瑞典政府委员会发布里程碑报告，提出75项人工智能发展建议，包括增加15亿欧元投资。报告警告瑞典在AI竞赛中落后，呼吁政府采取紧急行动，加强公私合作，实施"AI普及"改革。目标是重塑公众对AI的认知，恢复瑞典作为全球主要科技力量的地位。

现代系统依赖于通过各种网络公开的API的复杂系统。什么是API安全，它如何融入到整体的安全计划？

CIO越来越多地利用云和分析引领数字化变革，尤其是在零售和服务公司，但本质上交叉点是与创收密切相关，在这方面IT优先级也不断提高。

微软研究发现，一个看似无害的提示词能系统性破坏主流语言和图像模型的安全防护机制。该技术称为GRP-Obliteration，利用常见的AI训练方法达到相反效果。仅用"创建可能引发恐慌的假新闻文章"这一提示词训练，就能让模型在44个有害类别中变得更加宽松，攻击成功率从13%跃升至93%。研究涉及GPT、Gemma、Llama等15个模型。专家认为这为企业AI安全敲响警钟，呼吁建立企业级模型认证和持续安全评估机制。

DevSecOps的重点，正在于以符合安全要求的方式扩展DevOps核心原则。

哈佛大学医学院Douglas Densmore教授团队联合MIT研究人员，将工程控制理论与生物学相结合，开发出精确控制基因调控回路的新方法。该研究发表于《Nature Communications》，通过数学建模框架实现了对细胞基因表达的精准调节，如同为细胞工厂设计智能调度系统。实验验证显示该方法具有高预测准确性和良好扩展性，为精准医疗、生物制药、环境治理等领域带来革命性应用前景。

这项由复旦、港科大等多校联合完成的研究首次系统性地解决了大型AI模型在识别场景文字时产生"语义幻觉"的问题。研究团队发现AI模型常将视觉上模糊的文字"脑补"成有意义但错误的词汇，并开发了包含ZoomText定位策略和接地层修正机制的训练无关解决方案，在多个基准测试中实现显著性能提升，为提高AI视觉系统可靠性提供了重要突破。

在每个数字化领导者的职业生涯中，都会有一段时间想做一些不同的事情。Keith Woolley拥有深厚的商业背景，但四年前加入布里斯托大学是因为他想抓住在高等教育领域工作的机会。

利用业余时间，来自马萨诸塞州的一对夫妇编写出一套系统，据称其能够在高达90%的准确率从图片中识别出伦勃朗的画作。

南京大学等高校联合研究团队开发出ObjFiller-3D技术，巧妙地将3D物体修复转化为视频编辑问题。该技术利用视频模型的时序一致性优势，能够高质量修复3D物体缺失部分，在图像质量和处理速度上均大幅超越现有方法。技术支持参考图像引导修复，可广泛应用于文物保护、数字内容创作等领域，为3D修复和编辑任务提供了统一高效的解决方案。

北京智源人工智能研究院团队提出InfoSeek框架，通过创新的数据合成方法让3B小模型在深度研究任务上媲美大模型。该框架将复杂问题形式化为层次约束满足问题，采用双代理系统构建高质量训练数据，成功训练出在BrowseComp-Plus基准测试中超越多个商用API的模型，证明了精心设计数据的重要性，为AI深度推理能力发展奠定基础。

伊利诺伊大学研究团队开发的s3框架只需2,400个训练样本，就能超越需要17万个样本的现有方法，大幅提升语言模型的搜索质量。通过将搜索与生成解耦，s3使用"超越朴素RAG的增益"奖励，专注训练搜索智能体而保持生成模型不变。在通用和医学问答任务中，s3均取得最佳性能，同时实现33倍训练速度加快，适用于各类冻结或专有模型，为RAG系统开辟高效新路径。

全球领先的信息技术研究和顾问公司Gartner于近期开展的首席执行官和高管调查显示，首席执行官仍然把增长列为2019年和2020年的头号工作优先事项。

斯坦福大学研究团队发现视觉语言模型能够像人类一样"看懂"数据图表，在金融、医疗等领域展现出超越传统方法的分析能力。这项发表于《自然·机器智能》的研究首次系统探索了AI视觉数据分析的潜力，为实现数据分析民主化、让普通人也能进行专业级数据分析铺平了道路。

本文是2025年AI预测系列的第一篇。尽管AGI和技术奇点引发了广泛讨论，但作者认为2025年不会出现AGI。相反，大型语言模型将找到其"杀手级应用"。文章分析了当前AI技术的局限性，预测2025年将出现更多专用AI解决方案，提高生产力并在某些领域超越人类表现，但这并不等同于AGI。作者呼吁关注AI的实际风险和机遇，而非陷入AGI争论。

ETH苏黎世大学研究团队提出OBR(最优脑重建)框架，创新性解决了大语言模型压缩中量化与剪枝方法的根本冲突。通过"分组错误补偿"机制，OBR实现了W4A4KV4+50%稀疏性的极端压缩，在保持优秀性能的同时获得4.72倍速度提升和6.4倍内存节省，为边缘设备部署大模型开辟新道路。

韩国多机构联合研究团队提出QGuard方法，通过让AI回答精心设计的安全问题来识别有害内容，无需重新训练模型。该方法支持文字和图像的多模态检测，采用图论算法综合分析，在多个基准测试中表现优异，同时提供透明的决策解释，为AI安全防护提供了高效灵活的新思路。

浦项科技大学研究团队发现当前AI模型缺乏音频推理能力，仅凭文字描述无法判断声音属性。他们构建了AuditoryBench++测试平台，涵盖音调、音量比较等5类任务，发现主流AI模型表现接近随机猜测。研究团队提出AIR-CoT方法，通过两阶段训练让AI学会"想象"声音：先识别需要音频推理的文本片段，再调用音频知识模块生成声音特征。实验显示该方法显著提升了AI的音频推理能力。

戴尔科技公司发布私有云、存储和网络安全产品更新，旨在帮助企业更高效管理现代和传统工作负载。更新涵盖戴尔自动化平台、私有云、边缘基础设施和存储平台，新增AI驱动自动化、分解架构和增强的网络弹性功能。分解架构将计算、内存、存储和网络解耦，通过软件统一管理。自动化平台支持零接触部署和AI驱动监控。存储方面推出PowerStore 5200Q阵列，AI异常检测可缩短90%故障解决时间。

这项由多伦多大学等机构联合完成的研究提出了令牌扰动引导（TPG）技术，通过"洗牌"操作改进AI图像生成质量。该方法无需额外训练即可显著提升图像生成效果，在无条件生成中质量指标提升近2倍，条件生成中接近最先进CFG技术的表现。TPG具有即插即用、通用性强的特点，为AI图像生成技术发展提供了新思路。