AI技术带来的碳排放已经不容忽视；如果行业趋势继续下去，那么情况将很快失去控制。除非我们愿意重新评估并改革当今的AI研究议程，否则人工智能领域很可能在不久的未来成为引发气候变化的罪魁祸首。

谷歌DeepMind推出Streaming DiLoCo技术，通过流式同步、重叠通信和4位量化压缩三项创新，将大规模AI模型训练的带宽需求降低400倍。该方法在保持模型质量几乎不变的前提下，让普通研究机构也能负担得起超大规模AI训练，有望推动AI技术民主化发展。

机电控制是智能车最重要的输出功能，假如您使用Jetbot官方的自行打印车体并用组装方式来搭建智能小车的话，就需要搭配下图这个 ”DC-Stepper-Motor” 控制板，因为3D打印车体是根据这个控制板所设计的。

本研究提出了MuToR，一种通过在输入序列中插入"寄存器令牌"来改进大语言模型训练的创新方法。与传统的"下一个词预测"方法相比，MuToR使模型能够同时预测多个未来词，从而提供更丰富的学习信号。这种方法不需要改变模型架构，仅增加极少量参数，并且在微调预训练模型时表现尤为出色。研究团队在数学推理、文本摘要和图像生成等多种任务上验证了其有效性，证明MuToR不仅能提高模型性能，还能在保持推理速度的同时增强模型的规划能力。

突如其来的疫情，极大影响了人与人之间的正常交流。企业为了保持业务的正常运营，主动或是被动的开始通过互联网实现数字化转型。然而转型的路途并非一帆风顺，下面我们就从安全的角度来看一下，在后疫情时代，企业的业务安全又会面临哪些新的安全挑战。

文章探讨了人工智能如何瓦解知识工作者的传统职业与身份，促使他们重新定义自我、发掘机器难以替代的人文优势。

有幸在第一时间拿到今年新发布的戴尔Precision 5770移动工作站，戴尔Precision 5770移动工作站是由戴尔Precision 5760移动工作站升级而来。戴尔Precision 5770移动工作站升级了哪些配置呢？

中科院团队首次开发出1比特视觉-语言-动作模型BitVLA，实现机器人智能操作的革命性突破。该模型将每个参数限制为{-1,0,1}三值表示，通过创新的蒸馏感知训练策略，在仅使用29.8%内存的情况下达到与先进模型相当的性能。在LIBERO机器人基准测试中表现优异，为智能机器人在资源受限设备上的部署开辟了新路径，让家用机器人成为可能。

艾伦人工智能研究院开发的MolmoAct是首个开源的机器人空间推理模型，通过"看懂-规划-执行"三步思考法让机器人具备类人的空间理解能力。它不仅在多项基准测试中表现优异，还支持直观的视觉轨迹调教，用户可直接在屏幕上画线指导机器人行为。研究团队完全开源了模型、代码和数据集，为全球机器人研究提供强大基础平台。

这是首个大规模研究AI知识传授能力的实验，涉及118名参与者与8个顶级AI模型的协作。研究发现AI的智能水平与教学效果并非正比关系，一些高性能AI反而在协作中表现不佳。通过分析数千条对话记录，研究揭示了影响人机协作成功的关键因素，包括表达方式匹配、自适应引导和避免过度依赖。研究警示：随着AI能力提升，可能出现"知识传授鸿沟"，需要专门优化AI的可理解性。

第四次农业革命即将到来。包括物联网（IoT）部署（即用于收集和传输数据的数字化设备）以及AI在内的技术进步，正将效率推向新的顶点，并有望再次从根本上改变人类宰治整个地球的具体方式。

本文介绍了 Agentic AI 的概念、特点及应用，强调其自主决策、分解任务与执行复杂目标的能力，并探讨了应用场景与潜在风险。

斯坦福大学研究团队通过对比实验发现，AI模型自我改进能力的关键在于四种认知行为：验证、回溯、子目标设置和逆向推理。具备这些"思维习惯"的模型能有效利用额外计算时间提升表现，而缺乏认知行为的模型则停滞不前。研究证明通过精心设计的训练数据可以人为培养这些能力，且思维过程比正确答案更重要。这一发现为AI发展指出新方向：培养正确思维方式比增加数据量更关键。

融云CPO、原飞信CTO任杰在峰会现场接受了开源中国的专访，详细讲述了他所经历的互联网通信云变迁之路，并深度解读了专注于通信云技术的融云，是如何在5G新浪潮中为开发者提供优质通信服务的。

USC研究团队提出的潜在去噪分词器（l-DeTok）通过在训练过程中引入插值噪声和随机遮罩，让视觉分词器学会从损坏信息中重建图像，使其更好地适配下游生成模型的去噪任务。该方法在六种代表性生成模型上均实现显著性能提升，为视觉分词器设计提供了全新思路。

2018 高通4G/5G峰会于10月23日在中国香港举行，致力于基础科技发明的高通，为产业界描绘了一个万物互联的明天，而这一切都离不开5G这一网络基础，在向5G进军的这条路上，高通始终秉承自身的核心竞争力一路前行。

阿里巴巴团队提出FantasyTalking2，通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集，训练三个专业模块分别优化不同维度，再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术，用户评价提升超12%。

香港大学团队开发了MiCo多图对比框架，通过自监督学习让AI学会像人类一样比较多张图片的细微差异。该方法无需人工标注，仅使用图像内在约束作为监督信号，在多项视觉理解测试中超越了GPT-4o等先进模型，为解决AI多图推理难题提供了新思路。

本文将尝试多角度解读“我来”产品与团队优势，并浅析其高速增长下通过神策数据的大数据思维的应用与实践。

同时处理500个任务的AI会崩成什么样？Distyl AI测试了20个主流模型