清华大学研究团队提出了一种名为"硬负样本对比学习"的创新方法，显著提升了大型多模态模型在几何理解与推理方面的能力。通过构建图像和文本两类负样本，以及开发MMCLIP训练策略，他们的MMGeoLM模型在四个几何基准测试中表现卓越，甚至以7B参数规模与GPT-4o相媲美。实验证明，仅4K个真实图像负样本的效果就超过了100K个文本负样本，为AI细粒度视觉理解开辟了新路径。

Julianne Antrobus是一家名为PA咨询公司的专业服务公司的全球核电主管。他与其他许多IT行业观察家一样也认为，要解决日益增长的数据中心能源需求，至少一部分的答案在于核能。

Ivanti大中华区首席架构师罗琦告诉记者，如今数字技术蓬勃发展，用户的办公期望也在发生改变，比如用户希望在任何地方完成工作；私人生活和公司工作融合下既保证私人的隐私又能保证公司的安全。

通过为多个用户提供的云费用优化服务后发现，大家使用公有云的方式仍然沿袭了传统数据中心/VMware虚拟化环境的资源使用方式，存在资源申请过多/超配，资源长期使用率低等情况，导致云上的费用产生了很多浪费。

总部位于英国的非营利组织Conservation AI采用NVIDIA技术让实时监测成为现实。AI可以帮助实时追踪最稀有、隐蔽的物种，使动物保护者能够及时保护它们免受偷猎者、火灾等威胁。

一大批大型科技公司将为Linux Foundation主导的新计划提供支持，该计划旨在促进“机密计算”概念也就是在使用时对数据进行加密。

医疗保健软件巨头Epic Systems表示，正与微软展开合作，通过Azure AI拥抱生成式AI。

文章探讨了企业在 AI 智能代理领域中的快速布局与市场前景，分析了实际应用案例、面临的技术挑战及未来发展趋势。

ByteDance研究团队提出TiKMiX方法，通过引入"组影响力"概念动态调整AI训练数据配比，解决传统静态配方导致的训练效率低下问题。该方法能根据模型不同训练阶段的数据偏好实时调整，仅用传统方法20%的计算资源就实现更优性能，在多项测试中平均提升2%效果，为大模型训练提供了更智能高效的解决方案。

SeedVR2是南洋理工大学与字节跳动团队共同研发的一步视频修复模型，通过扩散对抗式后训练实现高效视频增强。该模型突破了传统扩散模型需要多步采样的限制，引入自适应窗口注意力机制和特征匹配损失，成功在单步内实现高质量视频修复。实验表明，SeedVR2能以4倍速度提升达到甚至超越多步方法的效果，特别在处理真实世界高分辨率视频时表现优异。

Wave Computing® (以下简称Wave) 是一家位于美国硅谷、致力于推动人工智能深度学习从边缘到数据中心的计算加速方案的公司。

浙江大学等联合研究发现，AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时，单样本训练、错误奖励等非常规方法也有效；但面对陌生任务时，这些方法失效，只有标准训练有用。研究团队通过大量实验证实，这种"舒适圈"现象比数据污染更能解释训练差异，为AI训练策略优化提供了新思路。

这篇文章介绍了马里兰大学研究团队开发的BLEUBERI方法，该方法惊人地发现被认为过于简单的BLEU评分系统在指导大语言模型遵循指令方面非常有效。研究表明，当使用高质量参考答案时，BLEU与人类偏好的一致率可达74.2%，几乎与复杂的奖励模型相当。基于此，团队开发的BLEUBERI方法在多个基准测试中表现与传统奖励模型方法相当，且在事实准确性方面表现更佳。这一发现为语言模型对齐提供了更经济高效的途径，无需大量人类标注数据和复杂的奖励模型训练。

IBM (NYSE: IBM) 日前推出全新的 IBM Z 与云现代化中心，这是一个可提供大量工具、培训、资源和生态系统合作伙伴力量的数字化门户，旨在帮助使用 IBM Z 的客户加速在开放式混合云架构下的应用、数据和流程的现代化改造。

说到愉悦家纺所在的纺织工业，如果我们追溯它的历史，就会发现纺织其实是中国最早的全球化产业之一。两千多年前，张骞通西域，就把的绫罗绸缎带向世界；如今，跨境电商，又以惊人的效率，将中国纺织品直接送达世界各地消费者的家中。

澳门大学研究团队针对自回归图像生成中的条件错误累积问题，提出了基于最优传输理论的创新解决方案。研究发现自回归模型具备自我纠错能力，条件错误影响呈指数衰减，但仍存在"条件不一致"问题。团队创新性地运用瓦瑟斯坦梯度流方法优化条件信息，在ImageNet数据集上取得显著性能提升，为AI图像生成质量控制开辟了新方向。

Think-RM是一项创新研究，通过使奖励模型具备"长程思考"能力来提升AI系统对人类偏好的理解。传统的奖励模型要么仅提供分数（BT RM），要么依赖浅层思考（GenRM），而Think-RM则模拟人类深度分析问题的过程，支持自我反思、假设推理和发散思维。实验表明，这种方法在复杂推理任务上显著优于现有方法，在RM-Bench上提升8%。结合创新的配对式RLHF流程，Think-RM不仅拓展了奖励模型设计空间，还为AI系统与人类期望的更精准对齐提供了新范式。

这项来自斯坦福大学等机构的研究首次将离散扩散模型应用于音频修复领域，通过将音频转换为词汇序列，实现了对长达500毫秒音频空白的有效修复。该方法显著优于传统技术，在处理音频中断、损坏录音恢复等场景中展现出广阔应用前景，为音频处理技术开辟了新的发展道路。

文章探讨了AI在心理健康治疗领域应用的现状和挑战。作者认为，虽然AI治疗具有可及性强、成本低廉、使用便捷等优势，但通用生成式AI并非专为心理治疗设计，存在不确定性风险。文章提出治疗师-AI-客户三方模式，建议在专业指导下合理使用AI辅助治疗。作者强调需要更多理性、深入的讨论来正确认识AI心理治疗的机遇与风险。

快节奏的市场竞争中，企业也希望技术能迅速落地、产品可以更快地推向市场。