随着锂离子电池在无人机、电动汽车(EV)和太阳能储能等领域的应用日益增多，电池制造商也在利用现代技术和化学成分来推动电池测试和制造能力的极限。

如果说AI大模型是带动百行百业生产力提升的“新引擎”，算力基础设施则是这台引擎的“动力系统”——引擎越快，底座越要稳。

Stability AI推出SD3.5-Flash系统，将AI图像生成速度提升18倍，仅需4步即可完成高质量图片生成，并通过量化优化让普通手机也能运行。该技术通过"时间步共享"和"分时间步微调"等创新方法，成功解决了传统AI绘画速度慢、硬件要求高的问题，让AI图像生成技术实现真正的民主化普及。

游泳赛事中的数字孪生技术应用。

ByteDance智能创作实验室与清华大学联合发布HuMo系统，这是首个实现文字、图片、音频三模态协同控制的人物视频生成框架。该系统通过创新的渐进式训练方法和时间自适应引导策略，让用户仅需提供文字描述、参考照片和音频就能生成电影级说话视频，在多项评测中超越现有专业系统，为内容创作带来革命性突破。

自2020年以来成立的网络安全初创公司，他们至少都获得了400万美元的外部资金，并且凭借着新一轮融资、合作伙伴计划启动、关键产品增强或更新，从众多初创公司中脱颖而出，其中三家位于以色列，三家位于美国东北部，两家位于美国加州，两家位于德克萨斯州。

对很多企业来说，实施合作伙伴为CIO提供了在部署解决方案方面的广泛经验和专业知识，让CIO们可以把合作伙伴积累的经验用于他们的项目实施过程中，以避免常见的错误并且节省大量的时间和精力

这项来自新加坡国立大学等机构的研究引入了REASONMAP，一个用于评估多模态大语言模型细粒度视觉理解能力的基准测试。研究团队使用来自13个国家30个城市的高分辨率交通地图，构建了1,008个问答对，设计了两级评估框架测量答案的正确性和质量。对15个流行模型的评估揭示了一个意外发现：开源领域的基础模型表现优于推理型模型，而闭源模型则相反。研究还表明，当视觉输入被遮盖时，模型性能普遍下降，证明真正的细粒度视觉推理任务仍需要有效整合多模态信息。

BiomedSQL是由NIH和DataTecnica团队开发的首个生物医学文本转SQL基准，专门评估大型语言模型在生物医学知识库查询中的科学推理能力。这项创新研究构建了一个包含68,000个问题-SQL-答案三元组的数据集，基于整合了基因疾病关联、组学数据和药物记录的BigQuery知识库。与通用文本转SQL系统不同，BiomedSQL测试模型是否能理解隐含的科学约定（如基因组显著性阈值为p<5e-08）并执行多步推理。

剑桥大学研究团队创建了史上最难的AI视觉测试ZeroBench，包含100道精心设计的视觉推理题目。在这项测试中，包括GPT-4o、Claude、Gemini在内的20个全球最先进AI模型全部得了0分，暴露了当前AI在基础视觉理解上的严重缺陷。研究发现AI主要在计数、空间推理等基础任务上失败，而非逻辑推理能力不足。

北卡罗来纳大学教堂山分校等机构的研究团队开发出SKILLRL框架，让AI智能体首次具备了类似人类的经验学习能力。该系统能够从成功和失败的经验中提炼可复用技能，建立分层技能库，并在训练过程中实现自我进化。实验显示，SKILLRL在复杂任务中的成功率比传统方法提升超过15%，同时大幅减少了计算资源消耗，为构建更智能的AI系统开辟了新路径。

清华大学团队开发出革命性的张量积注意力技术，让AI系统学会"智能遗忘"，将传统AI的完整记忆模式转变为类似人脑的选择性记忆。该技术通过巧妙的数学分解，将复杂信息压缩为关键特征，在保持甚至提升性能的同时，内存占用减少90%，处理速度显著提升，特别适用于长文档处理，为AI应用的普及和效率提升开辟了新路径。

伊利诺伊大学研究团队开发了SAFFRON安全防护系统，通过创新的"多路分叉奖励模型"技术，让AI在面对恶意诱导攻击时能够实时进行安全筛选。该系统将AI安全防护的攻击成功率从89.7%降至40.9%，同时保持回复的自然性和多样性，为AI安全领域开辟了全新的"推理时计算"防护路径。

UI-Genie是一个创新的自我改进框架，解决了GUI智能体面临的两大挑战：轨迹验证困难和高质量训练数据缺乏。研究团队开发了专用奖励模型UI-Genie-RM，采用图像-文本交错架构有效处理历史上下文，并统一了步骤级和任务级奖励评估。通过精心设计的数据生成策略和迭代自我改进，该框架无需人工标注即可创建高质量合成轨迹。实验结果显示，经过三轮数据-模型自我改进后，UI-Genie在多个基准测试上达到了最先进水平。该研究已开源全部实现和数据集，为GUI智能体研究提供重要资源。

腾讯WeChat AI团队联合多所高校发布PRELUDE评测基准，这是首个专门测试AI长文本真实理解能力的评测系统。通过让AI判断虚构角色前传是否与原著一致，该研究发现现有先进AI模型在深度文本理解方面仍比人类低15个百分点以上，揭示了当前AI技术的根本性局限。

MPXG2100（NovoOne 系列）与MPG44100，构成了面向20W～200W区间的“双子星组合”。

智能AI是去年生成式AI领域的重大突破技术,今年企业将大规模部署这些系统。但整合智能AI与现有系统存在诸多挑战,包括基础设施现代化、数据集成、安全合规等。IT领导者需要谨慎考虑这些问题,以确保成功部署智能AI系统。

这项独立研究揭示了AI存在"自我纠错盲点"——能发现用户错误却忽视自身错误的现象。通过测试14个模型发现平均64.5%的盲点率，但令人惊讶的是，仅在输出后添加"Wait"就能减少89.3%的盲点。研究指出问题源于训练数据缺乏自我纠错示例，为AI安全性和可信度提供了重要启示。

本文介绍了 Sakana 针对语言模型提出的全新 CTM 架构，通过内部短时记忆和自适应运算，令模型推理更接近人类思考方式。

这项研究介绍了一种创新的两阶段SVG风格定制方法，使AI能够生成具有特定风格的矢量图形。香港城市大学和Adobe研究院的团队首先训练一个路径级T2V扩散模型掌握SVG结构，然后通过从定制的图像扩散模型中提取风格知识来实现风格定制。与现有方法相比，该技术既保持了SVG的结构规律性，又能灵活适应不同风格，为设计师提供了一个强大工具，可以根据文本描述高效生成风格一致的矢量图标。