这篇论文提出了"计划与预算"框架，解决大型语言模型在推理任务中的效率问题。研究者发现模型存在"推理失调"现象——简单问题上过度思考，复杂问题上思考不足。他们开发了贝叶斯预算分配模型(BBAM)作为理论基础，将推理分解为子问题并根据不确定性分配计算资源。实验表明，该方法在不同任务上显著提高推理效率，令牌使用减少39%，E?指标提升187.5%，且能使小型模型达到大型模型的效率水平。

香港浸会大学等机构联合开发的AdamMeme框架，通过多AI智能体协作，能够动态生成个性化测试样本来评估AI模型理解网络表情包恶意内容的能力。该框架突破了传统静态评估的局限，针对每个模型的弱点进行深度探测，实验显示即使是GPT-4o等顶级模型也存在认知盲点，为AI安全评估提供了新思路。

Akamai近日宣布推出Akamai Shield NS53，这款产品可以保护本地域名系统（DNS）基础架构免受资源耗尽型攻击的侵扰。

2018年，由广州市公共交通集团有限公司和广东电网有限责任公司合资组建的充电桩运营一体化公司--广州捷电通综合能源有限责任公司正式在南沙挂牌成立。

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。

Arm今日宣布推出“Arm全面设计（Arm Total Design）”生态系统。

随着各大公司争相加入人工智能的潮流，芯片和人才供不应求。初创公司SambaNova声称，其新处理器可以帮助公司在几天内建立并运行自己的大型语言模型。

很多厂商正在这么做。在过去的半年中，这19家存储供应商（不管是专注硬件还是软件）都引入了新的方法，将他们的产品连接到AWS，或者利用AWS的超大规模能力。

本文论述了AI代理协作的发展趋势。类似于早期REST和JSON推动API革命，A2A和MCP两项协议简化了不同代理间任务共享与信息交换，为企业级智能应用提供了坚实基础。

GPT-4等顶尖生成式AI模型能够与人类医生的专业知识相结合，为我们带来一大波前所未见的强大虚拟健康工具。

Gartner 2022年数字政府服务技术成熟度曲线发布了对政府的公民服务交付产生革命性影响的技术和实践。这些创新将帮助全球各地政府在这个充满变数和变革的时期保持服务交付的敏捷性与韧性。

Kimi月之暗面在大模型的浪潮中乘风破浪，开辟出一条属于自己的光明之路。

整个专业领域都对 NVIDIA 首席执行官 Jensen Huang 的主题演讲充满期待，这不仅是一次普通的演讲，更是一系列革命性发展和创新的开端。此次大会的焦点在于 Blackwell AI/HPC 图形处理单元（GPUs）的最新突破

清华大学团队开发了CAMS智能框架，这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹，通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法，为城市规划、交通管理等领域提供了强大工具。

Check Point Research (CPR) 发现了四个影响 Microsoft Office 套件产品（包括 Excel 和 Office Online）的安全漏洞，Windows 用户应尽快更新软件。这些漏洞源于遗留代码，支持攻击者通过 Word、Excel 和 Outlook 等恶意 Office 文档在攻击目标上执行代码。

复旦大学和字节跳动团队开发的Agent-R框架，通过让AI学习从错误中恢复而非仅模仿完美示例，实现了AI自我反思和纠错能力的突破。该研究在三个交互环境中验证了AI错误恢复能力的显著提升，平均性能提高5.59%，为智能助手向更灵活适应的问题解决者转变奠定了基础。

Akamai在荷兰国际广播大会(IBC2024)上推出的全新视频工作流程功能，标志着该公司在媒体云服务领域迈出了重要的一步。

今天，中国电信广州研究院和思博伦通信共同签署合作备忘录，双方将就“面向5G应用的大容量、智能化承载网络测试验证技术研究”开展战略合作。

随着AI在各行业中变革企业运营，数据存储面临关键挑战。PEAK:AIO和Solidigm在VB Transform大会上展示了医疗影像AI创新，通过与MONAI开源框架合作，重新定义数据基础设施如何支持医院实时推理和训练。他们的软件定义存储技术结合高性能固态硬盘，能够存储超过200万份全身CT扫描，在空间和功耗受限的边缘环境中实现卓越性能，为临床AI应用提供所需的速度、安全性和可扩展性。

复旦大学研究团队通过对五个大型语言模型的深入分析，发现了AI训练中的一个反常现象：增加训练数据量不仅没有提升模型性能，反而导致最高14%的性能下降。研究揭示，精细调优过程中高达90%的参数更新对知识提升无效甚至有害，通过恢复这些无用参数可显著改善模型表现。这一发现挑战了"数据越多越好"的传统观念，为开发更高效的AI训练方法提供了新思路。