这项由法国中央理工大学等欧洲多所知名机构联合开展的大规模研究，通过训练38个模型和超过15000次实验，深入比较了两种主流语言模型训练方法的优劣。研究发现传统的掩码语言建模仍占优势，但提出了创新的双阶段训练策略，为大语言模型训练提供了重要指导。

台湾大学研究团队通过大规模人类听觉测试，首次系统评估了五个主流AI语音系统对自然语言指令的理解准确度。研究发现GPT-4o-mini-TTS在程度副词和情感强度控制方面表现最佳，但所有系统在年龄模仿和重音控制上都存在明显不足，普遍倾向于生成成年人声音，揭示了当前AI语音技术在精细控制方面的局限性。

你的IT部门可能存在一些潜在问题，如果你不及时处理，可能会在你的手中发生一场灾难。

香港中文大学(深圳)研究团队开发出FusionAudio-1.2M数据集，创新性地融合音频、视觉、语音和音乐信息来生成详细的音频描述。该研究采用多模态专家系统和大语言模型整合的两阶段方法，构建了包含120万高质量音频描述的大规模数据集。实验表明，使用该数据集训练的AI模型在音频理解和检索任务上显著超越现有方法，为智能语音助手、自动驾驶等领域带来重要应用前景。

UCloud科创板独立上市创造了多个第一，这一方面是科创板为其提供了制度保障，另一方面也是UCloud自身的强大实力，真可谓是“天时地利人和”。期待上市后的UCloud“一路飘红”，为中国云计算市场的发展贡献自己的力量。

这项来自斯坦福大学和慕尼黑大学的研究发现，AI推理模型容易陷入"群体迷思"——当错误答案出现频率更高时，传统多数投票会误选错误结果并不断强化。研究团队提出T?RL解决方案，通过外部工具验证打破封闭共识循环。实验显示在困难数学问题上性能提升达31.6%，同时提高计算效率和训练稳定性。

要论控制力，唯一比垄断和寡头地位更强大的，就是数量支撑下的市场份额。无论是从经济角度还是技术层面来看，半导体乃至整个IT行业竞争的实质都是占比的胜利、是数量的胜利。

Google DeepMind发布PaliGemma 2视觉语言模型家族，基于Gemma 2语言模型升级，提供3B/10B/28B三个版本和多种分辨率支持。模型在文字识别、表格分析、分子结构识别、音乐乐谱识别、医学影像等专业领域达到最先进水平，通过开放权重形式免费提供，支持CPU推理和模型量化，大幅降低部署门槛。

阿里巴巴等机构联合研究团队通过分析2021-2024年间148个国家发布的2000多个多语言AI评测基准，发现尽管全球已投入超过1100万美元，但现有评测体系与人类真实判断仍存在巨大鸿沟，特别是在语言理解任务上关联度仅11-30%，远低于数学推理任务的70-85%。

塔尔图大学研究团队开发了IAUNet细胞分割系统，这是首个将U-Net与Transformer查询机制结合的生物医学AI技术。该系统能够精确识别明场显微镜下重叠的细胞，性能超越现有方法同时参数更少。研究团队还构建了Revvity-25数据集，包含110张高精度标注图像，每个细胞使用60-400个多边形点精确描绘。IAUNet在多个数据集上均取得最佳性能，为药物研发、疾病诊断等提供重要工具。

本文讲述了几个创始人从OpenAI出走，带着一套“AI必须讲道德”的理念，创立了Anthropic这家公司，并培养了（他们说的）“AI界最正直的公民”Claude。

基于深度神经网络的AI系统正在以惊人的效率分析医学影像，并诊断其中的潜在病症。

又是个平常的一天，光谷科技会展中心方舱医院内，医护人员正在井然有序地忙碌着。

如今,每个企业都在寻找自身数字化转型的“最佳路径”。“数云融合”是数字经济的特征,是探究企业数字化转型路径的思路和方法论,也将是重构企业价值、推动新经济产生的新引擎。

加州大学伯克利分校提出K-Search方法，通过将大型语言模型改造为"世界模型"来指导GPU内核优化。该方法在FlashInfer等复杂内核上实现平均2.10倍性能提升，最高达14.3倍，并在GPUMODE竞赛中取得最佳成绩。研究展示了AI从简单代码生成向智能推理规划的演进。

锐龙7 8700G、酷睿i7-14700两款重量级置于聚光灯下，进行一场全面而严苛的性能对决。

随着“Granite Rapids”至强6的发布，英特尔决定放弃使用HBM内存，转而采用其希望推向主流的MCR DDR5主内存。

MoCA-Video是沙特阿卜杜拉国王科技大学研究团队开发的免训练视频编辑框架，通过运动感知概念对齐技术实现高质量语义混合。该方法巧妙利用对角线去噪调度和无类别分割技术在潜在空间中精确跟踪目标，并通过动量校正和伽马残差噪声保持时间连贯性。研究团队引入新指标CASS评估概念混合效果，实验表明MoCA-Video在视觉保真度、时间流畅性和语义整合方面优于现有方法，为创意视频编辑开辟新途径。

苹果公司联合多家顶尖研究机构首次开发出能同时理解和生成文字、图片、音频的统一AI模型，采用创新的掩码扩散技术和"填空游戏"式训练方法，在30亿参数规模下实现了跨模态信息处理的技术突破。研究团队还建立了多模态AI的规模化定律，发现这种统一模型比传统方法更加数据高效，为未来AI技术发展提供了重要指导。

香港中大团队开发出ScreenCoder系统，能够直接将网页设计图转换为完整的HTML/CSS代码。该系统采用三个专门AI助手协作的方式：识别专家负责检测界面元素，规划专家构建布局结构，代码生成专家输出最终代码。测试显示布局准确率达75.5%，显著超越现有方法。该技术不仅提高了网页开发效率，还能作为训练数据工厂改进其他AI模型，为设计到代码的自动化转换提供了新的解决方案。