数字时代，算力已经成为衡量一个国家数字经济水平，彰显国家经济实力的重要指标。

7月16日，“漫画有新生”2023快看国漫发布会在广州第二届快看漫画乐园KKWORLD 2023现场举办。面对当前经济环境，快看发布了精品化、专业化、全球化的内容爆款战略，持续推动优质漫画作品不断涌现，并推出包含126部IP的暑期精品片单。

大部分人对于Intel处理器的定位，要不就是在PC个人电脑上，要不就是在数据中心集群的服务器里头，或者还有那种大号的超算。

微软研究团队开发了LettinGo框架，通过让AI用自然语言生成用户画像来改进推荐系统。该方法分三步：多模型探索生成多样化用户档案，通过实际推荐效果评估档案质量，最后用偏好对齐技术训练专门的档案生成器。在三个主要数据集上的实验显示，相比传统方法平均准确率提升20个百分点，且生成的档案更灵活、可解释性更强。

本研究提出了"能力-难度对齐采样"方法（CDAS），革新了大型语言模型强化学习训练中的数据采样策略。与传统方法不同，CDAS通过聚合历史表现差异实现更稳定的问题难度估计，并将模型能力与问题难度动态匹配。在多个数学推理基准测试中，CDAS达到了46.77%的最高平均准确率，同时比竞争策略提高了2.33倍的计算效率。研究还证明了CDAS在代码生成任务和更大型模型上的有效性，为提升大型语言模型的推理能力提供了高效可靠的新方法。

我们正在目睹，以5G为代表的新一代信息技术，就在赋予社会这种经济韧性。

弗吉尼亚理工大学研究团队开发出突破性技术，能从单一视频生成全新视角画面。他们通过"K阶递归噪声表示"解决AI模型记忆问题，用"随机潜在调制"智能填充新视角中的空白区域。该方法无需重新训练模型，在视觉质量、角度准确性等关键指标上均优于现有方法，为电影制作、虚拟现实等领域带来新可能。

5G毫无疑问是今年巴展的焦点，作为 5G 产业链中的重要一环，高通成为存在感最高的参展商，阿蒙则成为最忙的人。

华为轮值董事长徐直军在会上做了题为《共成长 同发展》的主题演讲。发言全文共9000余字，主要分为两部分。

通用AI是一种能够像人类一样进行思考、学习和推理的人工智能系统。

依托嵌入式解决方案与合作伙伴关系,美光 176 层 NAND 与 1α DRAM 创新技术进入工业与汽车应用市场

这项由中国人民大学团队主导的研究提出了VideoDeepResearch框架，颠覆了长视频理解的传统方法。该系统采用文本推理模型配合多模态工具箱的设计，通过智能搜索策略实现对超长视频的精准理解，在多个权威测试中超越GPT-4o等顶级模型，同时显著降低计算成本，为视频AI应用开辟了新路径。

Mirage是由Captions公司开发的革命性AI视频制作平台，用户只需用文字描述创意想法，系统就能自动生成专业水准的短视频内容。该技术基于专门训练的AI模型，深度理解社交媒体视频的节奏和吸引力法则。目前拥有超过10万日活用户和2000万注册用户，每月产生300万个视频。平台提供个人版Captions应用和企业版Mirage Studio，后者支持大规模内容制作和快速A/B测试，正在重新定义数字内容创作的门槛和效率。

为了释放数据分析和人工智能的力量，必须配合多管齐下的数据战略消除数据孤岛、迁出遗留系统并淘汰遗留系统，支持数据标准与跨机构信息共享。新兴与创新技术带来了前所未有的机会，帮助我们应对关键任务挑战，以高效、有效、快速且低成本方式提供服务。

在浪潮信息，有这样一群工程师们，他们在好奇心的驱动下，通过各种方式寻找算力提升的路径，无论进步大小，自豪感都在驱使着他们继续探索未知，甚至像一个科学家一样琢磨各种跨界的技术，并用于解决各类工程难题。

近期，科技行者受邀参加了新款XC60的试驾，实际试驾之后发现，它绝不是一次“小打小闹”的升级，更是一次由内而外的蜕变。

在2021年世界移动大会·上海开幕式上，华为副董事长胡厚崑发表了《创新，点亮未来》的主题演讲。面对疫情给国家、地区、企业和个人带来的重大的影响，技术创新帮助全社会更好地应对了疫情冲击。

腾讯与上海交通大学联合推出的DeepTheorem研究突破了大型语言模型在数学定理证明领域的限制。该项目创建了包含12.1万个IMO级别非形式化定理的大规模数据集，开发了专门的RL-Zero强化学习策略，并设计了全面的评估框架。研究表明，通过使用自然语言而非传统形式化系统，即使是7B参数的模型也能在复杂定理证明上取得显著成果，超越许多更大的专业模型。这一成果为AI数学推理开辟了新途径，使语言模型能够像人类数学家一样思考和证明。

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。

蒙纳什大学研究团队提出了一套基于不确定性驱动的自动化过程奖励数据构建框架，解决了训练数学推理AI的关键难题。该方法通过识别AI推理中的不确定性来精准定位错误步骤，显著提高了数据标注效率，同时开发了两种创新的输出聚合策略，结合群体智慧与专家判断，在多个数学推理数据集上取得了显著的性能提升。