北京大学物理学院团队开发了首个专门评估AI大语言模型物理推理能力的基准测试PHYBench，包含500道原创物理题目。测试发现即使最先进的AI模型准确率也仅有36.9%，远低于人类专家的61.9%，揭示了AI在复杂物理推理中的显著局限性。

2023年3月17日，人瑞人才联合德勤中国、社会科学文献出版社在北京发布《产业数字人才研究与发展报告（2023）》（以下简称《报告》）。

CIO应该应关注这五个风险，在这些风险成为影响深远的问题之前寻求补救措施。

爱立信云RAN是一种云原生解决方案，将RAN功能进行了可虚拟化，并实现了硬件与软件的分离，方案为希望采用云原生技术和开放式网络架构的运营商提供了扩展网络、提高网络效率和实现虚拟化的新机遇。

在人工智能时代，企业必须持续进化以保持竞争力。本文探讨了"租赁经济"的概念，并引入了深度变革管理的重要性。通过案例分析，阐述了如何利用 AI 重塑企业运营模式，培养持续学习和适应能力，以应对快速变化的商业环境。文章强调，在 AI 时代，成功不是一成不变的，而是需要不断努力维护的。

弗吉尼亚大学研究团队开发了TruthHypo基准和KnowHD框架，用于评估大语言模型生成生物医学假设的真实性及检测幻觉。研究发现大多数模型在生成真实假设方面存在困难，只有GPT-4o达到60%以上的准确率。通过分析推理步骤中的幻觉，研究证明KnowHD提供的基础依据分数可有效筛选真实假设。人类评估进一步验证了KnowHD在识别真实假设和加速科学发现方面的价值，为AI辅助科学研究提供了重要工具。

数字孪生正在渐渐扩展到几乎所有的资产类型。

二十年来，AWS一直在投资机器学习。

最近的MWC活动展示了5G和人工智能（AI）领域的诸多创新，而不仅仅是移动技术。根据GlobalData的研究，物联网（IoT）市场将在2023至2028年间以13.5%的年复合增长率（CAGR）增长，收入将从9596亿美元上升至1.8万亿美元，主要受企业应用的推动，并受到5G和AI的增强。

字节推出全模态训练框架VeOmni：让AI模型训练像搭积木一样简单

2025 年的重要战略技术趋势涵盖了AI的必要事项和风险，以及计算技术和人机协同等前沿趋势。追踪这些趋势将帮助IT领导者以负责任、和合乎道德的创新方式塑造企业机构的未来。”

媒介力学论坛，致力于帮助媒介行业科学理解营销与媒介之间的本质联系，在复杂环境中挖掘下一个营销与流量的机会。

媒介力学论坛，致力于帮助媒介行业科学理解营销与媒介之间的本质联系，在复杂环境中挖掘下一个营销与流量的机会。

作为华为云的优质合作伙伴，今后，博睿数据将与华为云携手共进，助力更多企业进行应用性能的监控，提升用户满意度和整体竞争力，助力企业业务发展，致力于让每一家企业都能享受IT运营数据的价值。

腾讯混元团队推出P3-SAM系统，这是首个能够自动精确分割任意3D物体的AI模型。该系统采用原生3D处理方式，摆脱了传统方法对2D投影的依赖，在近370万个3D模型上训练而成。P3-SAM支持完全自动分割和交互式分割两种模式，在多个标准测试中达到领先性能，为游戏开发、工业设计等领域提供了强大的3D理解工具。

ShanghaiTech大学研究团队开发了BANG系统，能让3D模型像变形金刚一样自动分解成零部件，生成爆炸图。该系统采用"生成式爆炸动力学"技术，通过AI深度学习理解物体结构逻辑，实现从完整到分解的平滑过渡。相比传统表面分割方法，BANG能处理内部结构，生成完整体积部件，处理速度提升8倍以上。系统支持语言控制和2D交互，可应用于3D打印、教育展示、产品设计等领域，为3D智能应用开创新范式。

上海AI实验室等多所高校联合提出φ-Decoding方法，通过让AI在推理时进行前瞻性采样和智能剪枝，解决了传统自回归生成的短视性问题。该方法在多个推理任务上显著提升了大语言模型性能，平均改进超过14%，同时保持了6倍的计算效率优势，为推理时优化提供了实用的解决方案。

华威大学和牛津大学的研究团队开发了FedPS框架，首次系统性解决联邦学习中的数据预处理难题。该框架通过统计信息聚合实现分布式数据的统一预处理，支持18种预处理方法，包括缩放、编码、变换等，并提供详细的通信成本分析。实验表明，相比本地预处理，FedPS在非均匀数据分布下能显著提升模型性能，最高改进幅度达17%。

帝国理工学院开发的X-Node框架首次实现图神经网络的自我解释功能，让AI系统中的每个节点都能像医生一样解释自己的诊断思路。该技术通过内置推理模块和自然语言生成，为医疗AI的"黑匣子"问题提供了革命性解决方案，在保持诊断准确性的同时大幅提升了系统的可信度和透明度。

Alchemist是一项由Yandex研究团队开发的创新方法，能将公开文生图数据转化为高效微调资源。研究者利用预训练扩散模型作为数据质量评估器，从海量图像中精选出仅3,350个高价值样本创建数据集。实验表明，这个紧凑数据集能显著提升五种Stable Diffusion模型的生成美学质量和图像复杂度，同时保持风格多样性。研究不仅开源了数据集，还公开了微调模型权重，为AI社区提供了替代专有微调管道的开放解决方案。