尽管通过升级iOS系统、提出复议等方式作为回应,但是苹果公司从未停止过市场上任何一款iPhone的销售。在法院裁定的执行陷入僵局的同时,人们不禁好奇,在苹果公司眼中“诉中临时禁令”是什么?

韩国NXN Labs开发的Voost系统实现了虚拟试衣技术的重大突破，能够同时处理"试穿"和"脱衣"两个相反任务。该系统使用统一的AI模型和创新的双向学习方法，在图像质量、细节保持和结构准确性方面都超越了现有技术，为电商购物和时尚行业带来革命性改变。

随着我们全面进入自主转型时代，AI代理正在改变企业运营和创造价值的方式。面对数百家声称提供"AI代理"的供应商，企业需要透过炒作，真正理解这些系统的能力及其适用场景。关键不在于简单替代现有工作，而是通过SPAR框架（感知、规划、行动、反思）识别全新的价值创造机会。

这项由德国博世人工智能中心和卡尔斯鲁厄理工学院联合开展的研究，创造了名为TAPAS的多智能体机器人规划框架。该系统巧妙结合大型语言模型和符号规划，让机器人能够理解复杂自然语言指令并动态适应新任务需求。在多个测试中表现优异，为未来智能机器人发展指明方向。

我们连续三年的企业开源研究讲述了一个清晰的故事。IT领导者广泛地将企业开源软件视为具有更高质量，更多创新，甚至比其他替代品更高安全性的高级软件形式。

目前，在基础科学研究领域，基于ChatGPT的研究已产生较多突破性成果，大语言模型技术在辅助科研人员进行研发工作或理解基础科学问题的同时，也在改变甚至颠覆基础科研生态。

阿里巴巴DAMO院推出开源多语言大模型Babel，支持全球25种主要语言，覆盖90%世界人口。采用创新的层扩展技术而非传统继续训练，推出9B和83B两个版本。在多语言任务评估中表现出色，83B版本接近GPT-4o性能，特别关注印地语、孟加拉语等被忽视的大语言群体，推动AI技术的包容性发展。

那么，到底什么是真正的自主可控?如何能通过自主可控开创中国人自己的科技事业?对此，可以结合当前中国开源领域的发展作一些分析。

区块链可能是当今金融界里滥用得最厉害却又最不被理解的词汇。在2018年里，不同行业的公司里有95％的公司投资了区块链技术项目。

自从手机地图有了导航功能之后，人们的日常出行获得了极大的便利。但是，对于“骨灰级”路痴来说，就算有导航，方向感也仅限于“上北下南”的操作。

慕尼黑工业大学研究团队首次将"grokking"现象成功应用于真实世界的复杂推理任务，通过巧妙的数据增强策略，让仅有1.24亿参数的小型AI模型在多步推理任务上达到95-100%准确率，超越了GPT-4o等大型模型。更令人惊讶的是，即使训练数据中包含错误信息，也能增强而非削弱模型的推理能力。

“经过这次疫情，我们发现，在社会剧烈变动的情况下，最终生存下来的其实不是最聪明的，也不是最强壮的，而是数字化程度最高的。”

亚利桑那州立大学等多所高校联合研究发现了AI评估中的"偏好泄漏"现象：当大语言模型既用于生成训练数据又用于评判学生模型时，会产生系统性偏见，偏爱体现自己风格的回答。研究显示这种偏见可达23.6%，比已知的自我中心偏见影响更严重，可能导致AI评估排行榜出现系统性偏差，威胁AI评估体系的公正性。

在近日举行的英特尔FPGA技术大会上，英特尔公布了一系列的软硬件创新方案，包括全新可定制解决方案英特尔eASIC N5X、英特尔开放式FPGA开发堆栈（英特尔OFS），加速FPGA市场的发展。

生命在于运动，健康打卡成为时尚，每天在各种运动APP上打卡的人越来越多。华为运动健康APP为用户提供了自己的专属打卡数据，不仅有周报、月报、年报等各种运动数据，还有健康检测、运动指南、热门活动等内容。

MTS AI研究团队提出RewardRanker系统，通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型，在多种编程语言上表现优异，甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化，系统能从多个代码候选中选出最优方案，为AI编程助手的实用化奠定基础。

2018年11月29日，由亿欧公司主办的以“智能产业，美好生活”为主题的2018亿欧创新者年会暨第四届创新奖颁奖盛典在北京国贸大酒店正式举行。

「通义千问」正式发布，「通义千问」只是开始。

微软研究院等机构提出GMPO方法，通过几何平均替代算术平均处理强化学习中的词元级奖励，解决GRPO训练不稳定问题。该方法在数学推理任务上平均提升4.1%准确率，在多模态推理中提升1.4%，同时保持更稳定的重要性采样比率和更高的探索能力，为大语言模型训练提供了更可靠的优化策略。

这项由华盛顿大学和微软联合开发的OMNIGUARD研究，提出了一种高效的AI安全检测方法，能够跨越语言和模态（文本、图像、音频）识别有害内容。该方法通过发现大型语言模型内部的通用表示，构建轻量级分类器，比现有方法准确率高出11.57%-20.44%，同时速度提升约120倍。OMNIGUARD在73种语言和多种模态攻击测试中表现出色，展示了极高的数据效率和适应性，为AI系统安全防护提供了重要突破。