至顶网CIO与应用频道 02月27日 北京消息:CA Technologies (NASDAQ: CA) 近日宣布其连续第三年被美国道德村协会(Ethisphere Institute)评选为“全球最具商业道德企业”之一。道德村协会是定义和推进商业道德实践标准的领导机构。
CA Technologies是软件和服务类别中仅有的3家获奖企业之一,获奖肯定了CA Technologies在坚守正直诚信和优先落实商业道德实践标准方面做出的努力。
CA Technologies首席执行官Mike Gregoire表示:“在今天瞬息万变的经济环境下,企业要想取得成功,光有商业头脑是远远不够的。企业经营方式、团队多元化和业务目标都直接影响企业盈利和持续成功。CA一直致力于让公司内外部所有业务都坚守最高的道德标准。连续三年获得道德村协会的认可是对我们的努力和付出的最佳肯定。CA开展的每项工作都秉承严格的道德原则,我们非常高兴努力能够得到认可。”
2018年是道德村协会第12年表彰那些履行社会义务以影响和推动积极变革的企业。这些企业还会考虑其行为对员工、投资者、客户和其他关键利益相关者的影响,并将诚信的价值观和文化作为其日常决策的基础。
道德村协会首席执行官Timothy Erblich表示:“全球舆论在2017年发生了巨大变化,衍生出一种更强有力的声音。遵照法律规定经营的跨国企业已成为了当今社会改善人类现状的最强力量。今年,我们看到企业越来越乐于表达自己的意见。全球最具商业道德企业都持续成为行业的典范。我恭喜CA Technologies的每一位员工,你们的企业被公认为全球最具道德的公司之一。”
道德与业绩
“2018年全球最具商业道德企业”再次证明,诚信经营能让企业的财政状况更上一层楼。研究发现,如果把已上市的全球最具商业道德企业的业绩指数与美国大型股指数(U.S. Large Cap Index)进行比较,过去五年前者的表现较后者高出10.72%,而过去三年则高出4.88%。道德村协会将此现象称为“道德溢价”(Ethics Premium)。
评估方法与分数评定
“全球最具商业道德企业”评选基于道德村协会的道德商数(Ethics Quotient®,EQ)框架。它通过客观、一致和标准化的方式,以量化的形式评估了公司的表现。所搜集的信息提供了对明确的核心竞争力标准的全面采样,而不是涉及企业治理、风险、可持续性、合规和道德的所有方面。
得分按照五大关键类别生成:道德和合规项目(35%)、企业公民和责任(20%)、道德文化(20%)、治理(15%)以及领导力、创新和声誉(10%)。所有参与评估流程的企业都将收到自身的得分,为其领导组织提供宝贵的见解。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。