卡内基梅隆大学研究团队提出MRT方法，通过元强化学习优化AI推理过程。该方法不仅关注最终答案正确性，还奖励思考过程中的有效进展，解决了现有AI"思考时间长但效率低"的问题。实验显示MRT在数学推理任务中准确率提升2-3倍，计算效率提升1.5-5倍，为构建更智能高效的AI系统提供了新路径。

Strategy Analytics联网家庭设备（CHD）研究服务发布的最新研究报告《全球联网和物联网设备预测更新》指出，截至2018年底，全球联网设备数量达到220亿。

壳牌公司总部位于英国伦敦，这家能源巨头在混合云平台和Databricks数据湖库的推动下，正在进行持续的数字化转型，其中涉及到人工智能等多种技术，旨在优化业务效率和利润，并随着时间的推移减少碳排放。

今天的全球市场，人工智能、区块链、传感器、5G网络、联网汽车等新兴行业的不断兴起，驱动着数据的爆炸式增长。

AWS的首席执行官Andy Jassy即将在今年晚些时候担任Amazon的首席执行官。

想象一下，你拥有一部记录全家旅行的一小时视频，里面包含了许多琐碎的日常片段，但也有一些珍贵的难忘时刻。如果要向朋友展示这段旅程的精华，你可能需要手动浏览整个视频，找出重要片段，然后制作一个简短的剪辑。这个过程既耗时又繁琐。

根据Gartner的数据，全球服务器市场在2017年持续增长，其中第四季度全球服务器收入增长25.7%，出货量同比增长8.8%。从全年来看，全球服务器出货量增长3.1%，收入相较2016年增长了10.4%。

英国曼彻斯特大学研究团队开发了Distilled-3DGS技术，首次将知识蒸馏应用于3D场景重建压缩。通过"多师傅带徒弟"的训练方式，该技术在减少86%以上存储空间的同时提升了图像质量，为VR/AR、自动驾驶等应用在普通设备上的部署开辟了新路径。

浙江大学研究团队发现AI写作中的"时间振荡"现象：AI在生成过程的中间步骤往往给出正确答案，但最终输出时却被错误答案覆盖。团队提出"时间自一致性投票"和"时间一致性强化"两种解决方案，通过利用中间过程信息显著提升AI性能，在多个数学推理任务上实现2-25%的准确率提升，为AI系统的可靠性改进提供了新思路。

在CTO Alex Smart带领下，Southern Cross旅游保险通过优化团队和架构，并利用AI等技术，于11个月内重塑核心保险平台，实现全方位数字转型，打造一致高效的客户体验。

杭州云之鼎数据与联想企业科技集团的合作表明，借助云之鼎在数据中心基础设施的优势，联想积极部署企业云战略。

SEARCH-R1 是一项创新技术，通过强化学习方法训练大语言模型生成搜索查询，并将搜索引擎检索无缝集成到推理过程中。这项技术突破了传统 RAG 和工具使用方法的局限性，使模型能够在推理过程中动态获取和利用最新的外部信息，为企业应用提供了更智能、更可靠的 AI 解决方案。

拉斯维加斯是世界娱乐之都，以赌博著称，当然除了赌博，表演秀也是拉斯维加斯的魅力所在，CES就像拉斯维加斯另外一场表演秀，舞台是全世界。

维谛技术（Vertiv）的U锂融合方案比铅酸电池轻60%左右、占地面积少了70%，所以空间成本更低，更适配寸土寸金的中小IT、边缘计算场景，比如，智能制造、医疗、企业、银行网点等。

谷歌DeepMind研究团队发现AI系统能够自发学会组合泛化能力，即将已知概念重新组合理解全新组合。研究揭示当训练数据覆盖约70%基础概念组合时，AI会突然获得"想象力"，能处理从未见过的概念组合。这一突破为构建更智能灵活的AI系统提供了理论基础，未来AI将能像人类一样举一反三，处理全新场景和任务。

上海AI实验室提出SOPHIA方法，通过半外部策略强化学习让视觉AI学会深度推理。该方法结合模型自身视觉理解与外部推理能力，有效避免视觉幻觉问题。在多个基准测试中显著提升性能，InternVL3.0-38B平均提升8.50%，在挑战性数学和科学推理任务上甚至超越部分闭源模型，为多模态AI的"慢思考"能力发展提供了新路径。

“不要去追热门的东西，这样你容易迷失自己，我们会在数据复制这个领域一直做，把它做到全球第一，这对于我们来说才是最重要的。”

Twitter公司首席技术官Parag Agrawal在今天下午发布的一篇博客中透露，Twitter计划将其部分基础架构迁移至Google Cloud Platform上。该高管称，此举旨在解决"我们服务不断增长的需求"，尤其是围绕分析方面的需求。

香港大学等机构联合发布EgoHumanoid系统，首次实现用VR眼镜记录人类日常活动来训练人形机器人。该系统通过视角和动作对齐技术，让机器人学会在多样化环境中执行复杂任务，在陌生环境中的成功率比传统方法提升51%，为机器人训练开辟了全新路径。

经济奇点指绝大多数人类失去工作的时刻。作者分析了关于经济奇点的五个常见误区：自动化不会造成失业、工作提供人生意义、经济奇点是坏事、收入分配问题及就业逐步消失。文章指出，认知自动化与过往机械化不同，将全面替代人类工作。失去工作后人们仍可从家庭、兴趣中获得意义。关键挑战是收入分配，需要大规模财富再分配和接近免费的商品服务。就业可能突然全面消失，社会必须提前准备应对方案。