Adobe研究院开发出让AI学会准确引用信息来源的新方法，通过简单的"对错判断"策略和注意力机制分析，显著提升了AI系统在归因任务上的表现，为解决AI"胡说八道"问题提供了实用解决方案。

这篇文章介绍了马里兰大学研究团队开发的BLEUBERI方法，该方法惊人地发现被认为过于简单的BLEU评分系统在指导大语言模型遵循指令方面非常有效。研究表明，当使用高质量参考答案时，BLEU与人类偏好的一致率可达74.2%，几乎与复杂的奖励模型相当。基于此，团队开发的BLEUBERI方法在多个基准测试中表现与传统奖励模型方法相当，且在事实准确性方面表现更佳。这一发现为语言模型对齐提供了更经济高效的途径，无需大量人类标注数据和复杂的奖励模型训练。

DocuSign 正利用人工智能彻底改变企业创建、管理和提取协议价值的方式。通过将非结构化协议数据转化为可操作的智能信息，DocuSign 的 AI 平台能够提取关键数据、协助创建协议、定制模板，甚至进行初步法律审查。这项技术已在销售、采购和人力资源等领域产生重大影响，提高了业务效率并降低了成本。

文章介绍了混沌工程——通过主动制造故障帮助构建云原生应用的韧性。利用 LitmusChaos 等工具进行控制性测试，可为真实故障做好充分准备，提升系统可靠性。

IBM 认为，开放式混合云架构是一个集混合云的敏捷性和企业级AI的智能为一体的技术架构；与此相反，本文里提到的“像是科学怪人用碎片和部件堆砌起来的庞然怪物”是一个复杂难管、漏洞百出的架构，是一个“反乌托邦式”的架构。

Meta联合牛津大学等机构开发了AIRS-Bench，这是首个全面评估AI独立科研能力的基准测试系统。该系统包含20个真实科研任务，测试AI能否像人类科学家一样完成从问题理解到实验设计再到结果分析的完整研究流程。结果显示，顶尖AI在4个任务上超越了人类专家，但大多数任务仍未达到人类水平，揭示了AI科研助手的巨大潜力与现实挑战。

谈到“中台”大家可能都对其概念摸不着头脑，但是说到“前台”和“后台”大家应该都有明确的认知。中台其实并不是一个新的概念，在技术成熟及业务诉求交际后，就会产生一个爆发点，这个点就是中台，而云就是最好的载体。

最近读了中本聪（Satoshi Nakamoto）写的《比特币白皮书：一种点对点的电子现金系统》，有了一些想法，跟大家探讨一下。

戴尔首席合作伙伴官Denise Millard一直带领着戴尔的合作伙伴围绕共同进入市场展开了大规模变革，包括围绕存储、服务器、生成式AI的重大公告。

“新收购的第三分厂数据已于前日完成导入，但有财务、监察等部门反映，近两日报表数据获取缓慢，有时会出现客户端卡住、报错、死机等情况，严重影响销售系统正常运行……”

现在每个企业机构无一例外地都在利用软件优化自己的业务，因此也造就了软件行业非常多的工作机会，从而也吸引了越来越多的小伙伴进入到软件以及相关的行业中。

在UCloud主办的Think in Cloud 2018大会上，UCLOUD CEO季昕华再次强调了UCLOUD保持中立的原则，要为梦想者提供更多更好的服务。

Juniper Networks公司首席执行官Rami Rahim表示，12月这个季度的需求要好于预期，推动了公司在所有垂直行业、客户解决方案和地区的强劲增长。

加利福尼亚大学和萨里大学研究团队开发了一种创新的AI系统，能够仅通过简单的手绘素描就在复杂照片中精确识别关键点。这项技术突破了传统机器学习需要大量同类数据的限制，实现了真正的跨模态学习。系统在动物关键点识别任务中达到了39%的准确率，超越现有方法约5个百分点，并且在真实手绘素描测试中表现稳定。该技术有望在生物学研究、医疗诊断、工业检测等多个领域找到广泛应用。

如今，微软越来越多的谈论企业协作应用，企业协作应用程序既可以是Teams内部的应用，也可以是用户应用中的Teams组件。

谷歌DeepMind在周三宣布了两个新AI模型，旨在控制机器人：Gemini Robotics和Gemini Robotics-ER。该公司声称，这些模型将帮助各种形状和大小的机器人更有效、更精细地理解和与物理世界互动，为人形机器人助手等应用铺平道路。

程序员小张是个典型的东北小伙儿，大大咧咧不爱计较，所以当我抛出几个关于花销的问题，想让他回忆一下日常习惯把钱花在哪时，他其实颇有些为难，他实在记不清钱是怎么没了的。反正对于他们这个收入的程序员来说，买得起的基本买得起，买不起的还是买不起。

数据存储厂商西部数据（Western Digital）得益于闪存市场的改善以及市场对其硬盘的需求增加，今天发布第二季度财报业绩超出了华尔街此前的预期。

马斯克旗下大模型公司开发的Grok-1大语言模型已开源，采用Apache2.0协议。Grok-1是一个混合专家架构模型，参数总数3140亿，每次推理激活860亿。虽然在MMLU和GSM8K评测中表现不错，但与同类模型相比资源消耗大而收益不显著。开源的仅为推理代码，训练基础设施和tokenizer的特殊token作用未透露。

造势一年后，Meta终于揭开了VR头显Quest Pro的神秘面纱。