在当下5G、物联网、人工智能等新兴技术不断涌现的时代，MathWorks如何保持创新，为工程师和科学家提供更好的开发环境呢？

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。

提升代码执行效率能够带来诸多收益。

这项研究揭示了评估大语言模型推理能力时的一个重要问题：微小的评估条件变化可能导致基准测试结果大幅波动。研究者发现，DeepSeek-R1-Distill系列等模型的评估结果极易受到种子初始化方法、数据集版本等因素影响，波动幅度甚至超过模型训练带来的性能提升。研究团队提出了一个基于透明性和稳定性原则的严格评估范式，建议使用统计学方法确定适当的测试次数，并详细披露所有评估条件，以提高评估的公平性和可靠性。

这是首个系统性探索跨视角协作智能的综合性研究，由南京大学、东京大学等顶尖机构联合完成。研究团队首次将"第一人称视角"与"第三人称视角"的协作应用进行了全面梳理，提出了三大技术方向和十三个关键任务，涵盖从智能厨房到手术机器人的八大应用场景。这项突破性工作为人工智能向人类认知迈进提供了重要的技术路径和理论基础。

现在的AI已经有可能超越人类，INTUITOR系统让AI获得自我评估能力

SuperWriter是一项来自新加坡科技设计大学和清华大学的突破性研究，通过模仿人类"先思考后写作"的过程，彻底改良了AI长文生成能力。该研究团队开发的框架包含三个关键阶段：规划、写作和修改，使AI能像专业作家一样进行结构化思考。实验结果表明，经过训练的SuperWriter-LM模型不仅超越同等规模的所有AI模型，甚至在某些领域表现优于规模更大的顶级模型，为AI辅助写作开创了新的可能性。

作为一家全球定制软件开发与数字化转型咨询公司，近日，ThoughtWorks成功夺得戴姆勒2017年度“创新”领域供应商大奖。

为了强调自己是多云领域的中立者，VMware在今天开幕的VMworld 2020在线大会期间发布了一系列公告和合作伙伴关系，让内部部署环境和云计算环境界限不再那么明显。

人工智能被视为一组“预测机器”。通常，人工智能技术很适合用于生成自动预测。但是，如果你想在受监管的行业中使用人工智能，就最好能解释机器是如何预测欺诈行为、犯罪嫌疑人、不良信用风险或者某种药物试验合适候选人的。

受到生成式AI巨大潜力的启发，许多IT和商业领袖得出结论，实现所有形式AI变革潜力的最佳方式，就是把责任交给一位领导者——首席人工智能官（CAIO）。

清华大学团队开发出LangScene-X系统，仅需两张照片就能重建完整的3D语言场景。该系统通过TriMap视频扩散模型生成RGB图像、法线图和语义图，配合语言量化压缩器实现高效特征处理，最终构建可进行自然语言查询的三维空间。实验显示其准确率比现有方法提高10-30%，为VR/AR、机器人导航、智能搜索等应用提供了新的技术路径。

这项研究由香港理工大学和新加坡国立大学的团队共同完成，提出了R?ec，首个将推理能力内置于大型推荐模型的统一框架。与传统方法不同，R?ec在单一自回归过程中实现了推理生成和物品预测的无缝整合。研究者还设计了RecPO优化框架，无需人工标注即可同时提升模型的推理和推荐能力。实验结果显示，R?ec在三个数据集上显著超越现有方法，在Hit@5和NDCG@20指标上分别提升68.67%和45.21%。这一突破为下一代智能推荐系统开辟了新方向。

谷歌研究人员开发了新型AI研究智能体框架TTD-DR，在关键基准测试中超越OpenAI等竞争对手。该系统模拟人类写作过程，采用起草、搜索信息、迭代修订的方式，运用扩散机制和进化算法生成更全面准确的复杂主题研究。与传统线性处理方式不同，TTD-DR将研究报告创建视为扩散过程，从初始草稿逐步完善为高质量最终报告，为企业提供专业研究助手解决方案。

伟大领导者的七个C：文化、培养、沟通、合作、客户、勇气和变革

微软亚洲研究院开发出革命性的认知启发学习框架，让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制，使AI在面对新情况时能快速适应，无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越，为教育、医疗、商业等领域的智能化应用开辟了新前景。

如果你认为这两个功能只是简单地负责数据接收与显示的话，这就大大浪费了项目作者的心血结晶，因此我们在进入本项目另外两个深度学习推理应用之前，先要把这两个幕后功臣的内涵展现出来，因为这与后面的应用息息相关。

进入2024年，CIO门必须重新制定他们的数字议程，同时要注意AI的前景和风险。以下是应对大型语言模型颠覆性潜力的五种方法。

面对着金融行业企业级、生态级的竞争，很多金融机构都开始站在全局的高度，思考企业级业务和技术架构的建设，构筑新一代信息化建设的基础，让科技真正赋能甚至引领业务。

本文探讨了人工智能（AI）可能带来的生存风险，强调了AI与人类价值观不一致所引发的潜在问题。尽管当前的AI系统并不具备意识，但它们的失控和意外后果已成为AI治理讨论的核心。企业高管们意识到AI的巨大潜力，同时也在思考如何应对这些风险。