2013年，吴思进无意中接触到了区块链技术，找来了比特币白皮书和一堆代码，埋头看了两天，触动很大。“区块链是一种底层基础建设”，他决定将自己2008年创办的复杂美全面转型，开始探路区块链研发。

企业处在新旧时代更迭的关键节点：背后是打下的江山（宝贵的资产与数据），周围充斥着各种方法、概念和新技术，前面是吊诡多变的市场和环境——“黑犀牛”随时会从某个角落跳出来，挡住前行的道路。

华中科技大学团队开发了mmMamba框架，通过创新的知识蒸馏方法将传统二次方复杂度的多模态模型转换为线性复杂度架构。该方法在保持相当性能的同时，实现了20.6倍速度提升和75.8%内存节省，提供纯线性和混合两种架构变体，为高效多模态AI应用开辟了新路径。

复旦大学与上海人工智能实验室联合开发的Learnable SMPLify技术，将传统人体姿态计算的耗时从12秒缩短至0.06秒，实现200倍速度提升。该方法通过神经网络学习姿态转换规律，摒弃传统反复优化策略，采用时间序列数据构造、人体中心坐标标准化和残差学习等创新设计，在保持高精度的同时大幅提升计算效率，为VR、游戏制作、体育训练等领域提供实用解决方案。

新加坡国立大学研究团队开发出革命性AI视频解说系统LiveCC，通过500万YouTube视频训练，实现0.5秒内实时生成视频解说。该系统在体育赛事解说质量上超越多个大型模型，在传统视频问答任务中也达到同规模最优性能，为AI实时多模态理解开辟新方向。

6月27日，科大讯飞带来了讯飞星火大模型V4.0，引入“个人空间”概念，打造一个“更懂你的AI助手”。同时七大核心能力全面提升，整体超越GPT-4 Turbo，在8个国际主流测试集中排名第一，国内大模型全面领先。

约翰霍普金斯大学研究团队发现，即使给AI模型提供近乎完美的外部反馈，它们仍然无法完全吸收并达到理论最佳表现，这种现象被称为"反馈摩擦"。研究通过九项不同任务测试了多个先进AI模型，发现所有模型都存在这一局限性，且主要原因是模型的反馈抗拒而非反馈质量问题，为AI自我改进研究指明了新方向。

本文将介绍分贝通在大数据领域的一些建设经验。分贝通在ToB领域是一个年轻的公司，成立六年多，大数据体系刚刚建立一年多，整个团队不到二十人，整体的大数据建设处于初级和摸索的阶段。本次将总结在大数据业务上的实践和思考，希望给大家带来启发。

这项研究介绍了RPEval，一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度：情感理解、决策制定、道德对齐和角色一致性，通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先，而GPT-4o虽在决策方面表现出色，但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。

毫无疑问，Agent，也就是智能体已经预定了今年的最火AI关键词。不知道明年会不会是AGI呢，既然OpenAI和Anthropic的预测都是在2027年左右。而在Agent领域，非常有发言权的一位就是吴恩达。LangChain前不久的开发者活动Interrupt上，LangChain创始人Harrison Chase邀请了吴恩达专门做了一场对话

Meta公司联合多所大学发布"软令牌"新技术，首次实现AI连续推理训练。该方法让AI摆脱传统的逐步推理模式，能同时探索多种思维路径，如人脑般灵活思考。在数学推理任务中，新技术保持了原有准确率，在多样性指标上显著超越传统方法，且对模型原有能力影响更小。关键突破是发现软训练配合硬推理的最佳组合，让现有部署系统无需改造即可受益。

1997年,国际象棋冠军卡斯帕罗夫,输给了“深蓝”,一台电脑。于是有人恐惧于“机器至上”的终局。

麦吉尔大学研究团队通过测量理论框架分析发现，当前广泛使用的大型语言模型评价系统存在严重的可靠性和有效性问题。研究揭示了AI评委在替代人类评委、自身能力、规模化应用和成本效益四个核心假设方面的缺陷，并通过文本摘要、数据标注和安全评估三个应用场景验证了这些问题的严重性，为建立更加科学严谨的AI评价体系提供了重要指导。

在2008年首度公布比特币项目的白皮书当中，化名中本聪的神秘缔造者总结称：“我们提出了一种不依赖信任基础的电子交易系统。”他所指的正是区块链，比特币加密货币背后的底层系统。规避对信任体系的依赖无疑是一项伟大的承诺，但实际情况却并非如此。

UC伯克利研究团队发现了一种革命性方法，能够在不重新训练的情况下修复AI视觉系统的注意力异常问题。他们识别出少数"寄存器神经元"是造成注意力噪点的根源，并开发出"测试时寄存器"技术，将这些异常重定向到专门区域。该方法在多项视觉任务中表现出色，性能媲美专门训练的系统，同时还能抵御印刷攻击，为AI视觉技术的实际应用提供了简单高效的改进方案。

发布watsonx是IBM推进混合云与AI战略、助力企业云智转型的又一里程碑。

这或许是马云最后一次以阿里巴巴董事局主席的头衔出现在云栖大会的台上，他再一次谈到“相信”——仍然是“因为相信，所以看见”——他就像一个布道者，继续强调他对数据的重视，对科学的尊重，以及他对制造业的念念不忘和对未来的预言。

说起IBM的LinuxONE以及Oracle的Exadata，相信在IT行业从事基础架构工作的同业们都不陌生。最直观的印象就是：它们都是大型服务器，体积非常庞大，价格非常昂贵，一个是IBM的拳头产品，一个是Oracle的拳头产品。

南卫理公会大学研究团队通过递归神经网络视角重新解析Softmax注意力机制，发现其可分解为无穷多个递归网络的叠加，每个网络捕捉不同阶数的特征交互。研究证明线性注意力仅为Softmax的一阶近似，缺乏高阶交互能力，并发现Softmax分母可用简单向量归一化替代，为优化AI计算效率提供新思路。

公有云服务正在从一项削减成本的技术发展为一项推动业务敏捷性的技术。公有云不仅让CIO不用运营数据中心，还能让他们专注于更有战略型的项目——也就是数字化转型项目。