田纳西理工大学研究发现，在特定条件下，纯粹追求短期利益的人工智能反而会自发表现出探索行为。研究通过多臂老虎机和网格世界实验证实，当环境具有重复结构且智能体拥有足够记忆时，贪婪策略能够产生类似Thompson采样的探索效果。这一发现挑战了探索与利用必须对立的传统观点，为简化强化学习算法设计提供了新思路。

香港大学推出TokenHSI系统，通过创新的"任务符号化"策略实现虚拟角色多技能统一控制。该系统能让虚拟角色像真人一样灵活完成坐立、搬运、攀爬等复杂任务组合，相比传统方法在技能组合任务中成功率从26.8%提升至99.2%，为游戏、动画、VR等领域带来革命性进展。

冒险是创业常态，如何挑选正确的合作伙伴，对于创业至关重要。

无论是在表现形态上，还是在技术演进上，视频服务的发展可谓日新月异，云原生视频云服务应用而生，视频进入了一个新的时代。

以太坊正在积极“瘦身”，希望借此应对其它高效率区块链方案带来的挑战压力。

日立万塔拉正在进行存储策略更新,统一高端和中端产品线,拥抱全闪存和混合云。公司重回企业存储领域,简化产品组合,现代化技术,同时保持稳定性和可靠性。此外,公司还在积极布局AI市场,推出Hitachi IQ解决方案,并探索AI技术在存储管理和客户支持中的应用。

到底靠不靠谱，我们亲测了下。

德克萨斯大学奥斯汀分校的研究团队开发了一个名为CHARTMUSEUM的全新基准测试，专门评估大型视觉-语言模型理解图表的能力。研究表明，即使最先进的AI模型在图表视觉推理任务上远远落后于人类表现——虽然人类能达到93%的准确率，但最佳模型Gemini-2.5-Pro仅达到63%，开源模型表现更差。研究揭示模型在处理视觉推理问题时比文本推理问题表现低35%-55%，并通过错误分析确定了当前模型在符号选择、视觉比较、轨迹跟踪和数值识别等方面的关键挑战，为未来模型改进提供了明确方向。

香港大学团队首次发现AI事实核查系统的重大安全漏洞，开发出名为Fact2Fiction的攻击方法，能够系统性欺骗最先进的事实核查系统。研究显示即使投入极少量精心制作的虚假证据，就能让AI系统40-60%的时间得出错误结论，成功率比现有攻击方法高出8.9-21.2%。该研究揭示了AI系统透明度设计的双刃剑效应，为开发更安全可靠的下一代系统提供重要启示。

Web及移动App上云是指将Web应用程序或移动应用程序部署到云计算平台上，以便用户可以通过互联网访问这些应用程序。

浙江大学联合腾讯AI实验室提出KnowRL方法，通过在强化学习中集成事实性奖励机制，有效解决慢思维AI模型在推理过程中的幻觉问题。该方法在保持原有推理能力的同时，显著提升了模型的事实准确性，为构建更可靠的AI系统提供了新思路。

众所周知，NAND闪存的发展历经了从SLC、MLC到TCL、QLC的四个阶段。每个阶段的发展，都伴随着成本下降和容量及密度的上升，推动了闪存的进一步普及，但从性能和寿命角度，质疑也始终不绝于耳。

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。

这项研究开发了VIDEO-RTS系统，仅用传统方法3.6%的训练数据就让AI学会了真正的视频推理能力。系统采用"纯强化学习"跳过死记硬背阶段，结合"稀疏到密集"的自适应推理策略，在五个权威测试中平均准确率提升2.4%。这一突破性进展可能改变AI视频理解的发展方向。

去年在疫情的影响之下，出现了大量居家、移动、分散和远程办公的工作场景，这给企业的办公和员工传统的坐班式工作模式带来了很大的挑战。

「 回忆起夜店的那段时光，很多细节是王亮不愿意讲的。和同龄人比，他过早经历了社会辛酸，白天求学，晚上打工，从夜店服务生一路熬到某一流金融支付大厂的工程师。他说“兴趣不是最好的老师，饥饿才是。”」

字节跳动团队开发的MOSAIC系统突破了AI绘画的关键难题：多角色生成时的身份混乱。通过创新的语义对应机制和分离技术，MOSAIC能准确生成包含4个以上主体的复杂图像，每个角色都保持独特特征不串戏。该系统基于120万张精标注图像训练，在权威测试中全面超越现有方法，为AI内容创作带来革命性提升。

ByteDance团队开发的UMO框架解决了AI生成多人图片时的身份混乱问题。采用"多对多匹配"策略替代传统"一对一"方法，通过全局优化找到最佳人物-照片配对方案。结合奖励反馈学习和新的身份混乱度评估指标，显著提升了多人场景下的身份保持能力，在多项测试中取得大幅性能提升。

之前的内容里，我们已经对Pravega的特性和优势进行了介绍，相信大家对它已经有了一个完整的了解。

香港大学与快手科技联合开发的GameFactory系统实现了革命性突破：用户只需文字描述就能生成可操作的互动游戏。该系统通过创新的"风格-动作解耦"技术，让AI既能理解游戏控制逻辑，又能适应任何场景环境，从《我的世界》训练数据成功泛化到樱花森林、雪山、室内等开放域场景。这项技术有望大幅降低游戏开发门槛，让任何人都能成为游戏创造者，为娱乐产业带来颠覆性变革。