 28 亿美元收购。
好文章,需要你的鼓励
来自耶路撒冷希伯来大学的研究团队开发了WHISTRESS,一种创新的无需对齐的句子重音检测方法,能够识别说话者在语音中强调的关键词语。研究者基于Whisper模型增加了重音检测组件,并创建了TINYSTRESS-15K合成数据集用于训练。实验表明,WHISTRESS在多个基准测试中表现优异,甚至展示了强大的零样本泛化能力。这项技术使语音识别系统不仅能理解"说了什么",还能捕捉"如何说"的细微差别,为人机交互带来更自然的体验。
这项研究提出了"力量提示"方法,使视频生成模型能够响应物理力控制信号。研究团队来自布朗大学和谷歌DeepMind,他们通过设计两种力提示——局部点力和全局风力,让模型生成符合物理规律的视频。惊人的是,尽管仅使用约15,000个合成训练样本,模型展现出卓越的泛化能力,能够处理不同材质、几何形状和环境下的力学交互。研究还发现模型具有初步的质量理解能力,相同力量对不同质量物体产生不同影响。这一突破为交互式视频生成和直观世界模型提供了新方向。
北京交通大学与西蒙弗雷泽大学联合研发的混合神经-MPM方法实现了实时交互式流体模拟。该方法巧妙结合神经物理学与传统数值求解器,在低时空分辨率下运行神经网络并设置保障机制自动切换到MPM,显著降低计算延迟同时保持高保真度。团队还设计了基于扩散模型的控制器,支持用户通过简单草图直观控制流体行为,为游戏、VR和设计领域提供了实用解决方案。
这项研究介绍了EgoZero,一种创新的机器人学习系统,能够仅通过Project Aria智能眼镜捕获的人类示范数据,训练出零样本迁移的机器人操作策略。研究团队提出了一种形态无关的状态-动作表示方法,使用点集来统一人类和机器人数据,并开发了从原始视觉输入中提取准确3D表示的技术。在没有任何机器人训练数据的情况下,EgoZero在7种真实世界操作任务上实现了70%的成功率,展示了强大的泛化能力,为解决机器人学习中的数据瓶颈问题提供了新思路。