如何在工业元宇宙中运用数字孪生技术？

这篇研究介绍了一种名为YAQA(Yet Another Quantization Algorithm)的训练后量化技术，由康奈尔大学研究团队开发。与传统方法不同，YAQA不仅关注局部激活误差，而是考虑整个模型的KL散度，通过Kronecker分解的Hessian矩阵估计来实现更精准的参数量化。实验表明，YAQA能将模型与原始版本的KL散度降低约30%，同时在下游任务上实现最先进性能，为大型语言模型的高效部署提供了新方案。

人工智能正迅速改变网络安全领域,为应对日益复杂的自动化威胁提供了前所未有的机遇。AI不再只是辅助工具,而正成为现代安全策略的核心支柱。从异常检测到自动化威胁响应,再到增强安全团队能力,AI使防御者能够更快速地行动、扩大运营规模并超越攻击者。然而,技术的进步也带来了重大挑战,如对抗性AI和传统系统的惯性阻力。

SAP实验室研究团队开发了DIAFORGE系统，通过三阶段训练显著提升AI助手在企业环境中的工具调用准确性。该方法专门解决AI助手面对相似工具时的选择困难，通过模拟真实企业场景训练AI主动澄清用户需求。实验结果显示，经过训练的模型比GPT-4o和Claude-3.5-Sonnet分别高出27和49个百分点，为企业AI助手的实际应用提供了重要突破。

西门子公司CEO Roand Busch曾在CES 2024大会上发表主题演讲，探讨如何在工业元宇宙中运用数字孪生技术、生成式AI又将给西门子带来怎样的深远影响。

“三十而立”对于一家企业而言可谓正当时，在30周年之际，思科不仅发布了面向下一代网络的Wi-Fi 7解决方案，可增强数字韧性的云端安全接入，以及人工智能就绪的数据中心解决方案，并启用上海全新现代化办公室。

近日，北京市经信委发布北京市5G产业发展行动方案（2019年－2022年），表示将以实现关键核心技术自主可控为引领，掌握5G创新主动权、发展主动权，构筑高端高新的5G产业体系，以增量带动存量，拉动首都新一代信息技术产业全面升级。

12月2日,由校园空间总冠名,腾讯微视主办,并由虎牙直播、先知电竞作为战略合作伙伴的2018腾讯微视星联赛在苏州市高新文体中心圆满结束。

在一线效率被重新定义的当下，新一轮技术与市场变化，也正在为斑马技术打开新的增长窗口。

AWS EC2 G4实例采用高效的Turing架构处理器，可部署加速超大规模AI推理、云游戏和最新RTX图形应用。

今年的CES上，Web3与元宇宙技术成为本届CES上备受瞩目的技术焦点，一众厂家都在向大家展示，《头号玩家》中“绿洲”的美好愿望正在被实现。

随着人工智能技术的普及，游戏圈中的人机对决已不足为奇。启元世界就是一家将AI的能力应用在游戏中的企业，通过亚马逊全球的丰富基础设施资源，以及数据分析托管服务，让启元世界的AI能力可以服务全球游戏，实现20MS的快速响应。

清华大学和上海人工智能实验室联合开发的AutoMat是一个突破性工具，能自动将电子显微镜图像转换为精确的晶体结构模型并预测材料性质。系统整合了模式自适应降噪、物理引导模板匹配、对称感知结构重建和机器学习性质预测四大模块，由大语言模型代理协调运行。在自创的STEM2Mat-Bench基准测试中，AutoMat远超现有多模态大语言模型，为桥接显微镜成像与原子模拟提供了自动化解决方案，显著加速了材料科学研究流程。

本文介绍了Google DeepMind推出的升级版Gemini 2.5 Pro I/O版，其在代码生成方面表现卓越，刷新了相关基准测试成绩，并获得开发者一致好评，加速真实编程场景落地应用。

数据保护和管理软件开发商Veeam近日在美国拉斯维加斯举行的VeeamON 2022大会上，发布了Veeam旗舰数据保护技术的最新版本——Veeam Backup & Recovery v12。

阿曼电信于2019年启动5G规模部署，经过两年发展5G 用户进入高速增长期，5G用户渗透率达12%，5G流量占比持续攀升达到35%。

缺乏信任是阻碍市场加快增长的最大瓶颈，而未来几周时间内，速度将是至关重要的。

处于人工智能（AI）变革的浪潮中，企业都希望从这项可能决定一代人命运的技术中获利。

新加坡国立大学研究团队开发了名为IEAP的图像编辑框架，它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色，但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作，并利用思维链推理技术智能分解用户指令，实验证明其性能显著超越现有方法，尤其在处理复杂多步骤编辑时。

AREAL是一个由清华大学和蚂蚁研究院开发的全新异步强化学习系统，专为提升大语言模型的推理能力而设计。与传统同步系统不同，AREAL完全解耦了生成和训练过程，推理工作器持续生成新输出，训练工作器则在收集到足够数据时更新模型。通过创新的过时性感知训练和解耦PPO目标函数，AREAL成功解决了异步训练中的数据过时和策略不一致问题。实验表明，AREAL在数学和代码推理任务上实现了高达2.57倍的训练加速，同时保持或提高了模型性能。