NVIDIA今日宣布，美国能源部阿贡国家实验室（Argonne National Laboratory）最强大的基于GPU的超级计算机将在NVIDIA加速计算平台上运行。

AI也许还无法实际完成洗牙、洁牙等操作，但下一次你坐在牙医的椅子上时，AI的介入仍会带来不同于以往的感受。

NVIDIA多年来一直在与部分全球领先的金融机构共同开发和执行各种发展迅速的AI策略，在过去三年间询问了他们最关心的是什么。

《Afterburner: Reinforcement Learning Facilitates Self-Improving Code Efficiency Optimization》这篇论文提出了一种创新的代码效率优化框架，通过强化学习技术让大语言模型能够自我改进生成代码的计算效率。研究表明，基于强化学习的方法（GRPO）能够持续优化代码性能，而传统的监督学习方法（SFT和DPO）则很快达到效率提升瓶颈。这一发现为解决大语言模型生成代码效率低下的普遍问题提供了有效途径，同时揭示了强化学习在教导AI自我完善方面的强大潜力。

这项研究提出了"多轮分解"(MinD)方法，将大型推理模型的冗长思维链重构为结构化的多轮对话形式，每轮包含一个思考单元和一个答案。通过监督微调和强化学习相结合的训练策略，MinD在MATH等基准测试上实现了高达70%的标记使用量和首个标记延迟(TTFT)降低，同时保持了竞争性能。研究表明，传统推理模型中存在大量冗余思考过程，而MinD通过"完成比完美更重要"的理念，使模型学会生成更简洁高效的推理过程。

Sonar收购AutoCodeRover标志着企业软件开发领域向智能AI转型的重要一步。这项收购将帮助Sonar在竞争激烈的AI驱动DevOps工具市场中占据优势地位，通过大规模自动化软件维护来提高开发效率。此举不仅体现了软件开发经济学的变革趋势，也引发了关于AI在创造性问题解决中角色的深层思考。

“2023年围绕生成式AI的炒作实在太大了，我们认为它被过度炒作了，需要克服许多障碍才能将其推向市场。”

15年前梭子鱼网络还是一家初创的电子邮件安全公司，垃圾邮件是各公司面临的主要问题。当时垃圾邮件大多为影响用户的工作效率，但其内容本身一般没有恶意。然而该情况已今非昔比。

前微软执行总裁、美国国家工程院外籍院士沈向洋，对话清华大学丘成桐数学科学中心主任、菲尔兹奖首位华人得主丘成桐。

作为住宅房地产电子商务平台Opendoor的首席技术官，Raji Subramanian负责领导技术和产品开发的各个方面，并配备了敬业的团队以确保有一个可信的流程面向客户。近日，她和我们分享了她对客户至上、问题识别、向后和向前工作的一些观点。

IBM商业价值研究院进行的一项新的全球研究发现，尽管大多数组织都认识到可持续性对实现业务战略至关重要，但许多高管却表示难以为公司的可持续发展投入资金。

近年来，数字孪生技术已经在制造业、工业及航空航天等多个领域得到应用。如今，欧洲着手推进Neurotwin项目，计划为人脑制作出虚拟副本。

OpenAI前联合创始人Ilya Sutskever的新AI公司Safe Superintelligence (SSI)与Google Cloud达成合作，使用其TPU芯片支持AI研究。这表明SSI将在Google Cloud上投入大量计算资源。Google Cloud此前也与其他由前谷歌AI研究人员创立的AI初创公司达成类似合作。SSI成立于2024年6月，专注于开发安全的超级智能AI系统。

最近来自清华大学、无限极AI和上海交通大学的研究团队提出了一种名为"通向罗马之路"(R2R)的创新方法，可以在小型和大型语言模型之间进行智能令牌路由。研究发现，小型模型与大型模型的推理路径差异主要源于少量"分歧令牌"。R2R方法只在这些关键令牌上使用大模型，其余时间使用小模型，既保证了推理质量，又提高了效率。实验表明，使用平均5.6B参数的R2R方法超越了14B参数模型的性能，同时提供了2.8倍的速度提升。

伟大IT组织的诞生绝非偶然。建立一支成功的团队需要奉献、支持和想象力。

清华大学研究团队提出"AI智能体行为科学"新范式，通过观察AI在虚拟环境中的自发行为发现其具备规划、适应和社交能力。研究涵盖个体行为、群体互动和人机协作三个层面，并借鉴福格行为模型建立了能力-动机-触发器的行为适应框架，为负责任AI发展提供了行为导向的测量和优化方法。

这项由ETH苏黎世、ELLIS图宾根研究所和MPI图宾根的研究者合作完成的论文，揭示了评估大型语言模型预测能力时的关键陷阱。研究发现两类主要问题：数据时间泄露导致评估结果不可信，以及基准测试表现难以外推到实际预测能力。通过系统分析，研究者展示了这些问题如何可能导致对语言模型预测能力的过度乐观评估，并提出了更严格的评估方法建议，以帮助科研社区更准确地判断大模型的真实预测能力。

数字孪生技术或是业界公司确保实现ESG目标最有效的工具。

“数字化转型，是一个有起点，但是没有终点的过程。”华为中国政企CMO邱恒接受媒体采访时说道。

香港大学团队提出UniVLA框架，通过"任务中心潜在动作"技术让不同机器人共享技能，无需大量标注数据即可从网络视频学习。在多项基准测试中显著超越现有方法，仅用1/20计算资源就达到更好性能。该研究为机器人跨平台技能迁移和大规模学习提供了新思路，有望推动通用机器人助手的实现。