数据中心作为数字经济发展的基石，在大规模扩建过程中，必然要消耗越来越多的能源。

面对医疗保健领域的技术滞后难题，AI/ML的兴起能否改善病患护理体验？或者说，这种结合是否真能实现？

这项研究首次系统研究了大语言模型在表达不确定性时的"忠实度"问题，发现它们往往在不确定时仍使用肯定语言，导致用户过度信任。研究团队提出了MetaFaith方法，通过激发模型的"元认知"能力，使其能更诚实地表达不确定性。在14种模型和10个数据集的测试中，MetaFaith将忠实度提升了高达61%，且83%的情况下被人类评为更可靠。这一突破对构建更值得信任的AI系统具有重要意义。

“我们一定要看5G的设计目标和指标，才能够理解为什么一定要做毫米波。”

“快速简便地进行垃圾分类就是需求，这么多垃圾，人为分类麻烦，不如叫机器替我们做，在垃圾桶上安放智能AI系统，来垃圾了扫描一下，自动判断该投入什么垃圾桶，绝对省时高效，对环境相当友好！

中国人民大学研究团队提出LoFT方法，通过参数高效微调基础模型解决长尾半监督学习中的数据不平衡问题。该方法利用预训练模型的良好校准特性改进伪标签质量，并扩展出LoFT-OW版本处理开放世界场景。实验显示，仅使用传统方法1%的数据量就能取得更优性能，为AI公平性和实用性提供了新的解决方案。

北京大学与小红书公司联合研究团队提出的Uni-Instruct框架，成功统一了10多种现有单步扩散蒸馏方法。该框架基于新颖的f-散度扩散扩展理论，通过可计算的等价损失函数训练单步扩散模型。实验表明，Uni-Instruct在CIFAR10和ImageNet 64×64数据集上创造了新的单步生成记录，FID分别达到1.46和1.02，甚至超越了其79步教师模型。研究还成功将该方法应用于文本到3D生成任务，展示了统一框架在提升生成质量和效率方面的巨大潜力。

华为以1500m2超大展区，针对生活有更高品质追求、探索科技互联的高端消费者，打造全场景互联互通的智慧体验，带来创新、可靠的领先智能化未来生活，让参观者“遇见未来家”。

基于云服务最本源的这三点考虑，HPE提出了HPE GreenLake即服务模式。

我们共同见粮食产量提高390倍、用水却比一般种植少95%，无需太阳光、没有土壤、不使用农药，不会引发农业污染，它就是新一代耕作模式、人类可持续发展的必由之路——垂直农场。

Pure Storage 中国区销售总监朱星勃以及Pure Storage 大中华区技术总监何与晖分享了最新的财报数据以及Pure//Accelerate产品组合的价值。

这种平淡无奇的办公软件，总是异想天开的试图把自己伪装得有趣。

Akamai作为全球领先的边缘服务提供商，我们在今年10月份的产品更新中更是围绕着边缘计算在边缘交付、边缘优化及边缘安全等各个方面迈进了一大步，把边缘应用推入了一个新阶段。”

全面了解内存标记扩展（Memory Tagging Extension，MTE），如何在Arm移动生态系统中实现MTE，以及为何MTE是解决内存安全漏洞这一业界挑战的重要安全功能。

一方是Epyc，一方是至强，核心越多、对应的芯片就越多，而且后续产品设计只会越来越复杂。

可以看到，单纯将Hopper替换为Blackwell并不是最好的答案。根据英伟达方面的解释，只有在配合一系列正确举措之后，推理性能提升至30倍、推理功耗降低至1/25的结果才有可能实现。

良好的气流管理对于提高数据中心的运营能效至关重要。戴尔易安信PowerEdge服务器重新设计了硬盘托架，新硬盘托架减少了横截面，可优化并最大化气流通道。

伊斯法罕医科大学研究团队开发出DrugReasoner，这是首个能够像人类专家一样"推理"的药物审批预测AI系统。该系统基于LLaMA架构，不仅能预测新药是否会被批准，更重要的是能详细解释推理过程。在多项测试中表现优异，AUC值达0.732，明显超越传统方法，为制药行业提供了前所未有的透明化决策工具，有望显著提高药物研发效率。

这项研究揭示了机器生成文本检测器的重大漏洞。意大利研究团队通过直接偏好优化技术，成功训练AI模型生成更像人类的文本，导致顶尖检测器准确率下降高达60%。研究者分析了语言特征分布变化，发现经过训练的模型能有效模仿人类写作特征，而检测器主要依赖于浅层语言线索识别AI文本。这一发现为开发更可靠的检测方法提供了重要参考，同时也警示我们区分人类与AI内容将变得越来越困难。

中科院团队提出Prefix Grouper方法，巧妙解决GRPO训练中的重复计算问题。通过将自注意力分解为前缀和后缀两部分，实现共享前缀的高效计算，在长文本场景下可将计算量降至原来的1/G。该方法保持与传统GRPO完全一致的训练效果，同时显著减少内存使用，支持更大组规模训练，具有即插即用特性。