联想数据中心业务集团（以下简称联想DCG）发布了联想企业级混合云产品家族，同时携手包括世纪互联、VMware、微软、平安联想智慧医疗在内的多家行业领先合作伙伴打造联想云管理服务提供商（MSP）生态圈，引领企业智能化变革。

如果说在过去的这五年时间里，更多企业是在局部场景单点试水，那么下一个五年，这些“点”将加速蔓延开来，联结成一场范围更广、规模更大、层次更深的智能制造升级变革。

北京大学团队开发的3D-R1系统实现了AI在三维空间理解领域的重大突破，通过结合高质量思维链数据集Scene-30K和强化学习技术，让AI首次具备了类似人类的空间推理能力。该系统不仅能准确识别物体位置关系，还能进行复杂的空间规划和推理，在多项测试中性能提升约10%，为智能家居、自动驾驶和虚拟现实等领域的实际应用奠定了重要基础。

这项由斯坦福大学和多家研究机构联合推出的R3（强健的无评分标准奖励模型）系统，解决了现有AI评估模型在可控性与可解释性方面的关键缺陷。不同于仅提供分数的传统模型，R3能适应任何评分标准，支持单项评分、对比评分和二元评分三种评估形式，并提供详细解释。研究团队从45个来源构建了高质量数据集，即使仅用14,000个训练样本，R3模型也在众多基准测试中超越了现有系统。这一突破性研究为AI系统提供了更透明、更可信的评估方式，有望显著改善人类与AI的互动体验。

这项研究提出了一种名为"控制目标原子"(STA)的新方法，用于精确控制大语言模型的行为。与传统提示工程相比，STA通过稀疏自编码器识别并操作模型内部的解耦知识组件，实现更稳健、灵活的行为控制。实验证明，STA在安全控制方面表现卓越，同时对模型一般能力影响微小。研究还发现控制引导方法在应对对抗性场景时比提示工程更为稳健，并成功应用于控制大型推理模型的思考长度。

“新收购的第三分厂数据已于前日完成导入，但有财务、监察等部门反映，近两日报表数据获取缓慢，有时会出现客户端卡住、报错、死机等情况，严重影响销售系统正常运行……”

区块链如何为人工智能解锁新的领域？

科技行者独家专访了美国消费技术协会（CTA）副总裁兼代理展会总监John T. Kelley，一览CES 2023不同于以往的创新与突破。

康奈尔科技大学研究团队发现了文本生成AI中离散扩散和高斯扩散模型间的数学对偶关系，开发出Duo框架。该框架通过课程学习将训练速度提升2倍，通过离散一致性蒸馏将生成速度提升两个数量级，在多个基准测试中超越传统自回归模型，为快速高质量文本生成提供了新突破。

有时候，最大最真的道理反而解决不了任何实际问题。这不只是种悖论，同时也是一种定义。在某些矛盾的核心当中找出真相，才有可能确定继续前进的最佳道路。

如今，越来越多的领域都在关注如何利用情感识别技术记录情感，连接用户，洞察用户需求。包括联合利华、宝洁、玛氏、本田、凯洛格、可口可乐等在内的诸多大型公司都在试图采用情绪识别来分析和测试客户对其营销的反应。

OpenAI正致力于打造能够执行复杂任务的AI智能体，这一努力源于其数学推理团队MathGen的突破性工作。通过结合大语言模型、强化学习和测试时计算技术，OpenAI开发出了o1推理模型，该模型在国际数学奥林匹克竞赛中获得金牌。尽管当前AI智能体在主观性任务上仍有局限，但OpenAI相信推理能力的提升将最终实现通用智能体的目标。

目前，绝大多数公有云服务商都提供IaaS服务，由于技术相对成熟，差别已经不大。由于大多数企业上云都是从IaaS切入，而IaaS的成熟和同质化后，给用户公有云选型带来了困惑。

这项由中国科学院大学、新加坡国立大学、浙江大学和耶鲁大学研究人员联合发表的研究提出了VF-EVAL，一个专门评估多模态大语言模型对AI生成视频提供反馈能力的新基准。研究通过四项任务：连贯性验证、错误感知、错误类型检测和推理评估，全面测试模型理解合成视频的能力。研究发现即使是最先进的GPT-4.1模型也难以在所有任务上保持良好表现，表明AI对生成视频的理解仍有巨大提升空间。研究还通过REPROMPT实验证明，将大模型反馈与人类偏好更好地对齐可以显著提升视频生成质量。

2019年8月28日，必示科技在北京召开了2019智能运维技术应用大会，大会以“智享运维 共塑未来 ”为主题，邀请来自清华大学、中国建设银行、民生银行、国泰君安证券等专家分享了智能运维发展趋势以及最佳实践。

大家难免好奇，在5G加持下，本次半马可以为运动员和观众带来怎样的新感受？未来将给半马沿线的重庆人民和外地游客带来哪些新变化和新体验？放眼整个重庆，还有哪些精彩商业应用案例值得关注？让我们一起来探究。

数字化转型的核心不在于淘汰员工，而是帮助员工完成转型，成为企业新一代的数字化人才，为企业所用。

MongoDB日前发布了新的云品牌——MongoDB Cloud，该品牌旗下除了MongoDB云版本Atlas之外还包括Atlas Data Lake和移动端数据库Realm。

复旦大学团队发布BMMR数据集，这是首个大规模跨学科多模态推理评估基准，包含11万个涵盖300个学科的大学水平问题。研究发现即使最先进的AI模型在跨学科推理中表现有限，揭示了当前AI发展的重要盲点。该数据集支持中英双语，配备专门的推理过程评估工具，为AI向通用智能发展提供重要支撑。

这篇研究论文提出机械可解释性研究应优先考虑稀疏自编码器(SAE)的特征一致性问题。研究人员观察到SAE在不同训练运行中常学习到不一致的特征集，这削弱了研究可靠性。他们提出使用成对字典平均相关系数(PW-MCC)来量化一致性，并证明适当架构设计能实现高一致性(TopK SAE达0.80)。研究通过理论分析、合成数据验证和语言模型实验，证实特征激活频率与一致性正相关，且向量相似性与特征语义相似性高度一致。这项工作为建立更可靠、累积的机械可解释性研究提供了重要方向。