华沙大学联合研究团队首次将μ参数化技术成功扩展至混合专家架构，解决了MoE模型训练中的超参数调优难题。通过理论分析和实验验证，证明了小模型上找到的最佳学习率可直接应用于大模型，大幅降低训练成本。研究发现专家网络应视为隐藏权重，路由器应视为输出权重，采用不同缩放策略，为大规模AI模型高效训练提供重要工具。

[前言] 技术创新要通过赋能千行百业而体现，更需要无数创业者以新思路来呈现。GSMA 5G创新与投资平台（5G IN）推出「创业者说」系列访谈，携手新媒体平台科技行者，分享创业者的创新故事。

“云测试”的产生是奔着解决传统测试痛点而来，在这个领域，行业竞争也在激烈展开，但基本的格局已经形成。

Apache基金会主席David Nalley谈Amazon Linux 2023与自由软件。

Adobe也迎着热乎气发布了自家的创意生成式人工智能模型集Adobe Firefly。

GraphPipe是一个新的开源软件项目，它指向了下一波人工智能领域的前景。

近期一项调查显示,大型企业正大幅增加对生成式人工智能的投资和应用。本文分析了五个原因,解释为何生成式人工智能的实施将主要由业务部门而非IT部门主导,包括应用范围广、培训需求大、业务导向强等。这意味着技术主管需要做好准备,以更灵活的模式为多样化的需求提供支持。

谷歌DeepMind团队开发出突破性的AI元学习技术，让人工智能首次具备了类似人类的"举一反三"能力。通过结合元学习和神经网络架构自动搜索，AI系统能够快速适应全新任务，仅需传统方法十分之一的训练数据就能达到相似性能。这项技术在医疗诊断、个性化推荐等领域展现出巨大应用潜力，为AI从简单模式识别向真正智能学习的转变奠定了重要基础。

微软数据安全、隐私和合规总经理Herain Oberoi称，围绕AI和安全开展的工作“对于合作伙伴来说是一个巨大的机会”——尤其是在帮助客户了解AI风险、构建解决这些风险的应用、以及围绕新攻击面构建仪表板和报告等领域。

OpenAI宣布将在ChatGPT中添加"休息提醒"功能，当用户与AI聊天机器人交互时间过长时会弹出提示询问是否需要休息。此举旨在防止成瘾行为，类似于流媒体平台的观看提醒。同时OpenAI还改进了模型以更好地识别用户的心理困扰迹象，并在重大人生决策建议方面更加谨慎。专家建议用户主动设置使用时间限制，避免过度依赖AI工具。

近日，英伟达宣布将在中国推出一款全新A800芯片，作为A100芯片的替代，两者都是图形处理器芯片。

在万人瞩目的峰会上，为了嘉奖新一代数字化代表企业，我们正式颁布了「产业升级年度十佳践行者」、「产业升级年度十佳赋能者」榜单。

上一次公众看到IDC和Gartner公布的服务器出货量和收入数据还是2021年第二季度的，从那以后再也没有看到相关数据。现在有一个名为Counterpoint的新市场研究机构也发布了一些服务器收入数据和自己的预测，我们对此有所了解。

上海AI实验室联合复旦大学提出MIG方法，通过构建语义标签图和最大化信息增益来自动筛选AI训练数据。该方法能用5%的精选数据达到完整数据集的训练效果，在多项评估中提升1-6%，计算效率比传统方法快100倍以上，为AI训练提供了高效的数据选择解决方案。

北京大学研究团队开发了ToolTrain智能训练框架，解决AI在代码库中精确定位软件问题的难题。该系统采用两阶段训练策略，教会AI像资深程序员一样使用搜索工具找bug。在包含500个真实软件问题的测试中，ToolTrain训练的模型在函数级定位任务中达到68.55%准确率，甚至超越Claude-3.7等商业AI系统，为自动化软件维护开辟新路径。

华为研究团队开发出基于大语言模型的5G网络故障诊断系统，通过双阶段训练方法让AI学会像专家一样分析网络问题根源。他们创建了TeleLogs数据集，包含网络配置参数和故障案例。实验显示，经过训练的小参数模型诊断准确率达95.86%，远超现有方法，且能提供详细解释，为网络运维自动化带来突破性进展。

近日，在2021ACM SIGMOD国际学术会议技术分论坛，华为云GaussDB内核首席架构师发表了《华为自研分布式数据库》主题演讲

为了加强自身安全，更好地保护自己的数字资产免于新远程办公世界中出现的威胁和攻击，企业应实施零信任策略。零信任安全模式不存在安全与员工应用程序访问便捷性之间的“取舍”，因此适合几乎所有类型的企业。

医学图像分割技术是借助先进的计算机视觉算法，针对医学影像数据进行智能识别与精确剪裁的核心手段，在医学诊断、治疗设计以及深入的图像分析等方面扮演着至关重要的作用。

这篇论文介绍了R1-Code-Interpreter，一种通过有监督学习和强化学习训练大型语言模型进行代码推理的新方法。研究团队收集了144个推理和规划任务，利用多轮训练教会模型自主决定何时使用文本推理或生成代码。最终的14B模型在测试集上将准确率从44.0%提高到64.1%，超过纯文本GPT-4o并接近带Code Interpreter的GPT-4o。研究揭示了SFT阶段的关键作用，并发现模型展现出自发的自我检查行为，为开源模型提供了与商业模型竞争的代码解释器能力。