这项由哈佛大学、OpenAI等顶级机构联合开展的研究颠覆了物理学界对胶子散射的传统认知。研究团队发现，长期被认为不存在的"单负胶子散射"实际上在特殊的克莱因空间和半共线条件下可以发生，且表现出分片常数行为。更令人瞩目的是，关键公式由GPT-5.2 Pro首先提出并由AI完成证明，展现了人工智能在前沿物理研究中的突破性作用，为理论物理学和科学发现开辟了新的研究范式。

在ThoughtWorks数据及AI业务负责人史凯看来，现在数字化转型已经进⼊到数据驱动的新阶段，为了全方面挖掘数据的价值，ThoughtWorks将精益思想与数据创新进行融合，推出了精益数据创新架构，帮助企业用精益敏捷的方法构建数据运营、智能创新的能力。

布朗大学与Adobe研究院联合推出MS4UI数据集，专门解决软件教学视频的智能总结问题。该研究收集了2413个Adobe软件教程视频，提出视频分割、文本总结、视频总结三大任务，为软件学习AI开辟新方向。实验显示现有方法表现不佳，凸显了专业领域AI的技术挑战。

敏捷性、人工智能、自动化和员工进步是首席执行官Soni推动增长、提高运营效率和快速增强客户体验的企业战略中一个关键支柱。

Dynatrace的一项最新调查揭示了CIO正寻求自动化和智能化手段，让有限的 IT 资源与快速攀升的云复杂性之间的差距逐渐缩短。

为了保护企业IT安全，企业需要采取动态模式，不仅考虑物理属性，还要考虑社会和技术的发展。2024现已过半，Commvault观察到了正在改变网络威胁局势的六大趋势：云、远程办公、物联网、软件供应链、AI和社交网络。

清华大学团队开发出"思维链提示"技术，让AI学会逐步推理而非直接给答案。该方法使AI在复杂推理任务中准确率提升40%以上，从根本上解决了AI"黑盒子"问题。技术通过特殊模板引导AI展示完整思考过程，实现了从"直觉反应"到"逻辑推理"的升级，为AI在教育、医疗、法律等领域的应用开辟新道路。

OpenAI正寻求400亿美元新一轮融资，估值或达3400亿美元。软银可能领投150-250亿美元，并协助寻找其他投资者。这笔资金将用于支持亏损业务运营和建设AI数据中心网络，以应对来自竞争对手的挑战，推动AI技术进步。

东南大学等机构研究团队通过数学分析发现传统AI训练方法存在隐藏缺陷，提出仅需一行代码修改的动态微调方法，在数学推理任务上效果提升3-7倍，甚至超越复杂强化学习方法，为AI训练效率改进提供了简单而强大的解决方案。

这项研究开发了VIDEO-RTS系统，仅用传统方法3.6%的训练数据就让AI学会了真正的视频推理能力。系统采用"纯强化学习"跳过死记硬背阶段，结合"稀疏到密集"的自适应推理策略，在五个权威测试中平均准确率提升2.4%。这一突破性进展可能改变AI视频理解的发展方向。

时至今日，云计算日的普及已经超过10年，技术的不断迭代以及行业的日益成熟，使其在新趋势下呈现了另一番产业格局。纵观当下，公有云服务竞争愈加激烈，私有云服务市场需求不断增长，混合云逐渐成为云部署的优选模式之一。

Mergenetic是一个开源工具库，让研究人员能在普通GPU上进行进化式模型合并。由罗马萨皮恩扎大学和洛桑联邦理工学院研究者开发，它集成了19种进化算法和6种合并策略，支持数据集抽样以减少计算负担，并提供Python API、命令行和图形界面三种交互方式。通过案例研究证明，该工具能有效合并多语言模型和促进跨语言能力迁移，降低了高质量模型合并的技术门槛，使普通研究者也能创造出优秀的语言模型。

上海交大团队通过创新的"中期训练"方法成功解决了不同AI模型在强化学习中表现差异巨大的问题，让原本在数学推理上表现不佳的Llama模型达到了与顶尖Qwen模型相当的思考能力，为培养更智能的AI推理系统提供了重要突破。

Ocient 与 AMD 合作，采用第四代 EPYC CPU，将处理能力提升 3.5 倍，内存吞吐量翻倍。这一升级不仅显著提高了数据分析性能，还降低了运营成本和能耗，为企业应对 AI 和大数据分析的挑战提供了强有力的支持。

勒索软件占本季度参与量的30%，比上一季度增长22%，首次观察到新的勒索软件团伙Mallox和 Underground Team。该公司还处理了正在进行的Black Basta和BlackSuit勒索软件攻击，这些是本季度最多的攻击。

为践行可持续发展，将浪费降至最低，并尽可能减少温室气体排放，企业应当积极采取行动，向循环模式转型。近日，英特尔公司制造与供应链事业部副总裁、英特尔成都公司总经理卞成刚发表署名文章，提出企业循环经济发展的三大趋势。

加利福尼亚大学和萨里大学研究团队开发了一种创新的AI系统，能够仅通过简单的手绘素描就在复杂照片中精确识别关键点。这项技术突破了传统机器学习需要大量同类数据的限制，实现了真正的跨模态学习。系统在动物关键点识别任务中达到了39%的准确率，超越现有方法约5个百分点，并且在真实手绘素描测试中表现稳定。该技术有望在生物学研究、医疗诊断、工业检测等多个领域找到广泛应用。

MBZUAI研究团队开发的SVRPBench是首个模拟真实物流环境的随机车辆路径问题基准测试平台。它通过建模时间依赖的交通拥堵、概率性延误和客户特定时间窗口，为500多个包含最多1000客户的测试实例注入真实世界的不确定性。实验结果显示，先进的强化学习算法在分布变化时性能下降超过20%，而传统方法表现更为稳健。该开源平台通过GitHub和Hugging Face发布，旨在推动更适应现实世界不确定性的路由算法研究。

据The Information近日报道，微软计划建造一台拥有数百万处理器的超级计算机，以支持OpenAI的研究。

数源AI推荐的论文‘VideoMamba: State Space Model for Efficient Video Understanding‘介绍了VideoMamba模型，它通过线性复杂度运算符实现高效长视频理解。该模型克服了3D CNN和视频变换器的局限，具备可扩展性、敏感性、优越性和兼容性。