这项由四川大学、浙江大学和清华大学合作完成的研究提出了"双架构"框架，创新性地解决了持续学习中的稳定性-可塑性困境。研究发现深度网络具有更好的可塑性，而宽度网络则更具稳定性，据此设计了两个互补网络：一个专注学习新知识，另一个专注保留旧知识。实验表明，该方法在多个数据集上超越现有技术，同时减少高达87%的参数，为资源受限环境提供了高效解决方案。

这项由爱丁堡大学和华为研究团队完成的研究探究了大语言模型在多跳问题答案任务中如何处理上下文排列。研究发现：编码器-解码器模型（如Flan-T5）在未微调时表现优于更大规模的因果解码器模型；改变黄金文档顺序揭示了前向排列（符合推理链）带来最佳性能；为因果解码器模型添加双向注意力机制显著提升性能并增强对文档排序变化的鲁棒性；文档间距离越大性能越差；模型在回答正确时往往对关键文档分配更高注意力权重。这些发现为优化检索增强生成系统提供了重要指导。

刀具行业作为传统工业的代表之一，在刀具使用量不断增加的情况下，传统刀具管理手段已不能满足日益复杂的刀具管理需求，加工企业中刀具管理成本也不断提升，传统刀具行业急需实现数字化转型，最终实现智能制造。

大模型技术的突破，让AI更好地驱动底层技术迭代升级。

人大团队提出HiRA框架，通过"元推理规划器-自适应协调器-专门执行器"的三层分工体系，让AI像企业团队一样协作处理复杂搜索任务。该系统将高层战略规划与具体执行分离，配备双通道记忆机制，在四个深度搜索基准上显著超越传统方法，为AI系统设计提供了分工协作的新思路。

这项研究提出了"交织式推理"方法，通过强化学习训练大语言模型在复杂推理过程中穿插输出中间答案。与传统的"先思考后回答"模式不同，这种方式让模型像人类一样边思考边给出阶段性结论，不仅将首词响应时间平均减少80%以上，还在某些任务上将准确率提升高达19.3%。研究表明，模型本身就具备交织推理的潜力，通过适当的奖励机制可以显著增强这一能力，并泛化到未见过的复杂推理任务中。

西门子数字工业软件近日推出了Tessent(TM) Hi-Res Chain 软件，旨在解决集成电路（IC）设计和制造团队在先进技术节点上面临的关键挑战。

GDC化身爱情孵化器

1月16日，在百度输入法“AI·新输入 全感官输入2.0”发布会上，国内首款真正意义上的AI输入法——百度输入法AI探索版正式亮相，这是一款默认输入方式为全语音输入，并调动表情、肢体等进行全感官输入的全新输入产品。

这项研究由香港中文大学团队提出了视频-3D几何大语言模型(VG LLM)，一种无需依赖显式3D数据输入，仅通过普通视频就能理解3D世界的创新方法。通过集成3D视觉几何编码器，该模型能从视频序列中提取3D先验信息，显著提升空间推理能力。实验表明，该4B参数模型在多项3D场景理解和空间推理任务上超越了现有技术，甚至在VSI-Bench评估中胜过Gemini-1.5-Pro。

通用大模型对企业业务理解能力不足，会产生很大的幻觉或偏差，给出的答案并不能很好地支撑业务；此外，企业的数据通常会包含很多敏感信息，直接使用大模型会带来数据泄露和隐私风险；运行和维护 LLM 需要专业知识和技术能力，给企业的IT基础架构以及人员素质提出了更大的挑战。

马里兰大学研究团队首次使用舍恩菲尔德情节理论分析AI推理过程，发现先进AI模型的思考模式与人类学生解题过程惊人相似。通过对3000多个句子的详细标注，研究揭示了AI在七种思维模式间的转换规律，为理解AI"黑盒"提供了科学框架，并实现了80%准确率的自动化分析。

Salesforce首席执行官马克·贝尼奥夫表示，公司正大力推进人工智能应用，AI代理现在承担了公司30%至50%的工作。他认为员工应适应AI替代人工的趋势，转向更高价值的工作。然而，这一变化导致约1000名员工被裁，虽然公司计划招聘同等数量新员工，但主要专注于销售AI技术。这一趋势在科技行业普遍存在，今年已有超过63000个科技岗位消失，AI被认为是重要原因之一。

这篇研究提出了OThink-R1，一种创新的大型推理模型，能够像人类一样在快速直觉思维和慢速深度推理之间自动切换。研究者发现，现有推理模型即使面对简单问题也会生成冗长的推理过程，导致计算资源浪费。通过分析推理轨迹并使用LLM评判员区分冗余和必要推理，OThink-R1能根据问题复杂度动态调整思考深度。实验表明，该方法平均减少了23.4%的生成文本量，同时保持或提高了准确率，代表了向更高效、更人性化AI推理系统迈出的重要一步。

能源领域的AI变革才刚刚开始，第四范式与华油能源在能源服务行业进行开创性的探索，让能源行业搭上了最强劲的AI引擎 ，加快油田勘探开发生产一体化智慧平台的建设和实践落地进程。

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。

斯坦福团队开发LMEnt系统，首次实现对AI语言模型知识获取过程的精确追踪。该系统通过精细标注维基百科、构建高精度检索系统和训练多个模型，揭示了AI学习知识的动态过程——高频事实更易学会但也易遗忘。这项研究为理解AI内部机制、改进模型设计提供了重要工具和洞察。

日前，中国移动发布“网络安全态势感知平台一期工程全流量安全监测设备中标结果公示”。结果显示，奇安信天眼全流量安全监测产品凭借优秀的能力脱颖而出，独家中标该项目，首次进军全球头部通信运营商中国移动集团总部。

西班牙巴斯克大学领导的国际团队开发出专门针对阿拉伯语的增强搜索系统，通过创新的"注意力相关性评分"机制，让机器能更精准理解阿拉伯语问题并找到准确答案。该系统在Top-1准确率上达到37.01%，比现有最佳系统提升0.91个百分点，为阿拉伯语用户带来更好的智能搜索体验。

UCLA计算机科学系研究团队提出的"自适应并行解码"(APD)方法，成功解决了扩散大语言模型面临的速度与质量权衡难题。该方法通过动态调整并行生成的词数，结合一个小型辅助自回归模型来评估生成质量，并引入KV缓存和掩码输入限制等优化措施，使扩散模型能在保持高质量输出的同时显著提升生成速度。实验表明，使用APD的Dream 7B模型不仅能达到每秒59个词的吞吐量（比基线提升近6倍），还在数学推理等任务上保持了接近原始水平的准确率，甚至超越了传统自回归模型的速度。