AWS今天推出了一项名为Amazon AppFlow的新服务，开发者可以使用该服务来管理AWS与其他软件即服务应用（例如Google Analytics、Marketo、Salesforce、ServiceNow、Slack、Snowflake和Zendesk。

布朗大学和哈佛大学研究团队开发出SAIL系统，让机器人能够像人类一样通过自我实践来学习新技能。该系统结合互联网规模的视频模型和环境特定知识，使机器人在面对未见过的任务时能够持续自我改进。实验证明，机器人的成功率能从24%提升至80%以上，且即使从失败经验中也能学习改进。

美国芝加哥大学的研究团队开发出了一种人工智能新算法，该模型可以提前一周预测未来的犯罪活动，准确率约为90%。

RenderFormer是由浙江大学CAD&CG国家重点实验室和微软亚洲研究院联合开发的革命性神经渲染技术，将于2025年SIGGRAPH会议发表。这项技术首次实现了无需场景特定训练的三角网格全局光照渲染。区别于传统物理模拟渲染，RenderFormer将渲染问题重新定义为序列到序列的转换任务，采用双阶段Transformer架构处理光线传输。其渲染速度比传统方法快数十倍，能呈现包括复杂阴影、多次反射、漫反射间接光照等效果。尽管目前受限于4,096个三角形上限和特定训练数据范围，但已展现出成为渲染领域新范式的潜力。

Google Research与以色列理工学院联合研究发现，大型语言模型存在显著的"隐性知识"现象——AI内部掌握的知识远超其外部表现，平均差距达40%。研究团队通过测试三个主流AI模型的1700个事实性问题，发现AI在内部完全知道答案但1000次尝试都不会说出的极端情况。这一发现揭示了AI语言生成机制的根本局限，为改进AI表现和理解智能系统认知机制提供了新视角。

英特尔实验室（Intel Labs）和宾夕法尼亚大学佩雷尔曼医学院（Perelman School of Medicine at the University of Pennsylvania）近日发布了一项联合研究，该研究使用联邦学习（一种分布式机器学习和人工智能方法）来帮助医疗和研究机构发现恶性脑肿瘤。

由埃隆.马斯克创立的人工智能研究机构OpenAI开发了一种人工智能，可以生成迄今为止最真实的文本段落。这是该人工智能撰写的一段文字摘录，这段文字中探讨了发现了一种独角兽，当然，内容是假的

这项研究首次提出MetaphorStar框架，专门解决AI系统无法理解图像隐喻含义的问题。通过创新的TFQ格式和强化学习方法，让AI从只能识别"一个人站在路口"提升到理解"人生选择"的深层含义。在基准测试中性能平均提升82.6%，为开发具有深层认知能力的智能系统开辟了新路径。

想象一下，你正在尝试记住一本长篇小说的情节。随着你阅读的页数增加，记住前面所有细节变得越来越困难。你的大脑需要某种方式来压缩已读信息，只保留最重要的部分，同时仍能理解故事的整体脉络。人工智能模型面临着类似的挑战，尤其是在处理长序列数据（如长文本）时。

中科大研究团队发现大型机器人数据集存在"捷径学习"问题：机器人虽然数据量庞大，但因数据内部多样性不足和碎片化严重，容易依赖表面特征而非真正理解任务。研究通过理论分析和实验验证了这一现象，并提出视角增强和物体替换等数据增强解决方案，为机器人学习领域提供重要指导原则。

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。

近日HPE推出了一种混合型的文件和块存储产品，将以即服务定价的模式在本地环境中提供给客户，与此同时，HPE还宣布了具有正常运行时间保证的新灾难和备份恢复数据服务。

台湾大学研究团队系统梳理了复合AI系统优化这一新兴领域，提出了基于结构灵活性和学习信号类型的2×2分类框架。研究涵盖26种代表性方法，从固定结构到灵活架构，从自然语言反馈到数值信号优化。团队发现了自然语言反馈在非可微系统优化中的巨大潜力，同时指出了当前面临的人工配置依赖、计算成本过高、评估范围局限等挑战，为这一快速发展的领域提供了系统性理论框架和未来发展指引。

布尔诺理工大学研究团队开发了DiCoW和DiariZen两个系统，用于解决多人对话中的语音识别难题。该系统巧妙结合说话人分离与语音识别技术，在国际挑战赛中获得第二名，能处理15种语言的对话场景。研究发现系统具备良好的跨语言泛化能力，即使主要用英语训练也能处理其他语言。团队已开源相关模型，为会议记录、多语言交流等实际应用提供了强大工具。

通过软件平台层面完整的产品和服务，红帽如今已经将纯粹的开源体系生意做到30 亿美元年营业额的量级，实现了连续16年（64个季度）的营收增长。红帽亚太区总经理Dirk-Peter表示，这样的成功主要来自于两大法门，一是创新，二是商业模式。

仓库和数据中心已经成为21世纪下一抹鲜亮的底色，使实体与数字世界的对接成为可能。每一次点击、点赞、下载和订购都是在以特定方式跨越虚拟与现实。这些设施也在全球范围内扩张，投资数千亿美元以满足不断增长的市场需求。

随着技术的不断进步，LLM 带来了前所未有的机遇，吸引了开发者和组织纷纷尝试利用其强大的能力构建应用程序。然而，当预训练的 LLM 在实际应用中无法达到预期的性能水平时，人们将不由自主地开始思考：我们到底应该使用哪种技术来改善这些模型在特定场景下的表现?

“弹性”即意味着具有回弹的能力，也就是当设备出现故障，可以快速恢复并继续运行。当一个存储系统的设计是为了保护和纠正常规工作流程中发生的异常情况时——就被称为"弹性"。

圣地亚哥大学团队提出的VSA（视频稀疏注意力）机制，通过巧妙的两阶段设计解决了视频生成模型的计算瓶颈。它首先将视频分割成小立方体，在粗粒度层面快速识别重要区域，再只在这些区域内进行精细计算。实验表明，VSA能在不损失生成质量的情况下将训练计算量减少2.53倍，将推理时间从31秒缩短至18秒。这一可训练的稀疏注意力机制为大规模视频生成模型的进一步发展铺平了道路。

中国信息通信研究院公布第一批“网络安全能力评价工作组”，丈八网安凭借在网络安全方面的科研实力、产品研发能力、技术创新水平、人才培养成果等综合素质，成为第一批工作组成员单位，参与体系研究、标准研制、示范推进三大子工作组的能力评价工作当中