清华大学深圳国际研究生院与阿里巴巴AMAP团队合作开发了UniVG-R1，这是一种基于推理引导的通用视觉定位模型。研究者通过构建高质量思维链数据集和应用强化学习技术，显著增强了模型处理多图像复杂指令的能力。实验表明，UniVG-R1在MIG-Bench上比现有技术提升9.1%，并在四个零样本测试基准上平均提高23.4%的性能，展现出卓越的推理能力和泛化性。

智能制造融合创新主题峰会正是对新时代智能制造创新发展经验的一次阶段性总结，也是对如何更为深广地戮力中国“智”造的一次系统性思考，峰会紧扣制造行业关心的智能制造与新制造等热点话题，深入探讨制造业数字化转型的挑战、路径、技术..

三年前，强生开始把智能自动化应用到业务的各个方面，随着全球新冠疫情大爆发，强生公司作为全球最大的药品、医疗设备和消费品的供应商之一，需要降低成本、加快任务、提高核心业务运营准确性。

KAIST研究团队开发的VideoRAG系统实现了人工智能在视频内容理解上的重大突破。该系统能够直接从海量视频中检索相关内容并生成准确答案，解决了传统方法只能处理文字和图片信息的局限。通过智能帧选择和多模态信息融合技术，VideoRAG在问答准确性上显著超越现有方法，为教育培训、技能学习等领域提供了全新的智能问答解决方案。

Teradata宣布，即日起，Vantage 能够运行外部创建的预测模型，又称作“模型共享”或“BYOM（Bring Your Own Model，自带模型）”。

数据丢失防护(DLP)涵盖了防止未经授权数据泄露的战略和操作措施。随着大量工作负载迁移到云端，许多专家对云DLP提出需求。然而讨论往往缺乏明确要求，存在项目风险。有效的云DLP策略需要明确两个基本问题：哪些用户在范围内，DLP解决方案应覆盖哪些通信渠道。不同用户群体面临不同的泄露风险：业务用户主要通过邮件和网络上传，而工程师和管理员拥有更多技术选择。组织应结合邮件DLP、终端DLP和网络DLP三种主要解决方案，同时配合严格的防火墙规则和安全开发环境，构建全面的数据保护体系。

研究表明，欧洲企业正借法规推动，从关注员工数量转向侧重技能和特质，有效应对网络安全人才缺口。

BluOrion公司开发的ZClip是一种智能梯度裁剪算法，解决了大型语言模型训练中的梯度爆炸和损失飙升问题。通过Z分数统计检测和动态调整策略，ZClip能够自适应地控制梯度幅度，相比传统固定阈值方法提升训练效率35%以上，同时显著降低训练失败风险，为大模型训练提供了更稳定、高效的解决方案。

Red Hat OpenStack平台现已更新为Red Hat OpenStack Services on OpenShift。

预测性分析是一种利用历史数据和先进分析技术来预测未来结果的高级数据分析方法。它结合了统计建模、数据挖掘和机器学习等技术,可以帮助组织准确预测未来趋势和行为,从而做出更明智的决策。预测性分析市场正快速增长,预计到2032年将达到950亿美元规模。

约翰霍普金斯大学与StepFun公司联合研究，成功让AI学会"边看边思考"的视觉推理能力。通过两阶段训练方法，先让AI在文字推理中掌握认知行为，再迁移到视觉任务中。开发的OVR模型在多项测试中创造新纪录，为AI教育助手、医疗诊断、科研分析等应用奠定基础。

FullFront是一项创新研究，首次全面评估多模态大语言模型在前端工程完整流程（从设计概念化到视觉理解再到代码实现）中的能力。研究通过精心设计的基准测试，包括网页设计、网页感知问答和网页代码生成三大核心任务，发现即使最先进的模型在精细视觉感知（如元素对齐、大小和间距）方面表现远低于人类专家，且在复杂布局和交互功能实现上仍存在显著局限。研究揭示了闭源模型普遍优于开源模型，但所有模型与人类专业水平间仍存在巨大差距，为未来AI辅助前端开发工具的改进提供了重要方向。

MIT和斯坦福研究团队开发了AuriStream，一个模仿人类听觉系统的革命性语音AI。该系统采用两阶段设计：WavCoch组件将音频转换为类似耳蜗的频谱表示，autoregressive模型预测声音序列。AuriStream在词汇语义理解上创造新纪录，音素识别达88%准确率，并具备独特的可解释性——能将预测结果可视化为声谱图。这项发表于arXiv的研究为语音AI开辟了生物启发的新路径。

AVEVA在独立研究公司Verdantix对全球11家杰出资产绩效管理解决方案供应商的评选中摘得市场领导者桂冠。

Akamai今天宣布，其将在第72届技术与工程艾美(R)奖颁奖典礼上获得由美国国家电视艺术与科学学院（NATAS）颁发的“技术与工程艾美(R)奖”。

苹果可继续维持严格的App Store管理政策。

英特尔与Green Revolution Cooling（GRC）合作编写了一份关于浸入式冷却技术的白皮书。双方在文件中提出可持续性理由，宣称这种方法能够削减数据中心冷却所需电力、进而降低运营成本。

随着人工智能的发展，企业面临着前所未有的安全挑战。40%以上的企业欺诈现在由AI驱动，能够模仿真实用户行为、绕过传统防御系统，并以压倒性的速度进行攻击。2024年，近90%的企业遭受攻击，半数损失超过1000万美元。为应对这一威胁，安全团队需要采用全新的思维方式和技术手段，实时评估每个用户的风险，构建更加智能和动态的防御体系。

南洋理工大学研究团队揭示了智能音箱存在安全隐患，可通过特制音频绕过唤醒词检测机制。这种"隐藏命令攻击"能让音箱执行普通人听不出的指令，潜在威胁家庭安全和隐私。研究通过逆向工程分析设备内部语音处理系统，发现其双重检测机制存在漏洞。该研究提供了防范措施，对物联网设备安全设计提出重要启示，为行业制定更严格安全标准指明方向。

经验丰富的零售专家，来自芝加哥的微软全球零售、消费吕及游戏高级战略师Mike Edmonds与我合作，希望从零售业与AI的携手同行经历中提取出宝贵的见解。经过共同努力，我们于2024年6月4日举办了“零售业中的生成式AI：现实生活示例与最佳实践Omaxn”活动，向与会观众展示了他对于生成式AI零售革命的现实认知。出席活动的观众包括美国中西部多位最具影响力的AI商业领袖、企业家、技术专家、数据及分析主管、研究人员以及投资者。