人大团队提出HiRA框架，通过"元推理规划器-自适应协调器-专门执行器"的三层分工体系，让AI像企业团队一样协作处理复杂搜索任务。该系统将高层战略规划与具体执行分离，配备双通道记忆机制，在四个深度搜索基准上显著超越传统方法，为AI系统设计提供了分工协作的新思路。

人工智能项目正在面临非常严重的投资回报率问题。

Nebius团队开发了SWE-rebench，一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战：高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理（初步收集、自动安装配置、执行验证和质量评估），SWE-rebench构建了包含超过21,000个Python交互式任务的数据集，并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大，而DeepSeek模型在开源模型中表现最为稳健。

如今汽车正逐渐成为“车轮上的数据中心”，而先进功能和计算架构的创新也使得这一称号愈加贴切。

UCLA研究团队开发了名为Dreamland的创新系统，能够将简陋的计算机模拟画面转换为逼真的真实世界图像。该系统采用分层世界抽象方法，巧妙结合物理模拟器的精确控制和生成式AI的视觉质量，在图像质量和可控性方面分别提升50.8%和17.9%，为自动驾驶训练、游戏开发和虚拟现实等领域提供突破性解决方案。

Juniper昨天发布了强劲的第四季度财务业绩，利润和销售额均超出了华尔街的预期水平。该季度，Juniper在不计入股票补偿等特定成本情况下的每股利润为55美分，营收为12.2亿美元，比去年同期增长1％。

请暂且按捺兴奋的情绪，我们手头还有很多工作要做。

商业房地产巨头CBRE的技术主管强烈建议在评估用例之前为实验奠定基础，其结果不言自明。

普华永道的“供应链数字趋势调查”对全球244名运营和信息技术领导者、C级高管和其他供应链管理者进行了调查，有近80%的受访者表示，他们的技术投资并没有完全实现预期结果。

随着能源成本和电力需求的上升，公用事业部门利用蜂窝技术，降低满足快速发展的电网和消费者需求的复杂程度——使公用事业提供商能够扩大容量，优化基础设施的利用率，提高电网可靠性并通过安全可靠的网络提高运营效率。

这项研究提出了ORV（占用中心机器人视频生成）框架，利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比，ORV能提供更精确的语义和几何指导，实现更高的时间一致性和控制精度。该框架还支持多视角视频生成（ORV-MV）和模拟到真实的转换（ORV-S2R），有效弥合了虚拟与现实之间的差距。实验结果表明，ORV在多个数据集上的表现始终优于现有方法，为机器人学习和模拟提供了强大工具。

这项由香港中文大学和新加坡国立大学研究者合作开发的"思考或不思考"（TON）框架，通过创新的"思考丢弃"策略和两阶段训练方法，实现了让视觉-语言模型能够像人类一样根据问题难度选择性推理的能力。实验表明，TON可减少高达90%的输出长度，同时保持或提升性能，在计数、数学和导航等多种任务中展现出显著优势，为AI系统在保持推理质量的同时大幅提升效率提供了新思路。

IDC全球半年度区块链支出指南（IDC Worldwide Semiannual Blockchain Spending Guide）称，除日本以外的亚太地区（APEJ）区块链解决方案支出预计将在2018年达到2.8169亿美元，几乎是2017年1.4876亿美元支出的2倍。

上海人工智能实验室等机构联合发布的最新研究，开发出能够像人类专家一样"阅读"化学分子图像的AI系统GTR-Mol-VLM。该系统采用模仿人类思维的"图遍历视觉思维链"方法，在处理含缩写的复杂分子图像时准确率达84.50%，比现有最佳方法高出约14个百分点，为药物研发和材料科学等领域的数字化转型提供了重要技术支撑。

浪潮信息“源”大模型专家表示，大模型的幻觉问题有不同的类型，针对不同类型的幻觉，采用不同的技术路线进行解决。

这项研究揭示了大语言模型在学习推理时对噪声奖励的惊人适应力。研究表明，即使有40%的奖励信号被故意颠倒，Qwen-2.5-7B模型仍能将数学题准确率从5%提升至72%。更惊人的是，仅奖励模型使用关键推理词组（如"首先，我需要..."），而不验证答案正确性，也能达到70%以上的准确率。研究者提出的推理模式奖励（RPR）不仅能让模型在数学任务中表现出色，还能有效校准开放性任务中的噪声奖励模型，提升较小模型的推理能力。这表明大模型在预训练阶段已掌握了推理能力，强化学习主要帮助它探索有效的推理模式。

滴普科技在拓宽数字化主航道的基础上聚焦产业数字化，将战略升级为全场景数据智能服务商，本轮融资将用于企业全场景数据智能的研发及市场的布局，积极推进构建万物互联的产业数字化时代。

这项研究解决了开源推理大模型领域的关键挑战：如何从零开始构建高质量的长思维链数据集，以解决大语言模型在强化学习中的冷启动问题。研究团队开发了一个创新管道，使普通大语言模型能够产生长思维链推理，方法是先收集少量种子数据捕获o1模型的推理策略，然后通过分步生成扩展到10万个高质量实例。实验表明，使用这一数据集训练的模型在强化学习阶段获得了2-3倍的性能提升，证明了该方法在构建不依赖现有推理大模型的开源替代品方面的巨大潜力。

2022年10月12日-14日，2022 SuperMap开发者大会(2022 SuperMap Developer Conference,简称“SDC 2022”)将在线举办。

Zerve AI Ltd. 推出一款多代理系统，将 AI 代理从代码助手升级为全流程协作者，覆盖规划、基础设施部署、构建与发布，并内置分布式计算引擎及 App Builder，加速企业级 AI 产品开发。