阿里巴巴通义实验室开发的LHM系统能够在几秒钟内将单张人物照片转换成可自由运动的3D虚拟人物。该技术采用多模态变换器架构，结合3D高斯分布表示和自监督学习策略，在重建质量和生成速度上都显著优于现有方法，为虚拟现实、游戏制作和数字内容创作提供了新的可能性。

微软研究院与北京大学的团队开发出全新的大型混合推理模型（LHRMs），解决了大型推理模型的过度思考问题。这种创新模型能够像人类一样，根据问题复杂度自动决定是否需要深入思考。研究团队设计了两阶段训练方法，包括混合微调和混合群体策略优化，使模型学会智能切换思考模式。实验证明，LHRMs不仅在数学、编程等推理任务上表现出色，还避免了对简单问题的过度思考，大幅提升了响应效率和用户体验。这项研究为构建更接近人类认知模式的AI系统提供了新思路。

在存储性能委员会（Storage Performance Council, SPC）组织的SPC-1TM基准测试中，浪潮存储AS5500G2创下150万IOPS的评测值，系首次SPC-1TM中端存储评测性能记录突破百万，全球第一。

躲在厚厚镜片后的我，白天是电商公司的宅男运维，晚上是夜的王者——“黑帽子”。

不同于上世纪计算机的向下平民化，这次 HPC 向上拥抱更为复杂的业务负载。

云和虚拟化技术的加速采用为中国企业带来了更多的IT复杂性，并由此产生了数据安全等挑战。

5月14日,由阿里云、PAKDD 2021联合举办的“第二届阿里云智能运维算法大赛”首次以“线上+线下”同步举行的方式圆满落幕!

预言未来的一个好方法是回顾历史。对于通信产业内的人来说，其实是不太敢说5G重要在哪的。因为很多人都在3G/4G时代预言错了。

在人工智能日益承担编码和软件开发工作的今天,人类是否还需要学习这些计算机编程技能?这个问题对于很多人的职业选择以及领导者和人才培养者来说都很重要。本文从多个角度分析了为什么学习编程仍然很有价值,包括培养批判性思维、更好地利用AI辅助编程、了解企业环境、发挥人类创新优势、调试和修复代码等。文章强调,关键是要学习新的"氛围编程"范式,将编程知识与现代世界运作方式相结合。

这项由法国中央理工大学等欧洲多所知名机构联合开展的大规模研究，通过训练38个模型和超过15000次实验，深入比较了两种主流语言模型训练方法的优劣。研究发现传统的掩码语言建模仍占优势，但提出了创新的双阶段训练策略，为大语言模型训练提供了重要指导。

阿里巴巴Qwen团队首次进行全球最大规模人类偏好建模实验，使用1500万真实偏好样本训练AI理解人类喜好。研究发现偏好建模存在类似语言模型的缩放规律，AI在识别错误信息方面能力稳步提升，但在主观偏好判断上表现复杂。该技术已集成到实际系统中，性能显著改善。

“云原生Cloud Native”的高速发展已成为业界共识，企业纷纷积极投入数字化转型中，不止为各行业带来业务架构的重塑，更为云原生产业待来了新的变革机遇。

过去几年里，区块链技术不断发展，进入了各种科技舞台，而在中本聪白皮书发布的十年间，区块链5.0已经面世。

是什么让移动游戏出现了这样的魅力？

除了算法，数据外，异构计算将会为AI应用带来更强大的支持。异构计算，特别是加速器的发展和创新，将会为业界、最终用户和创业公司带来更无限的商机。

一次创业，十年青春，他损失千万黯然离场。人性膨胀，兄弟反目，辛苦建造的行业品牌也轰然倒塌。上半场有多热血，下半场就有多残酷。东野圭吾说：世上有两种东西不可直视，一是太阳，二是人心......

本文中，英特尔院士Aditya Navale将分享图形处理器从实现更好的像素绘制到解决人类复杂计算挑战的演进历程。

腾讯AI团队提出连续视觉自回归生成框架，通过严格适当评分规则实现无需向量量化的直接图像生成。该方法基于能量分数训练，避免了传统离散化过程中的信息损失，在ImageNet数据集上取得竞争性结果，推理速度比扩散方法快近10倍。

制造业转型已是必修课。

美国新思科技公司发布其最新版本的软件安全构建成熟度模型——BSIMM9。该模型旨在帮助企业规划、执行并评估其软件安全计划（SSIs）。