这项ETH苏黎世等机构的综述研究首次从无标签视觉数据可用性角度系统分析视觉语言模型的无监督适应问题，提出了包含无数据迁移、无监督领域迁移、批次测试时适应和在线测试时适应四种场景的分类框架，详细梳理了每种场景下的核心方法和策略，为该领域提供了全面的理论指导和实践参考，推动AI向更灵活自主的方向发展。

不仅要控制技术成本，还要采取更具创业精神的方法来探索如何推动业务收入和竞争力。

西门子第一家基于数字企业概念建造的灯塔工厂位于中国南京市，现已投入运营。

本文分析了当前AI业界的一种普遍观点:只需增加生成式AI和大语言模型的"思考时间"就能获得更好的回应。作者认为,虽然这种方法有时有效,但并非万能良药,实际上是回避了当代AI面临的更大问题。文章通过多个示例,深入探讨了增加AI处理时间的优缺点,以及可能带来的潜在风险。

为推动大模型产业向更高的可信标准迈进，中国信通院自2022年启动大模型技术研究和评估以来，根据产业发展不断优化迭代，已形成一套覆盖范围全、评测指标精、需求映射准的大模型评测体系。

这项由华盛顿大学和微软联合开发的OMNIGUARD研究，提出了一种高效的AI安全检测方法，能够跨越语言和模态（文本、图像、音频）识别有害内容。该方法通过发现大型语言模型内部的通用表示，构建轻量级分类器，比现有方法准确率高出11.57%-20.44%，同时速度提升约120倍。OMNIGUARD在73种语言和多种模态攻击测试中表现出色，展示了极高的数据效率和适应性，为AI系统安全防护提供了重要突破。

想象一下乐高积木。当孩子们用乐高搭建一个复杂的城堡时，他们不会从一整块材料中雕刻出城堡的形状，而是使用各种形状的积木块一个接一个地拼装。这种构建方式不仅直观，而且便于修改和理解。同样地，基于基元的3D模型表示法就像是数字世界的乐高积木，它允许我们用简单的几何形状（如立方体、圆柱体和椭球体）来组装复杂的3D物体。

中国人民大学研究团队开发了名为DeepCritic的AI批评框架，解决了现有AI监督模型批评过于浅薄的关键问题。该系统通过两阶段训练让AI学会深度思考和多角度分析，在数学推理任务上显著超越现有模型，甚至让小规模模型超越大十倍的系统，为构建安全可控的AI系统提供了新路径。

芯片制造商AMD公司暗示，新的晶体管技术有望给摩尔定律再续上六到八年。但跟很多人猜测的一样，其成本也将一路上升。

中国科学家成功将扩散模型应用于语言生成，开发出名为LLaDA的创新AI系统。与ChatGPT等传统按序生成的模型不同，LLaDA采用"填空"方式工作，能同时考虑文本前后信息。在80亿参数规模下，LLaDA在多项测试中表现优异，特别是在逆向推理任务上超越GPT-4o，为AI语言模型发展开辟了全新技术路径。

这项由Midjourney团队主导的研究解决了AI创意写作中的关键问题：如何让AI既能写出高质量内容，又能保持创作的多样性和趣味性。通过引入"偏差度"概念和开发DDPO、DORPO两种新训练方法，他们成功让AI学会从那些被传统方法忽视的优秀独特样本中汲取创意灵感，最终训练出的模型在保持顶级质量的同时，创作多样性接近人类水平，为AI创意写作开辟了新方向。

近日，360宣布捕获一个连续8年攻击中国大陆地区的APT网络间谍组织——蓝宝菇，该组织主要关注核工业和科研等相关信息，并对我国政府、军工、科研、金融等重点单位和部门进行了持续的网络间谍活动。

IBM研发团队开发出一套人工智能系统，能够以相对精确的方式预测精神病患者的发作机率，同时克服上述客观层面的评估障碍。目前，这套精神病预测AI方案已经被发表在《世界精神病学》杂志上。

当前CIO及其团队领导者对很多通常应属于其职责范围内决策的控制力减弱，越来越多的CIO及其团队领导者可能需要重新设计战略重点，以成功支持业务成果驱动型首席执行官（CEO）议程。

将现有企业应用程序迁移到云原生架构的一些tips。

Gartner预测，2025年全球生成式人工智能（GenAI）支出将达到 6440 亿美元，较2024年增长76.4%。

人工智能（AI）是很多东西。它是商业的游戏规则改变者，它可以让人类比以往更聪明、更快地工作，并且可能对经济和劳动力市场产生重大影响。

近期，曙光成功中标广州珠江数码集团有限公司（简称“珠江数码”）大数据运营支撑平台项目。

这项研究由香港中文大学团队提出了视频-3D几何大语言模型(VG LLM)，一种无需依赖显式3D数据输入，仅通过普通视频就能理解3D世界的创新方法。通过集成3D视觉几何编码器，该模型能从视频序列中提取3D先验信息，显著提升空间推理能力。实验表明，该4B参数模型在多项3D场景理解和空间推理任务上超越了现有技术，甚至在VSI-Bench评估中胜过Gemini-1.5-Pro。

上海交通大学与GAIR实验室研究团队开发了PC Agent-E，一种高效的计算机操作AI代理训练框架。通过仅使用312个人类操作轨迹并利用Claude 3.7 Sonnet进行数据增强，该模型在WindowsAgentArena-V2基准测试上取得了36.0%的成功率，超越了同样强大的Claude 3.7 Sonnet（35.4%）。研究证明高质量数据比大量数据更重要，PC Agent-E通过改进长期规划能力实现了突破性进展，同时展示了跨平台泛化能力。所有代码、数据和模型已开源，为计算机操作AI代理研究提供了宝贵资源。