近日Facebook对外公布了一个名为Fabric Aggregator的分布式网络系统，该系统用于扩展其区域内数据中心结构之间的网络容量。

Check Point CloudGuard 现在提供市场上最广泛的工作负载安全保护，可通过单一界面跨任何云环境从开发到运行时为应用、功能及容器提供自动保护

美国劳动力市场在2022年继续重新校准。一项对2300多名高级管理人员的调查发现，65%的人希望在今年上半年增加新的长期职位。传统的招聘做法不是满足劳动力需求的可行手段。公司必须使其方法现代化以保持竞争力。这意味着拥抱基于技能的招聘。

对于保险公司来说，更“巧干”的工作方式是通过使用更多的数据、分析和机器学习来减少人工工作，实现降本增效。

东京理科大学电机工程系团队开发了一种创新的双重可扩展退火处理系统，该系统能提升全耦合伊辛机在求解调班、交通调度和药物研发等复杂问题时的容量与精度，标志着在构建高效求解器方面迈出重要一步。

Facebook的研究人员就是这样做的，他们周一发表了有关用机器学习调整运行在社交网络服务器基础设施上的服务器设置的文章。

英特尔和谷歌云宣布在多个服务区域全面推出基于第4代英特尔至强处理器的新型机密计算实例。

Panmnesia 开发的 GPU 内存扩展方案荣获 CES 创新奖。该技术通过 CXL 技术将外部内存快速接入 GPU 统一虚拟内存空间，有效解决大规模 AI 训练中 GPU 内存不足的问题，显著降低 AI 基础设施成本。该方案比传统方法延迟更低，引起了 AI 数据中心行业的广泛关注。

为了使该模型能在手机、平板、笔记本等移动设备上部署使用，Meta使用了带有LoRA适配器的量化感知训练和SpinQuant进行了大幅度性能优化，平均减少了41%的内存使用、减少56%的模型规模，但推理效率却提升了2—4倍。

业务成功的关键驱动力在于企业开发和交付软件的速度。团队任务是不断寻找尽可能高效的工作新方法，通常会借助开源库和组件来加快交付速度。事实上，有研究表明市场上多达97%的应用程序都使用开源软件。

这项研究提出了一种可微分求解器搜索方法，通过优化时间步长和求解器系数，显著加速扩散模型的采样过程。在仅使用10步采样的情况下，该方法使修正流模型和DDPM模型在ImageNet数据集上的FID得分分别达到2.40和2.33，大幅超越传统求解器。研究发现在配备优化求解器后，DDPM模型性能可与修正流模型相媲美，打破了以往认知。该方法无需重新训练模型，可广泛应用于各种预训练扩散模型。

11月8日，MIUI11稳定版开启第二批机型的升级推送。截至目前，包括此前发布的小米9、小米9 Pro 5G、Redmi Note 7等机型在内的15款机型都可以升级到最新MIUI11操作系统。

Docker 推出基于容器化的 MCP 目录、工具包以及模型运行器，实现了 AI 组件部署、安全管理和标准化集成开发，兼顾传统应用和 AI 系统需求。

上海AI实验室团队提出BoostStep方法，通过步骤级情境学习显著提升大语言模型数学推理能力。该方法在AI解题过程中实时提供精准指导，而非传统的完整例题参考，在GPT-4o上实现4.6%性能提升，超越传统方法的1.2%。研究发现99.2%的数学错误源于单步推理失误，验证了细粒度指导的重要性。

根据Gartner预测，到2022年将有75％的数据库被部署到或者迁移到云平台，只有5％的数据库在内部部署的环境中，而这一趋势主要归结于用于分析的数据库以及SaaS模式。

2022年度风险评估系统平台奖

特斯拉和英伟达在AI系统训练方面采取了不同策略。英伟达推出Cosmos平台,利用合成数据加速物理AI系统开发。而特斯拉则坚持使用真实世界数据,认为合成数据无法完全模拟复杂的现实场景。两种方法各有优劣,未来可能需要平衡使用以创造真正的商业价值。

正所谓DevOps微服务一相逢，便胜过单体无数。

香港科技大学研究团队开发了Rep-MTL方法，解决AI多任务学习中的相互干扰问题。该方法通过优化AI内部表征空间，既保护各任务独特性又促进跨任务协作，在多个数据集上实现显著性能提升，为培养"全能型"AI系统提供了新思路。

来自OpenAI、谷歌DeepMind、Anthropic等公司的AI研究人员发表联合立场文件，呼吁深入研究监控AI推理模型"思维链"的技术。思维链是AI模型解决问题的外化过程，类似人类使用草稿纸解题。研究人员认为思维链监控可能是控制AI智能体的核心方法，但这种透明度可能是脆弱的，需要更多研究来保持其可监控性。