蚂蚁集团推出UI-Venus系统，这是一个能够仅通过屏幕截图就理解和操作用户界面的AI模型。该系统采用强化微调技术，在多个基准测试中达到业界最佳水平，其72B版本在界面识别任务上准确率达95.3%，在复杂的安卓操作任务中成功率达65.9%。研究团队还开发了创新的自进化轨迹对齐技术，显著提升了AI在多步骤任务中的规划能力，为智能化人机交互开辟了新途径。

就筹备如此周全严密的重大活动赛事而言，冬奥会更像是一场雪地猎人的狩猎场。于林间奔跑的雪地猎人，奔波防护冬奥会基础设施安全，特别是网络与信息安全，用「更快的应急响应速度、更高的监测发现视角、更强的对抗突破能力」，捕捉隐藏在暗处的「猎物」。

据路透社和《华尔街日报》报道，戴尔科技公司（Dell Technologies Inc.）计划会见几家银行，商谈可能的首次公开募股（IPO）承销事宜，这家公司再次上市的消息为之前的混乱带来了另一个转折点。

想象一下，你正在进行一次CT扫描。医生告诉你，为了减少辐射对你身体的伤害，他们会使用低剂量的X射线。这听起来很棒，对吗？然而，就像在昏暗光线下拍照会产生大量噪点一样，低剂量CT扫描也会产生大量的图像噪声，这些噪声就像薄雾一样遮挡了重要的医学细节，可能导致医生错过关键的诊断信息，比如微小的肿瘤或低对比度的病变。

通用汽车公司在2021年1月成立了BrightDrop，通过电动货车和机动托盘的集成生态系统实现第一英里和最后一英里的运输现代化。

通过容器化改造直接上PaaS云平台，适用于业务功能固定、无需改动的遗留应用，好处是无需改动大量的软件代码，能够实现应用现代化的快速改造。

近年来，AI绘画爆火出圈，各大社交平台纷纷推出自己的AI绘画工具：QQ的AI画匠、抖音的AI照片特效、小红书的AI绘图，让越来越多的用户体会到AI的魅力，输入几个关键词或者上传图片，你也可以成为“画家”。

人工智能时代,药物创新还可以有哪些从0到1的突破?

香港理工大学研究团队开发了突破性医学AI系统GEMeX-ThinkVG，让人工智能在分析胸片时能像医生一样详细解释诊断过程。该系统不仅能准确回答医学问题，还能标注具体的影像区域并提供完整的推理链条，解决了传统医学AI"黑盒子"问题。通过创新的强化学习训练方法，仅用八分之一数据就达到了传统方法的性能水平，为可解释医学AI开辟了新方向。

人工智能与区块链技术的融合正在开创加密货币的新纪元。这种融合不仅超越了数字货币的概念，还为企业提供了独特的机遇。新兴的AI加密货币旨在驱动下一代AI基础设施，包括去中心化计算网络和安全数据市场。

香港大学团队突破性地解决了AI全景图生成中的拼接难题，提出DreamCube系统，能从单张照片生成包含深度信息的完整360度场景。该研究创新性地引入"多平面同步"技术，让AI同时协调处理立方体六个面，避免传统方法的色差和断裂问题，实现从2D图像到3D场景的快速转换，为VR/AR、游戏开发、建筑设计等领域提供了全新的内容创作工具。

在2019年3月21日接受IEEE Spectrum采访时，她与我们共同就这一愿景以及英特尔公司的技术状况进行了探讨。

如今API作为连接服务和传输数据的重要通道，已成为数字时代的新型基础设施，但随之而来的安全问题也日益凸显。随着数字化技术的发展和Web API数量的爆发性增长，API面临的安全攻击风险比其他类型的攻击更加复杂和更难防护。

BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台，整合了38个基准中的30万个问题，按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差，而BenchHub通过自动分类系统和用户友好界面，让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大，强调了定制化评估的重要性。该平台支持多语言扩展和领域特化，为研究人员和开发者提供了灵活评估大语言模型的强大工具。

戴尔科技正建立起更具弹性的供应链，同时向边缘和多云计算等增长领域投资，并对消费模式的转变做出响应，希望借此维持稳定的长期业务增长。

对于小美来说，看直播购物是她工作之余的休闲生活，但对于屏幕那头的虚拟主播来说，24小时的工作，才是她的生活。

北京人工智能研究院团队开发的DiagNote模型通过模仿人类做笔记的习惯，解决了AI在多轮视觉对话中容易"失忆"的问题。该研究构建了专门的MMDiag数据集，设计了双模块协作的AI架构，让机器学会像人类一样通过标记重点区域来保持专注力，为更自然的人机视觉交流奠定了基础。

既然核心是好东西，那更多核心不就更好了？那可不一定，特别是在HPC场景之下。不要总盯着五百强超算那大堆大堆的64核Epyc处理器，科学的结论需要科学的分析过程。

MIT媒体实验室研究团队通过脑电图实验发现，使用AI聊天机器人完成写作任务时，大脑活动水平比独立完成相同任务时降低多达55%。研究将学生分为三组：纯大脑思考组、搜索引擎辅助组和GPT-4o辅助组。结果显示AI辅助组的神经连接最弱，事实记忆能力也最差。当移除AI支持后，原AI依赖组表现明显下降。研究建议教育应延迟AI集成，让学习者首先进行充分的自主认知努力，以促进长期认知自主性和避免产生智力依赖。

Meta团队开发了首个专门测试AI代理科学重现能力的基准，基于真实的NanoGPT训练加速竞赛。研究发现即使最先进的AI模型如o3-mini，在详细提示下也只能恢复约46%的预期性能提升，表明当前AI在科学研究的基础任务——重现已知发现方面仍存在重大局限。