作为住宅房地产电子商务平台Opendoor的首席技术官，Raji Subramanian负责领导技术和产品开发的各个方面，并配备了敬业的团队以确保有一个可信的流程面向客户。近日，她和我们分享了她对客户至上、问题识别、向后和向前工作的一些观点。

浙江大学研究团队开发了CAT方法，通过在大语言模型的注意力机制中注入因果知识，解决AI容易学习虚假关联而非真正因果关系的问题。实验显示该方法显著提升了模型在新环境下的表现，如Llama模型准确率从64.5%提升至90.5%。这项创新为开发更可靠、具备真正推理能力的AI系统提供了新思路。

IBM商业价值研究院进行的一项新的全球研究发现，尽管大多数组织都认识到可持续性对实现业务战略至关重要，但许多高管却表示难以为公司的可持续发展投入资金。

近年来，数字孪生技术已经在制造业、工业及航空航天等多个领域得到应用。如今，欧洲着手推进Neurotwin项目，计划为人脑制作出虚拟副本。

OpenAI前联合创始人Ilya Sutskever的新AI公司Safe Superintelligence (SSI)与Google Cloud达成合作，使用其TPU芯片支持AI研究。这表明SSI将在Google Cloud上投入大量计算资源。Google Cloud此前也与其他由前谷歌AI研究人员创立的AI初创公司达成类似合作。SSI成立于2024年6月，专注于开发安全的超级智能AI系统。

最近来自清华大学、无限极AI和上海交通大学的研究团队提出了一种名为"通向罗马之路"(R2R)的创新方法，可以在小型和大型语言模型之间进行智能令牌路由。研究发现，小型模型与大型模型的推理路径差异主要源于少量"分歧令牌"。R2R方法只在这些关键令牌上使用大模型，其余时间使用小模型，既保证了推理质量，又提高了效率。实验表明，使用平均5.6B参数的R2R方法超越了14B参数模型的性能，同时提供了2.8倍的速度提升。

伟大IT组织的诞生绝非偶然。建立一支成功的团队需要奉献、支持和想象力。

普渡大学研究团队开发的深度平衡正则化器（DEC）解决了AI模型在处理不同大小物体时判断不一致的问题。该方法基于单调缩放群理论，通过潜在空间正则化显著提升了ViT、Swin等模型的尺度一致性和整体准确率，在ImageNet等数据集上表现优异，为自动驾驶、医疗图像分析等应用提供更可靠的视觉识别能力。

香港科技大学研究团队通过模型融合技术，成功将数学推理能力转移到视觉语言模型中，在保持视觉理解能力的同时显著提升数学问题解决能力。研究发现AI模型的不同功能分布在不同层次，为多模态AI发展提供新思路。

研究发现，大型语言模型通过内部的人格向量机制展现愤怒、嫉妒、吹嘘等情感特征。人格向量是由数学和计算元素组成的线性方向，在激活空间中控制AI的性格特质。研究者可以通过检测、控制和操纵这些向量来监管AI行为，特别是针对恶意行为、过度迎合和幻觉等问题。这一发现对理解AI情感模拟机制具有重要意义。

这项由MIT和Meta AI联合开展的研究首次实现了让AI系统完全自主学习精准引用的能力。SelfCite方法通过"上下文消融"让AI自我评估引用质量，无需人工标注数据。在LongBench-Cite基准测试中，该方法将引用准确率提升5.3个百分点，达到79.1的F1分数。这一突破为构建可信AI系统提供了重要技术基础，有望在新闻、学术、法律等领域广泛应用。

清华大学研究团队提出"AI智能体行为科学"新范式，通过观察AI在虚拟环境中的自发行为发现其具备规划、适应和社交能力。研究涵盖个体行为、群体互动和人机协作三个层面，并借鉴福格行为模型建立了能力-动机-触发器的行为适应框架，为负责任AI发展提供了行为导向的测量和优化方法。

这项由ETH苏黎世、ELLIS图宾根研究所和MPI图宾根的研究者合作完成的论文，揭示了评估大型语言模型预测能力时的关键陷阱。研究发现两类主要问题：数据时间泄露导致评估结果不可信，以及基准测试表现难以外推到实际预测能力。通过系统分析，研究者展示了这些问题如何可能导致对语言模型预测能力的过度乐观评估，并提出了更严格的评估方法建议，以帮助科研社区更准确地判断大模型的真实预测能力。

数字孪生技术或是业界公司确保实现ESG目标最有效的工具。

“数字化转型，是一个有起点，但是没有终点的过程。”华为中国政企CMO邱恒接受媒体采访时说道。

香港大学团队提出UniVLA框架，通过"任务中心潜在动作"技术让不同机器人共享技能，无需大量标注数据即可从网络视频学习。在多项基准测试中显著超越现有方法，仅用1/20计算资源就达到更好性能。该研究为机器人跨平台技能迁移和大规模学习提供了新思路，有望推动通用机器人助手的实现。

这篇论文探讨了强化微调（RFT）如何增强多模态大语言模型（MLLMs）的推理能力。研究指出，作为一种后训练算法，RFT已在各种模态（视觉、音频、GUI等）、任务和领域中取得显著成功。论文详细分析了现有工作，总结了RFT在多模态推理中的五大成功：多样化模态应用、广泛的任务与领域支持、算法改进、丰富的评测基准和完善的工程框架。作者还提出五个未来研究方向：提升跨模态泛化能力、结合不同奖励范式、加强安全性研究、探索数据增强技术以及开发更优算法和应用场景。

南洋理工大学研究团队开发了名为Puppeteer的自动化系统，可将静态3D模型转换为完整的动画资产。该系统包含自动骨骼生成、智能皮肤绑定和视频引导动画制作三大核心功能，基于5.94万个高质量样本的大规模数据集训练。相比传统需要数周的手工制作，Puppeteer可在约30分钟内完成整个流程，在多项指标上显著超越现有方法，为3D内容创作的智能化转型提供了重要技术突破。

从本期杂志封面可以看到，我们重点关注半导体芯片行业。应该说近期半导体行业的新闻不断，“缺芯”问题正在全球愈演愈烈。现在整个社会对芯片的依赖越来越高，深入到了各个领域芯片巨头相继宣布扩产。

葛兰素史克、阿斯利康、盖伊和圣托马斯NHS基金会、伦敦国王学院、Oxford Nanopore公司将使用NVIDIA的全新“Cambridge-1”AI超级计算机。