想象一下，你正在观看一场长达两小时的烹饪直播。主厨正在展示一道复杂菜品的制作过程，从准备食材到最终装盘。在这个过程中，你可能会在聊天框中提问："主厨用了多少盐？"或者"之前切洋葱的那把刀现在去哪了？"甚至是"你觉得这道菜最后会是什么味道？"

上海人工智能实验室联合哈尔滨工业大学开发了Graph Counselor，一种让AI智能体像专业团队协作的图谱推理新方法。通过规划、思考、执行三个智能体的分工合作，加上自我反思机制，该方法在图谱问答任务上比现有方法提升24.2%，能显著减少AI的"胡说八道"现象，为构建更可靠的AI系统提供了新思路。

WMS 是基于云的一级仓库管理系统,可以大大改善分销中心和仓库运营的效率,有助于简化仓库作业流程,降低成本和改善客户服务。Infor 认为,使用 WMS 系统能够为分销商带来诸多优势。

日前，《麻省理工科技评论》发布2019 年全球十大突破性技术，这些与人们的生产生活息息相关的创新技术和产品尚处于研发初期和试验期，其未来对人们生产、生活方式改善亟待借助类于云端营销等新营销模式，借助市场力量推动技术成果转化和产品推广应用。

这篇论文介绍了一个名为"CrEval"的创新框架，用于跨领域评估文本创造力。研究团队构建了"CreataSet"数据集，包含超过10万条人类水平和100多万条合成创意文本，涵盖87个领域。基于此训练的CrEval评估器在与人类判断的一致性上显著优于现有方法，包括GPT-4o。研究发现，结合人类创建的数据和合成数据对训练有效评估器至关重要，且CrEval不仅能评估创造力，还能提升AI模型生成更有创意内容的能力，为创造力评估和提升开辟了新方向。

NEC全球网站上发布的《NEC可持续发展报告2022》概述了迄今取得的进展。

AWS 全面采用 Apache Iceberg 开放表格式,整合到分析、机器学习和存储技术栈中。这一决策源于 S3 对象存储用户的需求,旨在提升数据访问性能和灵活性。尽管 Iceberg 获得广泛支持,Delta Lake 等竞争格式的未来仍存在不确定性。AWS 表示,除非 S3 客户有其他要求,否则将继续坚持 Iceberg 路线。

在开发阶段，英飞凌将为eleQtron提供三代逐步改进的离子阱，并提供必要的专业知识，使其适应MAGIC概念。通过采用协同设计策略，英飞凌将帮助eleQtron建造功能不断增加的基于离子阱的量子计算机。这些强大的量子计算机今后还将通过云端提供给工业和科研用户。

香港中文大学（深圳）和上海交通大学的研究团队开发了StreamBP，这是一种用于大语言模型长序列训练的内存高效反向传播方法。通过沿序列维度线性分解链式法则，StreamBP显著减少了存储激活值所需的内存，使最大序列长度比梯度检查点技术提高了2.8-5.5倍，同时保持或减少了计算时间。该方法适用于SFT、GRPO和DPO等常见训练目标，并支持多GPU分布式训练。

团队和执行委员会都期待着转型。

微软于6月18日发布了第一个“Windows Server vNext”的公共测试版， Windows Server vNext 是微软Windows Server的功能更新版。

这项由新加坡南洋理工大学主导的研究全面梳理了大型语言模型通过奖励信号学习的最新进展。研究揭示了一种革命性的AI训练范式：让AI像学生接受老师指导一样，通过奖励反馈主动学习和改进。这种方法已在ChatGPT等系统中应用，能显著提升AI在推理、对话、代码生成等任务上的表现，同时增强安全性和可靠性。

HPE今天宣布计划收购Plexxi Inc.，Plexxi是一家软件定义网络初创公司，已募集了超过8000万美元的风投资金。

康奈尔大学研究团队提出了"价值引导搜索"方法，通过训练标记级价值模型来优化大型语言模型的推理过程。他们收集了250万个数学推理轨迹，训练了15亿参数的评估模型，实现了基于块的高效搜索。这种方法不需要预定义"步骤"概念，也无需昂贵的每步标注。在四个数学竞赛基准测试中，该方法使DeepSeek-1.5B模型达到了45.7%的平均准确率，与更大模型相当，同时显著减少了计算资源需求。研究团队开源了数据集、模型和代码，为高效人工智能推理提供了新范式。

这项研究提出了SHARE，一种新型文本到SQL修正框架，它利用三个小型语言模型（SLM）协同工作，实现高效精准的SQL错误修正。SHARE首先通过基础行动模型将SQL转换为行动轨迹，再经过模式增强模型和逻辑优化模型的层次化精细化修正。研究团队还创新性地提出了层次化自演化训练策略，大大提高了训练数据效率。实验结果表明，SHARE在多个基准测试上显著提升了SQL生成准确率，计算成本仅为传统方法的十分之一，并展现出强大的泛化能力，适用于各种生成器模型和SQL方言。

DeepSeek公司最近发布的开源推理AI模型R1在开发者和研究人员中迅速流行，引发科技股大幅抛售。R1的出现以及同期宣布的Stargate项目，凸显了AI投资和商业模式的深度不确定性。这些事件引发了关于开源vs闭源AI系统、硬件vs软件优化、以及AI公司盈利模式等多方面的争议和思考。

CLaSp是一项创新的自我推测解码技术，能让大语言模型生成文本的速度提高1.3到1.7倍，同时保持输出质量不变。由中国科学院等机构联合开发的这一技术，通过动态决定模型内部哪些计算层可以被跳过，避免了传统方法需要额外训练或模块的缺点。CLaSp像是让AI在不影响烹饪质量的前提下，学会了根据菜肴复杂度灵活跳过某些烹饪步骤，从而更快地完成整道菜。

4月26日，全球最具影响力的独立研究咨询公司之一Forrester受火山引擎委托调查并撰写的《火山引擎 A/B 测试总体经济影响白皮书》（以下简称《白皮书》）正式发布。

北京大学和百度VIS联合研发的MV-AR技术，首次让AI学会像人类一样逐步观察物体，通过自回归方式生成多视角一致图像。该技术解决了传统方法在处理大视角差异时的一致性问题，支持文字、图像、形状等多种输入，在3D内容创作、机器人视觉等领域具有广阔应用前景。

卡内基梅隆大学研究团队提出全新"Kinetics"缩放定律，揭示大语言模型测试阶段的资源分配策略需要重新思考。研究发现小型模型效率被严重高估，因为以往研究忽略了内存访问成本这一关键瓶颈。在测试阶段，注意力机制而非参数数量成为主要成本因素。基于此，团队提出以稀疏注意力为核心的新范式，显著提升问题解决准确率，在AIME测试中低成本场景下提升高达60个百分点，高成本场景下仍有5个百分点优势。