想象一下，你正在使用一个智能助手，希望它能根据你的文字描述找到相似的图片，或者通过一张图片找到相关的文本信息。这就像是你在和一个不懂你语言的人沟通，你们之间存在着一道"模态屏障"。为了让计算机理解并连接不同类型的信息（如图像和文本），研究人员需要开发能够将这些不同类型数据转化为通用"语言"的方法。

美国北达科他州政府在数据、自动化与AI应用领域一直具有超前思维。

近日，Libra协会初始成员在日内瓦成立大会之后正式确立了项目管理结构。但几天过去，包括Visa、eBay以及Mastercard在内的七家重要参与者突然决定撤出项目。转变如此迅速，不禁令人为其命运深感担忧。

中国人民大学联合北京智源人工智能研究院推出WebThinker框架，首次实现AI在推理过程中自主搜索网络、深度探索网页并撰写研究报告。该系统突破传统AI知识局限，具备类似人类研究员的主动信息获取能力，在多项复杂推理和报告生成任务中显著超越现有方法，为AI应用开辟新方向。

在汲取去年测试经验后，今年将测试项目调整为针对网络、计算、存储及云主机可扩展能力这四个项目，被测试的还是去年测试过的AWS、Azure、UCloud、阿里云、百度云、华为云、金山云、京东云、青云、腾讯云这十个公有云厂商的云主机。各项测试分析结果如下：

每一个迈向社会的年轻人都逃不过一道选择题：该去北上广奋斗，还是回老家发展？

关舟提到：4G改变生活，5G改变社会！4G对社会生活的改变是显而易见的，5G改变不光支撑起电信产业，也是行业中所有相关产业数字化的重大转型。另外，他也大胆做出预测，预测到2025年，中国将是全世界最大的5G市场，5G连接数将达到全球连接数的1/3。

硬件技术的不断革新是XR行业发展的基石，HTC最新推出的VR一体机VIVE Focus 3和PC-VR VIVE Pro 2首次亮相，以全面进阶的硬件配置，为企业和消费级VR产品设定了新的基准。

一场突如其来的疫情，对我们原有的生活和工作方式带来了不小的变革。随着视频平台、直播平台流量激增，企业级直播也在大量需求背后迅速成长为企业运营新标配。

这项研究提出了GLEAM，一种用于复杂3D室内场景主动建图的可泛化探索策略。研究团队首先构建了包含1,152个多样化场景的GLEAM-Bench数据集，然后设计了融合语义表示、长期目标规划和随机化训练的探索策略。在128个未见过的复杂场景测试中，GLEAM实现了66.50%的覆盖率，比最佳基线方法高出9.49%，同时提供更高效的轨迹和更精确的地图。这一突破为未知环境中的自主探索与建图开辟了新途径。

我们将详细介绍AlphaGo是什么以及它的工作原理。

在本周于硅谷举行的开放计算项目（OCP）全球峰会上，Meta Platforms推出了其全新“Grand Teton”AI系统，以及基于磁盘对口的配套“Grand Canyon”大容量存储阵列。

德国图宾根大学研究团队发现现代AI视觉模型具备强大的图像排序能力，能够理解年龄、美观程度等连续属性并进行准确排序。研究测试了7种AI模型在9个数据集上的表现，发现CLIP模型表现最佳，且仅需极少样本就能学会排序。这一突破为照片管理、电商展示、社交媒体等领域提供了新的技术方案。

近日，NVIDIA应邀参加了第二十九届北京国际广播电影电视展览会（BIRTV 2020）线上展，作为全球视觉计算技术的行业领袖，NVIDIA介绍并演示了其在广播电视行业的产品和解决方案。

浙江大学研究团队开发的"自制动力训练"（Self-Braking Tuning，SBT）方法解决了大型语言模型在推理过程中的过度思考问题。该方法不依赖外部干预，而是培养模型自主识别冗余推理并适时终止的能力。研究者通过分析推理效率比率和过度思考标记比率，构建了两种数据策略：SBT-E（精确版）和SBT-D（动态版）。实验结果表明，经过训练的模型在多个数学基准测试上保持原有准确率的同时，将标记消耗减少了30%到60%，显著提高了推理效率。这项创新使AI系统能更像人类一样有效思考，为资源受限环境下的AI部署提供了新解决方案。

四川省作为2012年中国首批智慧城市试点的省域之一，紧抓各城市发展的鲜明底色，加速建设智慧城市。

这项由德国慕尼黑大学等机构联合完成的研究提出了FedNano框架，创新性地解决了多模态大语言模型在联邦学习中的部署难题。通过将模型拆分为服务器端核心和客户端轻量级NanoEdge模块，结合Fisher合并技术处理数据异质性，实现了95%的存储减少和99%的通信优化，同时保持了优异性能，为AI技术的普及化应用开辟了新路径。

香港理工大学研究团队提出ZeCO技术，通过创新的All-Scan通信机制解决了分布式AI系统处理超长文本时的通信瓶颈问题。在256台机器上测试时，ZeCO比现有最先进方法快60%，通信时间快4倍，实现了接近理论最优的性能，为超长文本AI应用开辟了新可能。

小米LLM-Core团队开源了两款强大的视觉语言模型MiMo-VL-7B-SFT和MiMo-VL-7B-RL，在通用视觉理解和多模态推理领域创下新纪录。仅有7B参数的MiMo-VL-7B-RL在40项评测中的35项上超越Qwen2.5-VL-7B，在OlympiadBench上达到59.4分，超越了参数量达78B的模型。研究采用四阶段预训练与混合在线策略强化学习相结合的方法，处理了2.4万亿个标记。研究发现，预训练阶段纳入高质量推理数据至关重要，而混合强化学习虽提升性能但存在多任务同步优化挑战。

8年前，荣耀是怎么确定下AI这个赛道，并敢于定下在全球市场与苹果三星竞争的目标？