清华大学和香港科技大学的研究提出了一种新的加速器设计，解决多模态Transformer模型在硬件执行时的稀疏性问题。通过优化调度器、令牌修剪器和自适应网络，提高了计算效率，减少了延迟。多模态模型在视觉问答和图像描述等领域有广泛应用，未来将进一步推动AI发展。

本文介绍了多种高维数据可视化技术，如LargeVis、TMAP、ShapeVis、PaCMAP和GTSNE，强调了保留局部和全局结构的重要性。这些方法在效率和效果上优于传统技术，适用于化学和生物等领域的数据分析。

2023年龙蜥操作系统大会的圆桌讨论中，英特尔、AMD、Arm、海光和龙蜥社区的专家分享了机密计算领域的技术方向和发展路线，强调了开源的重要性。他们讨论了机密计算面临的挑战，认为未来在于开源、信任和用户教育。

随着政策鼓励与技术成熟，开源作为一种新型的生产方式、创新的协作方式，正逐渐渗入到千行百业，并在国家战略层面的得到了肯定和支持

据统计，90% 以上的应用都在使用第三方软件库，这些软件大部分都是开源的。与此同时，有超过一半的全球 500 强公司都在使用存在漏洞的开源软件。 本文主要介绍基于硬件 TEE 的 Java 机密计算安全防护方案。

据统计，90% 以上的应用都在使用第三方软件库，这些软件大部分都是开源的。与此同时，有超过一半的全球 500 强公司都在使用存在漏洞的开源软件。

机密计算通过在基于硬件的可信执行环境中执行计算的方式来保护使用中的数据。 Intel目前提供了以SGX SDK/PSW/DCAP, TDX DCAP软件包为代表的TEE基础架构支撑，和基于LibOS的运行时支持Gramine。