互联网巨头的新玩法，是一次跨维度挑战，但是也是一次新思维重塑。这既未见得不能给传统玩家以新启发，也不好说某天守城一方也可以借此新模式反攻互联网。

Meta推出首个专门针对推理任务的智能检索系统ReasonIR-8B，突破传统关键词匹配局限，能真正理解复杂问题并找到有助解决问题的信息。该系统通过创新的ReasonIR-Synthesizer训练方法，在推理密集型检索任务上创下新纪录，计算效率比传统方法提升200倍。技术已开源，为教育、医疗等领域带来智能化信息检索新可能。

我们正在目睹，以5G为代表的新一代信息技术，就在赋予社会这种经济韧性。

香港大学联合香港中文大学研究团队首次提出T2I-ReasonBench基准，系统评估AI绘图模型的推理能力。研究发现当前开源模型在处理习语理解、设计规划、知识推理和科学常识等需要深度思考的任务时表现严重不足，平均得分不到50分，而商业模型如GPT-Image-1表现相对较好但仍有提升空间。该研究揭示了AI绘图技术从"按字面理解"向"智能推理"发展的迫切需要。

伊利诺伊大学等机构研究团队通过大规模实验发现了推荐系统中两种全新现象：双峰现象（性能先升后降再升再降）和对数现象（持续稳定提升）。研究揭示数据噪声是影响推荐系统可扩展性的关键因素，并发现SGL模型因其独特的抗噪机制表现最佳。该发现颠覆了传统认知，为推荐系统优化提供新思路，在某些情况下仅通过增加嵌入维度就能获得25%以上的性能提升。

NVIDIA推出全新开源模型、仿真库、工作流，加速机器人研发进程。

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。

由iDigital China主办的第七届GMTIC全球营销技术与零售创新峰会暨iDigital年度数字营销大赏颁奖盛典于2024年11月15日在上海衡山路十二号华邑酒店圆满落幕。

NVIDIA不断地探索、拓展Omniverse平台的应用，通过Omniverse这个巨大的生态连接平台推动工业数字孪生的发展。

这项由伦敦国王学院领导的研究针对大语言模型处理长文档时的效率问题，提出了ComprExIT压缩框架。该方法通过构建明确的信息传输机制，避免了传统方法中信息逐层覆盖和资源分配不协调的问题。实验表明，ComprExIT在保持仅1%参数增量的情况下，全面超越现有压缩方法，甚至能匹敌未压缩模型的性能，为大语言模型的高效部署提供了新思路。

想象一下，你拥有一个智能助理，它可以为你安排日程、搜索信息、甚至编写代码。这些助理越来越像是我们生活和工作的小伙伴，而不仅仅是简单的问答工具。它们可以操作各种工具，在不确定的环境中自主导航，有时甚至几乎不需要人类监督。这种先进的系统被称为"智能助手"（agentic systems）。

俄罗斯Sber AI团队开发出NABLA算法，通过邻域自适应块级注意力机制实现AI视频生成2.7倍加速。该算法采用三步优化：降维侦察、智能筛选和精确映射，动态识别重要注意力区域，在保持视频质量的同时大幅减少计算开销，为高效AI视频生成提供新解决方案。

谷歌DeepMind团队开发出突破性的AI元学习技术，让人工智能首次具备了类似人类的"举一反三"能力。通过结合元学习和神经网络架构自动搜索，AI系统能够快速适应全新任务，仅需传统方法十分之一的训练数据就能达到相似性能。这项技术在医疗诊断、个性化推荐等领域展现出巨大应用潜力，为AI从简单模式识别向真正智能学习的转变奠定了重要基础。

本文警示：AI仅复制人类表象，非真正创新；不断抹平人性瑕疵，削弱创新活力，迫切需要激发挑战与思辨的系统设计。

在物流行业，英特尔拥有从云端到终端的广泛产品与解决方案，在性能、成本效益等方面具备卓越的优势，还有助于加速数据中心、企业和智能边缘计算环境中的人工智能推理工作负载。

我们坚信新时代将塑造出新的英特尔，正如我们也曾坚信AMD将强势回归、英伟达会从零开始冲击数据中心市场一样。芯片群星闪耀之时，才是最值得期待的技术未来。

MIT科学家首次揭示失语症患者大脑重新学习语言的神经机制。研究发现，康复过程中大脑经历"重新布线"，健康神经元建立新连接，右脑临时接管语言功能，最终形成替代神经通路。个体差异源于大脑结构、年龄、基因和损伤位置的不同。研究为开发个性化脑刺激、多感官训练、虚拟现实康复等新治疗方法提供科学依据，有望显著提高失语症治疗效果。

从早期的公有云，到后来的私有云，再到多云、多边缘、多企业数据中心所组成的混合云或混合多云，云计算的发展经历了从单一架构、单一计算场景向容纳更多架构和更多计算场景的演变。

Anthropic和Open Philanthropy研究人员发现，之前声称AI推理模型存在"准确率崩溃"的研究实际上混淆了推理能力和物理限制。通过重新分析发现，AI模型在遇到输出长度限制时会主动停止，而非推理失败；部分测试题目本身无解却被当作失败案例；改用程序生成方式后，模型在复杂问题上表现出色，揭示了AI评估方法的重要缺陷。

清华大学团队推出AnyCap项目，通过轻量级"即插即用"框架解决多模态AI字幕生成缺乏个性化控制的问题。该项目包含模型、数据集和评估基准，能让现有AI系统根据用户需求生成定制化字幕，在不重训基础模型的情况下显著提升控制能力，为AI内容创作的个性化发展奠定基础。