本文介绍了 AvidXchange 的 CIO Angelic Gibson 如何借助有趣的学习机制，缓解员工对 AI 的担忧，并推动企业数字化转型以提升效率和创新能力。

DeepSeek-AI联合北京大学开发的NSA稀疏注意力技术，通过令牌压缩、精选保留和滑动窗口三重策略，让AI在处理长文本时实现原生稀疏化。该技术在64K文本处理中达到11.6倍解码加速，同时在多项AI能力测试中超越传统方法，为高效AI应用开辟新路径。

二十一世纪的第三个十年即将拉开帷幕，加密货币开始在全球范围内成为新的主要支付方式，而这种新兴货币的种种优势也越来越为人们所熟知。

AI心理健康工具市场正快速发展，2024年上半年全球投资者向相关初创公司投入近7亿美元。越来越多美国人转向ChatGPT等AI聊天机器人寻求情感支持。专家指出，虽然AI工具在填补传统心理健康服务缺口方面显示潜力，但许多工具仍缺乏临床验证和有效性。企业在采用这些工具前需评估其是否基于验证框架、能否产生实际效果以及如何保护隐私。真正的成功标准应是可衡量的人类健康结果，而非仅仅是用户参与度。

在最开始介绍Jetbot的时候有提到，这套智能小车只使用一个CSI摄像头作为全部输入的设备，因为这种设备的体积轻巧、功耗较低。

在不久前的华为全联接大会2022(HC 2022)中国站上,华为向业界介绍了其发展数年的“品质服务”的进一步迭代情况。

2010年3月，吉利控股宣布以18亿美元，从福特汽车手中正式收购沃尔沃汽车100%股权。2021年，沃尔沃在瑞典斯德哥尔摩证券交易所正式挂牌上市，并受到全球机构投资者和公众青睐。

NVIDIA研究团队开发了OCR-2系统，让AI能够像程序员一样对自己编写的代码进行"自我批评"和改进。他们构建了包含250万个编程问题-解决方案-批评组合的史上最大代码推理数据集，采用两阶段训练方法，让AI既能写代码又能评价代码质量。该系统通过生成多个解决方案并自我筛选，显著提升了代码生成准确率。

卡耐基梅隆大学研究团队通过系统实验揭示了AI长链式推理的关键机制，发现高质量训练数据、精巧奖励设计、合适思考空间和多样化数据是让AI学会深度思考的四大要素。研究表明，通过监督学习初始化加强化学习优化的组合方法，AI能够像人类一样进行分支推理、错误纠正和自我验证，为智能教育、科研辅助和复杂决策等领域应用奠定基础。

特拉维夫大学研究团队通过分析GCG攻击机制，发现越狱攻击的成功依赖于"注意力劫持"现象，即攻击后缀能占据AI注意力机制的主导地位。研究表明，攻击的万能性与劫持强度直接相关，并基于此开发了增强攻击效果和防御攻击的实用方法，为AI安全研究提供了新视角。

腾讯PCG推出的ARC-Hunyuan-Video-7B是一个专门理解短视频内容的AI模型，能同时处理视频画面、声音和文字，准确把握创作者意图和内容精髓。该模型通过创新的音视频同步技术和时间戳叠加机制，实现了对短视频的结构化理解，在商业应用中显著提升了视频检索和推荐的用户体验。

DeFiore认为，讲好故事、充分赋能和培养营销思维是将IT和网络安全引入组织价值链中的前提，进而造福于企业的整体业务。

国立新加坡大学Show Lab团队开发的OmniConsistency是一种基于扩散变换器的通用一致性插件，用于解决图像风格化中的一致性问题。该方法采用两阶段解耦训练策略和滚动LoRA银行机制，实现风格学习与一致性学习的分离，有效保留图像风格化过程中的语义、结构和细节。研究团队构建了包含22种风格的高质量配对数据集，并通过定量与定性评估证明该方法达到了与商业模型GPT-4o相当的性能。OmniConsistency具有即插即用兼容性、强大的风格泛化能力和高计算效率，为图像风格化技术带来了重大突破。

普林斯顿大学研究团队开发了Goedel-Prover-V2，这是一个在自动数学定理证明领域取得重大突破的AI系统。该系统仅用8B参数就超越了6710亿参数的前代最强模型，在权威测试中达到84.6%成功率。其32B版本更是创下90.4%的新纪录。核心创新包括脚手架式数据合成、自我纠错机制和模型平均技术，证明了通过算法优化可以实现"小而精"胜过"大而全"的技术突破。

马普所团队提出POET训练法，通过正交变换重新参数化神经网络权重，在保持频谱特性稳定的同时实现高效训练。该方法仅用传统方法十分之一的参数就能获得更好性能，在13亿参数模型上验证困惑度从14.73降至13.70。POET展现独特的三阶段学习动态，并提供了坚实的理论保证，为大模型训练的参数效率和稳定性带来突破性进展。

开发者是华为云生态建设的核心，华为云将从“多元生态协同”和“全链路赋能”两个方面赋能开发者，从应用开发、部署、运营到商业变现的全流程支持，为开发者铺好云上成长之路。

谷歌DeepMind团队通过精巧实验发现，GPT-4等大型语言模型具备了类似人类"举一反三"的元学习能力，能仅凭少量示例快速掌握全新任务规律。这项发表于《自然·机器智能》的研究表明，AI正从简单模式匹配向真正智能推理转变，为教育、医疗、商业等领域的个性化AI应用开辟了广阔前景，标志着人工智能发展的重要里程碑。

宾州大学与Adobe联合推出LAMP-CAP数据集，首次实现多模态个性化图表说明生成。通过分析同一论文中的参考图表，AI能学习作者独特写作风格。实验显示，视觉信息对个性化效果贡献巨大，参考资料越相似效果越好。这项研究为学术写作助手开发奠定基础，预示着未来AI将更好地适应个人表达习惯。

这项由以色列理工学院等机构完成的研究提出了SingLoRA方法，用单一矩阵替代传统LoRA的双矩阵设计，解决了AI模型微调中的稳定性问题。该方法在保持性能的同时将参数量减少一半，在语言理解和图像生成任务中都表现出色，为大模型的高效适应提供了新的解决思路。

前面文章介绍微软Teams会议系统、微信软件与腾讯PCG服务三个Triton推理服务器的成功案例，让大家对Triton有初步的认知。