这家美国跨国企业与Chemical Abstract Services公司展开合作，大大提高了化学家为给定应用（包括更换相关材料）确定正确分子的能力。

这项研究首次系统性解决了图扩散模型的公平性问题，提出了FAROS框架，通过在生成过程中智能切换节点属性来消除偏见。该方法无需重新训练模型，在保持准确性的同时显著提升了公平性，在多个数据集上实现了帕累托最优的性能权衡，为构建更公平的AI系统提供了实用工具。

过去，扩展和实施AI对企业和组织而言一直是极具挑战的，只有54%的AI项目能够成功地从试点阶段过渡到全面投产。企业急需具备恰当的专业知识与能力的转型伙伴来帮助他们走上正轨。

据Synergy Research近日公布的最新数据显示，AWS在公有云基础设施服务市场上继续独占鳌头，并且与最接近的竞争对手仍保持一定的距离。

这项由帝国理工学院研究团队开展的创新研究，提出了一种让AI在回答问题前先自我评估知识边界的"内部置信度"方法。该方法无需额外训练，通过分析AI内部各层的自信程度来判断其是否真正了解问题答案。实验证明这种"提前体检"式的方法能有效区分AI的已知和未知领域，并在智能检索和模型级联等实际应用中显著降低计算成本while maintaining性能，为构建更诚实可信的AI系统开辟了新路径。

房车和露营用品公司Camping World的首席信息官Sruti Patnaik谈到了如何在创造当前价值的同时构建面向未来的架构。

墨尔本中心将结合西门子与斯威本的技术，打造澳大利亚电网的数字孪生体。

Unity是基于Microsoft .Net Framework开发的游戏引擎

有关患者、医疗机构、大学临床试验和研发数据的收集可能是高度个人化或敏感的，并且具有很高的价值。这些数据对潜在的黑客很有吸引力，因为他们了解泄漏此类数据可能对个人或机构声誉造成的影响，因此他们认为获得赎金的机会更大。

在2021年，DevOps 将会有哪些新的动作？有哪些值得关注的发展趋势？本文我们将探讨明年将撼动Devops的八大技术趋势。

VMware最近宣布了一项收购计划，旨在使旗舰vSphere虚拟化平台能够更好地运行人工智能应用。

2026年25%的人每天将至少在元宇宙中工作、购物、学习、社交或娱乐一小时。

北京大学团队发现AI训练中的"个性化"秘密：不同词汇在推理过程中承担不同角色，传统方法一视同仁效率低下。研究团队开发HAPO方法，根据词汇重要性动态调整训练策略，在数学推理任务上准确率提升16.6%，为AI训练的精细化控制开辟新方向。

SenseFlow是香港科技大学等机构联合开发的文本到图像蒸馏技术，解决了大型流匹配模型蒸馏的三大难题。研究团队提出隐式分布对齐(IDA)稳定训练过程，段内引导(ISG)优化时间步重要性分配，并设计基于视觉基础模型的判别器提升生成质量。实验表明，SenseFlow能将SD 3.5和FLUX等12B参数级模型成功蒸馏为仅需4步生成的高效版本，同时保持甚至超越原模型在多项指标上的表现，代表了AI图像生成效率提升的重要突破。

Red Hat今年将对合作伙伴计划进行一系列更新，向合作伙伴承诺增加新的加速器计划、产品演示平台、提高透明度、升级的交叉协作工具，以及更容易获得技术、培训和资源。

如今，数字孪生技术可能成为汽车、电动汽车、智慧城市、国防和制造等行业未来发展的变革力量。

TodoRL团队开发的TodoEvolve系统解决了AI规划的核心难题：如何让AI根据不同任务特点自动选择最优执行策略。该系统通过PlanFactory统一框架整合现有规划方法，训练Todo-14B智能规划师实现动态架构合成。在多个测试平台上，TodoEvolve显著提升了AI系统性能，在GAIA测试中提高16.37%，在复杂推理任务中超越了更强大的基础模型。这项研究标志着AI系统从固定规划向自适应规划的重要转变。

数源AI推荐的论文介绍了Panda-70M数据集，该数据集通过多模态教师模型自动为7000万个视频生成高质量字幕。研究表明，该数据集在视频字幕生成、视频文本检索和文本驱动视频生成等下游任务上表现优异。

多年来,企业、政府和研究人员一直在努力解决从 PDF 文件中提取可用数据的难题。PDF 文件虽然广泛应用于存储各类文档,但其固定格式常常使数据难以被机器读取和分析。传统 OCR 技术在处理复杂布局时效果欠佳,而新兴的 AI 语言模型虽有潜力,但也存在幻觉和误解等问题。目前仍无完美解决方案,这个挑战将持续影响数据分析和机器学习领域。

富国银行（Wells Fargo）高级副总裁、企业架构负责人Mike Telang认为，尽管银行的业务在过去几十年基本没有什么变化，但银行的运营方式却发生了巨大变化。