字节跳动与清华大学联合发布的Seed Diffusion Preview是首个基于离散状态扩散的大规模代码生成模型，在H20 GPU上实现每秒2146标记的惊人生成速度，比同类模型快数倍。该模型通过创新的两阶段课程学习、在线策略优化和块级并行推理等技术，在保持高质量代码生成的同时大幅提升了推理速度，在多个代码评估基准上表现优异，为AI代码生成领域建立了新的性能标杆。

龙芯发布3A6000国产桌面处理器 ，性能“比肩”酷睿10代四核CPU

剑桥大学研究团队发现神经网络能够自发涌现思维链推理能力，无需明确编程就能学会逐步分析复杂问题。研究显示网络在训练中会经历"顿悟"时刻，突然掌握多步推理，内部形成专门的推理通道。这种能力具有强泛化性，能应用于更复杂任务。不同架构表现各异，Transformer最优秀。这一发现为开发更智能AI系统和理解机器智能涌现机制提供了重要启示。

曼彻斯特大学团队开发了TerminalTraj系统，突破了大规模AI终端操作训练的技术难题。该系统通过智能化数据生成流水线，构建了32000个Docker环境，生成50733个高质量训练轨迹。训练后的AI模型在终端操作任务上性能提升显著，32B模型达到与480B模型相当的效果，为开发智能编程助手和自动化运维工具奠定基础。

IBM认为，金融行业的数据中台是以数据为中心，智能化、全链路地开展管理、应用和服务的平台化体系。数据中台使得金融机构的产品、客户、渠道、流程、风险不再割裂。它以数据为生产要素，建立了新型的生产力和生产关系。

要从各大Linux发行版当中找出最佳选项，我们需要如何考量？

燧原科技专注研发人工智能领域云端算力平台，在整个研发进程中，既包括AI芯片与板卡的设计、开发、测试、量产，也包括AI软件栈及相关工具链的设计、开发、验证、测试等各个环节。

麻省大学阿默斯特分校联合MIT等机构提出CommVQ技术，通过创新的交换向量量化方法，将AI模型长文本处理的内存需求降低87.5%，实现2位量化下几乎无损性能，1位量化下仍保持优秀表现，让普通显卡也能运行128K文本长度的大模型，显著降低了先进AI技术的使用门槛。

近期，恩智浦半导体在苏州举办了一场针对分销商的内部活动，在活动后的采访中，恩智浦谈及了AI时代下的转型与变革，以及如何应对这一变革。

近期，恩智浦半导体在苏州举办了一场针对分销商的内部活动，在活动后的采访中，恩智浦谈及了AI时代下的转型与变革，以及如何应对这一变革。

阿里达摩院等机构联合开发的AffordDex框架让机器人学会了人性化抓取。该系统通过两阶段训练，先让机器人模仿人类手部动作的自然性，再学习识别物体上的危险区域。实验显示其抓取成功率超85%，人类相似度评分达8.6分，既能安全避开刀刃等危险部位，又保持了动作的优雅自然，为未来智能机器人发展奠定基础。

惠普宣布推出全新36 英寸 HP DesignJet 大幅面打印机系列产品

Wi-Fi在「家庭」和「企业」场景中仍扮演重要角色，而Wi-Fi 6针对某些细分市场（如拥挤的公共空间，或毗邻的家庭环境）的赋能，让Wi-Fi 6与5G更多是一种补充互助，而非取代替换。

KTH皇家理工学院研究团队通过收集6万个AI智能体运行轨迹，首次系统性地揭示了当前AI评估方法中存在的严重随机性问题。研究发现，即使在确定性设置下，同一智能体的表现仍可能波动2-6个百分点，许多声称的技术"改进"可能只是评估噪音。团队提出了基于统计功效分析的严格评估框架，为建立可靠的AI性能评估体系提供了科学指导。

如今每家公司都在向软件公司转型，在这个过程中，企业IT领导者可以通过听取那些曾经做过这件事的人（他们的厂商同行）的建议来改善数字化成果。

RAVENEA是哥本哈根大学研究团队开发的首个多模态检索增强视觉文化理解基准，集成了超过10,000份人工标注的维基百科文档，用于评估视觉语言模型的文化敏感性。研究发现，轻量级视觉模型在配备文化感知检索功能后，在文化视觉问答和图像描述任务上分别提升了至少3.2%和6.2%的性能，证明了检索增强方法在提升AI文化理解能力方面的有效性，为构建更具文化包容性的视觉AI系统开辟了新路径。

这项研究由Writer公司团队开发的"反思、重试、奖励"机制，通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时，它会生成反思并二次尝试，若成功则奖励反思过程。实验表明，该方法在函数调用和数学方程解题上带来显著提升，最高分别改善18.1%和34.7%。令人惊讶的是，经训练的小模型甚至超越了同家族10倍大的模型，且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。

我们将详细介绍AlphaGo是什么以及它的工作原理。

百川智能等机构的研究团队提出了一种创新方法，利用答案格式和长度作为替代信号，无需标准答案就能训练大型语言模型解决数学问题。研究发现，在训练初期15步内，仅基于格式正确性的奖励函数就能产生与标准GRPO算法相当的性能提升。随后引入长度奖励后，这种方法甚至在某些情况下超过了依赖标准答案的传统方法，使用7B基础模型在AIME2024上达到40.0%的准确率。研究揭示了一个关键洞察：基础模型就像已掌握数学和逻辑推理技能但考试表现不佳的优秀学生，只需培养良好的答题习惯即可充分释放其潜能。

上海交通大学研究团队开发了ChartIR方法，通过结构化指导让AI能准确理解图表并生成相应代码。该方法分两阶段：先让AI详细描述图表内容，再通过迭代改进逐步完善代码。实验显示，相比现有方法，ChartIR在图表转代码任务上取得显著提升，为多模态AI应用提供了新思路。