• [问题求助] 升腾910b监控
    npu-exporter监控为什么驱动版本25.2.1的可以获取`container_name`、`namespace`、`pod_name` 的值 npu驱动版本25.5.1就无法获取,驱动与固件配套关系正常 如何解决
  • [行业动态] 温州市数据局(市人工智能局)关于邀请研发团队开展“人工智能+”场景研发的公告
     温州市数据局(市人工智能局)关于邀请研发团队开展“人工智能+”场景研发的公告 各有关高校、科研院所、人工智能企业及研发团队:为深入贯彻国家“人工智能+”行动部署,加快推进人工智能与实体经济深度融合,打造人工智能创新发展先行市,我局依托“AI行业翻译官”机制,深入全市重点行业企业开展需求摸排,累计形成三批“人工智能+”场景需求榜单,共269项。现面向社会公开发布,诚邀广大研发团队来温开展场景研发与落地转化。现将有关事项公告如下:一、需求概况本次发布的场景需求共269项,覆盖汽车零部件、电气、泵阀、智能装备、鞋服、生命健康、数字经济、社会治理、新材料、新能源、机械制造、教玩具等多个行业领域。场景需求均来源于企业真实生产经营场景,每项均列明业务痛点、技术诉求,可直接用于研发立项与方案设计。(具体场景清单见以下链接:https://www.kdocs.cn/l/cmrXWoFs5Rjq)二、邀请对象(一)在人工智能、机器视觉、工业软件、智能装备等领域具备研发与工程化落地能力的高等院校、科研院所及创新团队;(二)从事机器视觉质检、预测性维护、智能排产、行业大模型、文档智能、生成式设计等方向技术研发的科技企业与创业团队;(三)有意向来温开展场景研发、成果转化或设立研发机构的各类创新主体。三、报名与联系方式有意向的团队可结合自身技术方向,对应榜单中的相关场景需求,向我局提交团队简介、近年相关落地案例、拟对接的场景方向及初步技术思路,由我局统一登记并转交需求企业。联系人及联系方式:温州市数据局(市人工智能局),0577-88961376。温州市图灵人工智能高等研究院,19706095685,WZTLAI@163.com。温州市数据局(市人工智能局)2026年10月23日 
  • [热门活动] 2026华为开发者大赛·小红书Skill创新赛——果办OfficeAce参赛操作指导
    2026华为开发者大赛·小红书Skill创新赛【果办OfficeAce】 只需三步,果办OfficeAce即可帮你轻松完成 Skill 作品的创作以及提交。了解什么是果办OfficeAce?果办OfficeAce 内置了技能开发能力,你可以通过自然语言的方式与智能体对话,轻松创建属于你的 Skill 作品,并通过对话的方式实现作品提交,只需三步即可完成。 1、轻松准备:果办OfficeAce支持Windows、macOS、鸿蒙电脑客户端,下载安装并登录后订阅个人体验版,可免费使用。官网获取下载包:link图1 2、开始创作:在使用果办OfficeAce过程中,可通过2种方式快速创建skill:方式一:直接创建 Skill:打开果办OfficeAce,在对话框中输入你的创意和要求,即可实现 Skill 创作。生成完成后,可在果办OfficeAce的技能列表-我的技能中查看新创建的 Skill。提示词示例:帮我创建一个 Skill,我输入一款产品名和卖点,自动生成小红书风格的种草笔记,包括场景化开头、真实体验感正文、痛点共鸣点和带 emoji 的话题标签。图2图3图4方式二:从任务中沉淀 Skill:先让果办OfficeAce帮你完成一件事,比如直接对它说“帮我给这款冷萃咖啡液写一篇小红书种草笔记,目标人群是每天靠咖啡续命但没空排队买咖啡的打工人,突出 3 秒速溶和 0 糖 0 脂两个卖点,风格要真实体验感、不要硬广。”图5图6之后可以多轮调整结果,确认完成后,对果办OfficeAce说“把上面的经验沉淀为skill,便于后续复用。”果办OfficeAce就会把刚才的种草文案写法(目标人群定位、卖点提炼、场景化开头、真实体验感表达、话题标签组织等)提炼成一个可复用的种草笔记Skill,以后只需输入产品名和卖点,就能直接生成同款质量的小红书种草笔记。图7图8· 亮点功能(推荐使用):开启“技能自演进”,让 Skill 越用越好:Skill 在执行任务遇到报错或被你纠正时,果办OfficeAce会自动从中提炼经验并更新技能,持续提升执行准确率和任务完成质量,工作流程分为三步:触发:Skill 执行任务时遇到报错,或你对输出进行纠正;提炼:OfficeAce 从错误或纠正中提取关键经验(如指令措辞修正、参数取值调整、操作流程优化等),生成技能更新内容;生效:按你配置的自演进策略,更新内容自动生效,或经你确认后再生效。自演进策略可按需配置:“自动生效”(演进内容直接生效,适合成熟技能无感优化)、“询问”(生成建议供你确认后再生效,适合关键技能人工把关)、“关闭”(该技能不演进),单个技能的策略优先级高于全局策略。你还可以在技能详情页查看版本历史,随时回滚或合并历史版本,用得越多,Skill 越懂你。图9 3、提交作品:当作品完成开发,你可以直接在对话窗口中对果办OfficeAce说:“我正在参加小红书Skill创新赛,帮我把这个Skill发布到华为云Skill市场和小红书Skill市场。”· 果办OfficeAce会帮你把已创建好的Skill直接上传到“华为云 Skill 市场”,过程中会有一些询问信息,按照实际确认即可。上传成功后,果办将返回该 Skill 在华为云 Skill 市场的相关信息及链接。图10图11· 点击果办OfficeAce提供的小红书 Skill Hub 链接,进入该页面上传已打包好的Skill压缩包,按页面提示填写作品信息并提交,即可完成。图12   相关链接:2026华为开发者大赛·小红书Skill创新赛 专题页面
  • [问题求助] Mamba(选择性状态空间模型)为什么能做到序列长度的线性复杂度,同时保留长程建模能力?它和 Transformer、RNN 各是什么关系?
    Mamba(选择性状态空间模型)为什么能做到序列长度的线性复杂度,同时保留长程建模能力?它和 Transformer、RNN 各是什么关系?
  • 果办OfficeAce——CEIC2026消费电子创新大会/1024程序员节·果办OfficeAce CodeLabs
     CEIC2026消费电子创新大会/1024程序员节·果办OfficeAce CodeLabs华为云果办OfficeAce办公智能体场景实战:从想法到交付,AI搭档现场上岗   一、实操案例介绍1.1 实操内容概述果办OfficeAce是华为云办公场景专属桌面AI助手,面向业务人员提供专家中心、灵魂与技能定制、多专家 @协作和 PPT 引导生成四大核心能力。本案例将指导开发者完成"新品上市作战室"完整场景实操,深度体验 AI 专家团队从深度调研到思辨验证到专业交付的完整工作流。面向角色:业务人员 / 产品经理 / 市场运营难度:零门槛实操预计用时:60-90 分钟1.2 果办OfficeAce 核心能力概览果办OfficeAce 是华为云推出的办公场景专属桌面 AI 助手,不同于传统对话式 AI,它能直接操控软件、处理文件、执行流程,是坐在你桌面上的数字办公专家。基于华为云智果 AgentArts 智能体平台底座,具备企业级安全合规保障。能力名称说明能力 1🎯 专家中心开箱即用的智能体团队,预置洞察研究专家、产品研发专家、商务销售专家等多角色,无需配置即可发起任务。能力 2🧬 灵魂与技能定制为智能体定义人设(SOUL)、配置专业技能(SKILL),打造符合企业业务需求的专属专家团队。能力 3🤝 专家团会诊单独开启专家团会话,组长统筹拆解任务、多专家并行处理、交叉校验,模拟跨部门协作,降低单一视角偏差。能力 4📊 PPT 生成版式规划引擎确保文本、图表、布局全要素可编辑;对话式直接生成,支持对话式微调。二、前置准备条件说明Windows 10/11操作系统环境华为云账号用于登录使用直接下载使用下载即用安装步骤:下载 果办OfficeAce 客户端访问产品页点击"下载 Windows 客户端",获取安装包(如 OfficeClaw-0.2.0-windows-x64-setup.exe,版本号可能更新)安装并启动双击安装包 → 选择安装目录(建议默认路径)→ 点击"安装" → 等待完成 → 点击"完成"启动登录使用启动客户端 → 使用华为云账号登录(支持扫码或账号密码)→ 登录成功即可直接使用三、实战场景:新品上市作战室场景背景:你是一家科技公司的产品负责人,公司即将推出一款全新的智能办公产品。从零开始,你需要完成行业趋势研究、产品策略推演、上市方案制定,最终交付一份高质量的 PPT 汇报材料——全部在 OfficeAce 中完成。📊 行业洞察 → 🧠 策略推演 → 📑 方案制定 → 📊 PPT 交付通过这一完整场景,你将逐步掌握深度研究、专家团会诊、版式精调和全渠道远程协作四大实践能力,理解 AI 专家团队从"想法"到"交付"的完整闭环。3.1 体验点 1:Deep Research 深度研究与内容溯源⏱️预计用时:约 15 分钟向洞察研究专家发起"新品上市行业趋势"深度研究任务,果办OfficeAce 自研搜索引擎多维度检索、分阶段执行、交叉验证,产出有逻辑有实证的研究报告;每条结论可溯源至原始来源,理解"不是让一个模型编,而是让多源证据说话"的研究范式。操作步骤:打开 果办OfficeAce 主界面,选择"市场洞察分析师"在专家中心找到"市场洞察分析师"智能体,点击进入对话窗口。该专家预置了深度研究能力,可直接发起研究任务。发起深度研究任务在对话窗口输入:"请对'智能办公行业2026年发展趋势'进行深度研究,覆盖市场规模、竞品分析、用户需求变化、技术演进方向四个维度"。提示:研究任务越具体,产出质量越高。可指定行业、时间范围、关注维度观察多阶段执行过程OfficeAce 将自动进行:① 关键词扩展与检索策略规划 → ② 多源并行检索(行业报告、新闻、论文、论坛)→ ③ 信息提取与交叉验证 → ④ 结构化报告生成。可在界面上实时查看各阶段进度查看研究报告与内容溯源研究完成后,查看结构化报告。点击任意结论,可查看该结论的原始来源链接——包括数据出处、报告来源、引用文献,验证"有实证、可溯源"。追问与迭代基于报告内容追问细节,如"竞品中谁在 AI PPT 方面布局最深?",专家将基于已有研究上下文给出有据可查的回答,并标注新引用来源。体验收获:理解 Deep Research 的"多源证据说话"范式,掌握如何向研究专家发起高质量研究任务,体验从"AI 编内容"到"AI 查证据"的范式转变。  3.2 体验点 2:专家团会诊——新品上市策略推演⏱️ 约 15 分钟在体验点 1 中,市场洞察分析师已完成行业趋势深度研究。现在进入专家广场,直接使用平台预置的"产品商业化团队",在独立的专家团会话中将研究结论作为背景输入,由团队中产品商业化负责人、市场机会分析师、商业模式策略师、定价与财务分析师等多位专家从各自专业视角进行策略推演,产出结构化的新品上市策略评估报告。操作步骤:进入专家广场,选择预置团队 - 打开 OfficeAce,进入专家广场页面,在"广场"标签页浏览预置团队卡片。 - 找到"产品商业化团队",点击团队卡片进入专家团对话窗口。💡 提示:"产品商业化团队"是 OfficeAce 出厂预置团队,由产品商业化负责人领衔,包含市场机会分析师、商业模式策略师、定价与财务分析师、上市与销售增长专家、商业交付与签约专家五位成员,专攻产品商业化全流程。无需创建,点击即用。 - 💡 也可以切换到"我的"标签页,点击"新建"→"新建专家团",自行选择专家成员组建团队,适用于预置团队不完全匹配业务场景的情况。发起策略推演任务 - 在专家团对话窗口输入以下内容(以下数据为示例,实际操作时请替换为体验点 1 研究报告中你得出的关键结论):"我们计划推出一款面向中小企业的智能办公助手。根据前期行业研究,智能办公市场2026年规模预计突破百亿,竞品定价区间在99-299元/月,用户最关注的核心能力是文档智能处理和多渠道协作。请专家团从产品定位、商业模式、定价策略、上市节奏等维度进行策略推演,给出可行性评估和风险提示。"💡 提示:将体验点 1 的研究关键结论带入专家团会话,作为策略推演的事实依据。也可将研究报告导出后拖入对话窗口,专家团自动读取。观察专家团协作过程 - 组长(产品商业化负责人)接收任务后,自动拆解并分派给对应专家:① 市场机会分析师评估市场机会与竞争格局 → ② 商业模式策略师设计商业模式与价值主张 → ③ 定价与财务分析师测算定价与单位经济 → ④ 上市与销售增长专家规划首批客户与渠道切入 → ⑤ 各专家在独立上下文中并行处理 → ⑥ 组长汇总多方意见,交叉校验,标注分歧与共识。 参与讨论,引导深入 - 在专家团产出过程中,可随时追问或补充信息。如"竞品定价区间在 99-299 元/月,我们的成本结构能否支撑?"组长将把追问转发给相关专家,专家基于新信息调整分析。查看策略评估报告 - 专家团完成分析后,组长自动输出结构化的策略评估报告,包含:各方共识结论、关键分歧点、风险提示与行动建议。报告可导出为文档,作为后续 PPT 汇报的内容素材。📖 知识点: OfficeAce 预置专家团开箱即用,无需配置即可发起多专家协作。组长智能体负责任务拆解与汇总校验,多位专家成员在各自独立上下文中并行处理专业子任务。这种"组长统筹+专家并行"的架构既保证了各专家的分析深度(独立上下文不受其他专家 token 占用影响),又通过组长的交叉校验降低了单一视角的偏差。✅ 体验收获: 掌握预置专家团的使用方法,体验"组长统筹+专家并行"的多智能体协作架构,理解如何将前期研究结论作为背景输入驱动专家团策略推演。   3.3 体验点 3:生成 PPT——从研究到交付,版式规划引擎与风格精调⏱️ 约 20 分钟将体验点 1 的行业研究结论与体验点 2 的策略推演结果整合,直接在专家团会话中让专家生成一份面向高管汇报的 PPT。生成的 PPT 文本、图表、布局全要素可编辑,支持对话式微调,理解从"内容拼凑"到"版式合规"的专业交付闭环。操作步骤:在专家团会话中发起 PPT 生成任务 - 继续在体验点 2 的专家团会话中,输入:"基于前面的行业研究结论和策略推演结果,生成一份面向高管汇报的新品上市 PPT,包含行业背景、产品定位、竞争分析、上市策略、风险与应对、总结展望六个章节"- 💡 提示:专家团已掌握本次会话中的研究背景与策略分析上下文,无需重复提供。也可将体验点 1 的研究报告导出后拖入对话窗口作为补充素材。查看生成的 PPT - 专家团根据策略分析结论自动生成 PPT:智能匹配内容与版式、自动排版文本与图表、确保全要素可编辑。生成完成后可直接预览。对话式微调 - 对生成的 PPT 通过对话进行微调,如“第14页优化文字显示效果”、"第3页增加一个竞品对比表格"、"把整体配色改为深蓝色系"、"第5页的风险分析再展开一些"。每次微调即时生效,无需重新生成。导出 PPT - 满意后导出 .pptx 文件,可直接在 PowerPoint 中打开编辑。 亮点:亮点说明📐 全要素可编辑生成的 PPT 中文本、图表、布局均为原生可编辑元素,非图片贴图🧩 智能版式匹配根据内容类型自动选择最佳版式:数据用图表、流程用图示、对比用表格💬 对话式迭代生成后可通过自然语言对话持续微调,无需重新生成✅ 体验收获: 掌握在对话中直接生成 PPT 的方法,体验从研究结论到策略分析到 PPT 交付的完整闭环,理解对话式微调的专业交付流程。   3.4 体验点 4:技能广场与全渠道远程协作⏱️预计用时:约 15 分钟用户从技能广场一键安装数据分析、文案撰写等新技能扩展专家能力;通过微信扫码直连 果办OfficeAce,在手机上远程操控电脑发文件、查数据、执行任务;同时绑定飞书/钉钉/小艺多渠道,出差途中也能随时指挥专家团队,理解"桌面专家 + 口袋遥控"的办公新范式。操作步骤:访问技能广场,安装新技能在 OfficeAce 左侧导航找到"技能广场",浏览可用技能列表(如:AI Excel 数据分析、文案撰写、法律文书、邮件管理等)。点击"安装"一键添加,安装后对应专家立即获得新能力。提示:技能安装后即时生效,无需重启。可随时卸载或更新。体验 AI Excel 数据分析(可选)安装"AI Excel"技能后,将一张多表联动的 Excel 文件拖入对话窗口,输入"生成月度利润透视表"。OfficeAce 自动识别表间关联、整合数据、生成透视表——以前 VLOOKUP 套来套去的操作现在一句话搞定。3、 微信扫码直连 OfficeAce在 OfficeAce 设置中找到"渠道绑定"→"微信",用手机微信扫描二维码完成绑定。绑定后,在手机微信中即可与 OfficeAce 对话,远程操控电脑:发文件、查数据、执行任务。4、 绑定飞书/钉钉/小艺多渠道在"渠道绑定"中继续绑定飞书、钉钉、小艺等渠道。绑定后,无论在哪个平台都能与同一组 OfficeAce 专家团队对话,上下文与记忆跨渠道同步。5、 远程指挥实战模拟出差场景:在手机微信中向 OfficeAce 发送"把刚才生成的 PPT 发到我邮箱""查一下今天有没有重要邮件需要回复"。体验在手机上远程操控桌面专家团队完成任务。  渠道接入方式:渠道接入方式能力💬 微信扫码一键直连远程操控电脑、发文件、查数据、执行任务🐦 飞书扫码一键直连消息聚合、任务分发、文件协作📌 钉钉账号授权绑定工作消息同步、日程管理、任务跟踪🎤 小艺语音助手接入语音指令操控、免手打交互 体验收获:理解"桌面专家 + 口袋遥控"的办公新范式,掌握技能广场扩展专家能力的方法,体验多渠道远程协作的便捷性。  四、实操收获收获说明📊 一份完整的研究报告有逻辑、有实证、可溯源的行业趋势研究报告,可直接用于决策参考🤝 一份策略评估报告专家团多视角推演后的新品上市策略分析,含共识、分歧、风险点与行动建议📑 一份专业级 PPT内容完整、排版专业、全要素可编辑的 .pptx 文件,可直接用于汇报🧠 OfficeAce 全流程操作技能掌握深度研究、专家团会诊、PPT 生成、技能安装、多渠道绑定的完整操作链路💡 AI 办公新范式认知理解"不是让 AI 编,而是让多源证据说话""桌面专家 + 口袋遥控"等新工作理念🚀 效率提升体感从行业研究到 PPT 交付全流程在 60-90 分钟内完成,传统方式需数天  五、果办OfficeAce 功能速查表功能模块核心能力本训练营对应体验专家中心开箱即用多角色智能体体验点 1、2Deep Research自研搜索引擎、多阶段执行、交叉验证、内容溯源体验点 1专家团会诊组长统筹+专家并行、交叉校验、降低单一视角偏差体验点 2持续记忆独立上下文管理、跨会话记忆留存体验点 2PPT 生成对话式直接生成、版式规划引擎、全要素可编辑体验点 3技能广场一键安装/卸载、持续扩展专家能力体验点 4多渠道接入微信/飞书扫码直连、钉钉/小艺绑定体验点 4AI Excel多表关联、自动透视、数据清洗体验点 4(可选)AI DocWord 文档一键生成、格式规范扩展能力安全合规工具调用安全护栏、数据脱敏加密、本地部署全程底层保障 从想法到交付,AI 搭档现场上岗通过"新品上市作战室"这一完整场景,你体验了 果办OfficeAce 中 AI 专家团队从深度调研到思辨验证到专业交付的完整工作流。不再是"一个人对着空白文档发呆",而是"指挥一支 AI 专家团队协同作战"——研究有证据、讨论有碰撞、交付有版式、协作无边界。 📊 深度研究 🤝 专家团会诊 📑 版式精调 📱 全渠道协作 🧠 持续记忆 1024程序员节·果办OfficeAce CodeLabs果办OfficeAce 产品页:cid:link_0智果 AgentArts 智能体平台 · 华为云办公场景专属桌面 AI 助手
  • [问题求助] LoRA 为什么用两个小矩阵的乘积 ΔW = BA(低秩)去微调大模型,就能逼近全参数微调的效果?这个“低秩”假设凭什么成立?秩 r 为什么能取得那么小?
    LoRA 为什么用两个小矩阵的乘积 ΔW = BA(低秩)去微调大模型,就能逼近全参数微调的效果?这个“低秩”假设凭什么成立?秩 r 为什么能取得那么小? 
  • [问题求助] 训练千亿/万亿参数模型为什么必须混合多种并行策略(DP/TP/PP/ZeRO/SP)?每种并行解决什么瓶颈、通信代价是什么?3D 并行如何组合?
    训练千亿/万亿参数模型为什么必须混合多种并行策略(DP/TP/PP/ZeRO/SP)?每种并行解决什么瓶颈、通信代价是什么?3D 并行如何组合?
  • [问题求助] 扩散模型为什么能从纯噪声“去噪”出逼真图像?DiT(Diffusion Transformer)相比传统 U-Net 改了什么,让 Sora 选择了它?扩散生成和 LLM 的自回归生成本质区别在哪?
    扩散模型为什么能从纯噪声“去噪”出逼真图像?DiT(Diffusion Transformer)相比传统 U-Net 改了什么,让 Sora 选择了它?扩散生成和 LLM 的自回归生成本质区别在哪?
  • [问题求助] 为什么 OpenAI o1 / DeepSeek-R1 把算力从“训练时”挪到“推理时”反而让推理能力大幅提升?Test-Time Compute 的 scaling law 是什么?它和训练 scaling law 是什么关系?
    为什么 OpenAI o1 / DeepSeek-R1 把算力从“训练时”挪到“推理时”反而让推理能力大幅提升?Test-Time Compute 的 scaling law 是什么?它和训练 scaling law 是什么关系?
  • [AI类] kimi模型部署
    kimi模型2.6部署时模型权重已加载完成、图编译也已完成,随后多个 Rank 同时报 aclnnMoeDistributeDispatchV4 561000,底层为 HcclAllocComResourceByTiling ret=4。显卡为910B如何解决
  • [技术干货] 从CASB到大模型交互管控:MASB技术架构、策略引擎与落地要点解析
    在企业把大模型接入办公、研发、客服、数据分析之后,传统DLP与云访问安全代理会出现一个明显盲区:风险不再只发生在“文件外发”或“访问SaaS”环节,而发生在“人—提示词—模型—返回内容”的全链路里。MASB(Model Access Security Broker,大模型访问安全代理)正是面向这一交互面产生的控制层,可理解为把CASB的“云应用访问管控”逻辑延伸到“模型交互数据安全控制”。下面从技术视角拆它的定位、架构、策略和工程落地,不涉厂商推荐。一、MASB要解决什么:大模型场景的新攻击面传统数据安全多围绕网络出口、终端、数据库、云应用做控制;大模型介入业务后,新增了几类问题:输入侧泄密:员工把客户名单、源代码、合同、设计文档直接贴进提示词,敏感数据进入模型上下文。提示词滥用与注入:通过提示词绕过系统约束、提取系统提示、诱导输出违规内容,或借助多轮对话逐步套取信息。输出侧合规:模型返回可能包含未脱敏个人信息、内部策略、受保护知识产权,甚至形成可执行的违规操作建议。影子AI:业务组自建Chatbot、接第三方大模型API、用浏览器插件,安全团队看不到入口、策略、日志。权限与意图错位:同一用户访问不同模型、不同业务域时,若只按账号授权,不考虑“这次提问的意图和数据等级”,容易出现越权调用。MASB的价值不是替代DLP,而是在模型交互链路中补一层“语义级+数据级”的代理与审计。二、参考架构:代理层、策略层、模型层三段分离一个可落地的MASB技术架构通常分为接入代理、策略引擎、模型适配与审计运营四部分。1)接入代理层位于用户/应用与模型服务之间,支持两种接入:无端模式:通过反向代理、浏览器网关、API网关拦截Web/API流量;有端模式:通过桌面客户端、移动安全容器、IDE插件、企业AI Portal统一收口。代理层负责TLS终止或旁路镜像、请求改写、身份注入、会话保持,并把原始提示词、附件、元数据送策略层。2)策略与识别层核心包括:数据识别:正则、字典、NLP实体识别、文件指纹、代码特征,识别PII、财务、源代码、图纸等;提示词风险:违规指令、越权请求、提示注入、 jailbreak模式、敏感业务意图;输出风险:未脱敏实体、涉密术语、违规建议、与合规基线偏离;策略模型:RBAC/ABAC结合“主体身份+模型/应用+数据等级+意图+环境风险”做动态判定。业内常把它概括为“主体身份+模型意图+数据敏感性”的动态鉴权,高风险提示可熔断、降权或转人工。3)模型适配层对接私有大模型、公有大模型API、Agent工具调用、向量库与知识库。职责不是训练模型,而是:统一模型路由,按数据等级选私域/公域/脱敏模型;对知识库检索结果做敏感过滤;对Agent的函数调用、SQL生成、脚本生成做白名单与参数校验;在推理前后插入脱敏/水印/审计标签。4)审计与运营层会话级留痕:用户、时间、模型、应用、终端、提示摘要、命中规则、脱敏动作、输出摘要、审批记录。日志送SIEM/数据安全管理平台,用于溯源、合规报告、影子AI盘点。三、关键能力矩阵这些能力可单独部署,但平台化价值在于“输入—推理前—输出—再调用工具”的串联策略。四、与CASB、DLP、MDM/MAM的边界vs CASB:CASB管用户到云应用的访问、策略、Shadow SaaS;MASB管用户/Agent到模型的提示与返回,增加语义意图、多模态、Token级策略。两者可共用身份、DLP字典和审计底座。vs 传统DLP:DLP擅长文件外发、邮件、终端通道;对“模型把合同要点重新生成并回显”这种语义重组泄密识别弱。MASB用NLP+实体+上下文补这个盲区,但底层指纹/标签可与DLP共享。vs MDM/MAM:若MASB用在移动端访问AI,仍需MDM做设备合规、MAM做应用容器;MASB不直接管设备,只管模型交互内容。移动场景可把设备风险分作为MASB的环境属性输入。vs 模型防火墙:MAF类更偏模型服务侧协议与攻击防护;MASB更偏访问侧代理、用户入口、企业策略与审计。生产环境常并列部署。五、部署模式与数据流常见三种:本地/私有化:前置到企业私有大模型前,处理内网办公、研发代码、知识库问答。数据不出域,策略可接内部分类分级标准。虚拟化/软硬一体:用于政务、运营商、金融内网,配合零信任网关,支持有端无端混合。云原生/SASE化:代理部署在云租户侧,管控访问公有大模型SaaS;适合远程办公、影子AI治理,但要把日志、密钥、脱敏规则放在企业可控平面。典型数据流:用户请求→Portal/网关认证→代理提取提示词与附件→策略层做身份、数据、意图、设备评分→高风险拦截/脱敏/人工→合规请求转发模型→输出回程再做实体识别与合规校验→留会话日志。整个过程应避免把原始敏感值写进审计库,审计可存摘要、命中规则和脱敏后样本。六、策略设计:从“拦文件”到“评意图”MASB策略不建议只写“禁止上传身份证号”,而要分层:身份层:岗位、项目、是否签NDA、是否外包;数据层:公开/内部/机密/个人敏感,代码/合同/病历/财报分别定级;意图层:写代码、总结会议、查客户、生成报表、调HR政策——不同意图绑定不同模型和工具;模型层:私域模型可处理内部知识,公域模型仅处理脱敏后文本;环境层:设备合规、网络位置、时间、是否批量高频;处置层:放行、脱敏重发、截断、降权、转人工、全量审计。例如研发场景:上传源码→识别为机密代码→私域模型可跑且禁止外带摘要;若走公域模型→自动剥离注释、变量名泛化、仅返回算法思路。金融客服场景:提示含客户身份证→输入脱敏、输出禁止原值回显、会话全量留痕。七、工程落地六步AI资产盘点:清员工常用大模型站点、API、内部Chatbot、浏览器插件、Agent工具,建立影子AI清单。数据分类分级对齐:复用已有数据安全分类分级词库,增加代码、提示词、知识库文档、多模态附件类型。小流量代理试点:先管Web Portal和核心业务AI应用,再扩IDE、IM机器人、移动端。策略灰度:先审计不拦截,统计误报;再对高强度泄密场景做硬拦截,普通场景做脱敏。与既有安全体系打通:SSO/IDP、DLP字典、零信任网关、SIEM、数据安全管理平台、工单系统。持续评测:用提示注入样本、业务敏感样本、多轮绕避样本做回归,避免“规则越加越多但语义识别不变”。八、评估技术指标(不按厂商打广告)做POC时可量化看这些:敏感识别准确率/召回率:PII、代码、合同、行业术语的F1;提示注入检出率:直接注入、间接注入、多轮诱导;误拦率:正常业务提示被错误拦截比例;延迟开销:代理增加的首字延迟、吞吐下降比例;多模态支持:文本、图片、PDF、表格、音频转写;模型中立性:能否接多种私域/公域模型,不绑定单一推理框架;审计完整性:会话、工具调用、知识库检索、输出改写是否可重放;策略可编程:RBAC/ABAC、API化、与分类分级平台同步。九、边界与风险MASB不是万能:若员工把数据截图、口头念给模型、用个人手机无代理访问,技术代理管不到,要靠制度+影子AI监测+培训;过度拦截会伤效率,提示词策略要做业务分级,而不是全量禁止;语义模型自身可能误判,关键场景保留人工审批与降级通道;公域模型即使走MASB,也要在合同/数据协议层面约定不留训、不用于改进模型,技术管控不能替代法律合规。总体看,MASB适合作为企业AI安全体系中的“访问侧控制面”:上接身份与零信任,下接模型与Agent,横向联动DLP、CASB、数据治理平台,把原来“文件级防泄漏”扩展到“对话级、意图级、生成级防泄漏”。对已经大规模用大模型做办公和研发的组织,它应从试点工具逐步演变为AI安全运营的核心代理层。
  • [问题求助] RoPE(旋转位置编码)为什么能让模型外推到训练时未见过的更长上下文?直接外推为什么会崩?NTK-aware、YaRN 这些扩展方法各自在改什么?
    RoPE(旋转位置编码)为什么能让模型外推到训练时未见过的更长上下文?直接外推为什么会崩?NTK-aware、YaRN 这些扩展方法各自在改什么?
  • [问题求助] 大模型分布式训练有哪些并行策略?DP、TP、PP、EP 如何组合?
    大模型分布式训练有哪些并行策略?DP、TP、PP、EP 如何组合?
  • [问题求助] 多模态大模型如何对齐文本与图像表征?CLIP、BLIP、LLaVA 的技术路线有何差异?
    多模态大模型如何对齐文本与图像表征?CLIP、BLIP、LLaVA 的技术路线有何差异?
  • [问题求助] MoE 架构的原理是什么?路由策略、负载均衡和训练稳定性如何保证?
    MoE 架构的原理是什么?路由策略、负载均衡和训练稳定性如何保证?
总条数:7896 到第 页
上滑加载中