港科大团队提出的动态掩码稀疏注意力机制通过内容感知的动态掩码生成和位置感知的稀疏计算，让大语言模型学会智能分配注意力资源。该方法在保持完整信息的同时大幅降低计算复杂度，在长序列处理中实现10倍以上加速，并在多项基准测试中超越现有方法，为高效长文本处理提供了新的解决方案。

一部分支持者认为，区块链技术有望给整个食品行业带来颠覆，包括提高食品业务体系的效率、透明度与协作水平。

在经历了两年与疫情相关的限制以及由此对业务造成的影响后，大家更容易将卫生的概念与IT行业关联。

据人社局统计，我国目前有超过2亿的灵活就业人口，在近9亿的劳动人口中占22.3%。阿里研究院预测，在2036年，这个数字还要翻一番，灵活就业人口将达到4亿。

首席数据官Brad Clay率先采取了一种新的全局业务流程所有权模型，帮助推动半导体制造商GlobalFoundries从大宗商用产品业务向高价值业务的转型。

2018年2月3日戴尔易安信在一起了。合并之后的戴尔易安信在中国会着手准备着哪些大动作？通过IDC不久前发布的《数据时代2025》报告来看一下未来的存储市场，特别是中国市场，有哪些机会，以及未来存储行业有哪些走向。

上海交通大学研究团队开发的X-Master AI代理人系统在"人类最后的考试"中获得32.1%的突破性成绩，超越OpenAI和谷歌产品。该系统通过"散布-堆叠"多代理协作机制，让AI能够像人类科学家一样使用工具进行推理和探索，为AI辅助科学研究开辟了新道路。研究采用完全开源方式，展示了推理时计算的巨大潜力。

华中科技大学联合地平线机器人开发RAD自动驾驶训练系统，首次将3D高斯点云渲染技术应用于强化学习，在逼真虚拟环境中让AI通过试错学习驾驶技能。该方法巧妙结合模仿学习与强化学习，将碰撞率降低3倍至8.9%，同时保持人类化驾驶风格。研究为自动驾驶AI安全训练开辟新路径，预示更可靠的无人驾驶汽车即将到来。

这篇论文由加州大学伯克利分校和香港大学的研究团队提出了LIFT方法，挑战了传统视觉语言模型需要同时训练文本和图像编码器的假设。研究发现，使用预训练的大型语言模型作为固定文本编码器，只训练图像编码器就能在多项任务上超越CLIP，特别是在理解空间位置、对象属性关联等组合信息方面。LIFT不仅提高了计算效率，还解决了CLIP在处理复杂语义关系和长文本描述时的短板，为视觉语言模型提供了一条更高效的发展路径。

汽车产业的竞争法正在被重新书写。

上海AI实验室联合多所高校开发出VisualPRM系统，这是首个专门用于多模态推理的过程奖励模型。该系统能像老师批改作业一样逐步检查AI的推理过程，显著提升了AI在视觉推理任务上的表现。研究团队构建了包含40万样本的训练数据集和专门的评估基准，实现了在七个推理基准上的全面性能提升，即使是最先进的大型模型也获得了5.9个百分点的改进。

NFT的价值就是合约的价值+分布式账本的价值。合约记载的本体，本体是艺术就体现的是艺术价值，是游戏就体现游戏的价值…… ；账本价值就是真实保证其在数字世界的唯一性、真实性、永久性，有效保护创作者以及持有者的相关权益。

数据变宝任重而道远，只有借助于高性能计算(HPC)和人工智能(AI)，数据才能淋漓尽致的绽放其价值。

俄罗斯人工智能研究院等机构的研究团队首次成功破解了大语言模型内部推理机制的奥秘。他们使用稀疏自编码器技术将AI模型复杂的内部状态分解成可理解的功能组件，并开发了ReasonScore评分系统来识别负责推理的特定组件。通过精确调节这些"推理组件"，研究团队实现了AI推理能力的显著提升，为开发更可控、更透明的AI系统奠定了基础。

Patronus AI发布突破性研究，构建了首个系统性AI代理错误评估体系TRAIL，涵盖148个真实案例和21种错误类型。研究发现即使最先进的AI模型在复杂任务错误识别上准确率仅11%，揭示了当前AI代理系统在长文本处理、推理能力和自我监控方面的重大局限，为构建更可靠的AI系统指明方向。

南京大学团队开发的TextCrafter系统成功解决了AI图像生成中多文字准确渲染的技术难题。该系统采用三阶段策略：实例融合、区域隔离和文字聚焦，实现了73.7%的文字准确率，相比基础模型提升45%以上。同时创建了包含2000个复杂场景的CVTG-2K评测数据集，为该领域建立了新标准。作为无需训练的即插即用技术，TextCrafter在广告设计、内容创作等领域具有广阔应用前景。

随着物联网技术的发展和边缘计算的需求不断增长，数据中心必须进行现代化改造，尤其是数据处理的能力必须比最初的设计高出几个数量级。

5月25日，飞书在线上举办春季未来无限大会，正式发布了飞书People系列产品。

预训练和强化学习就能AGI，我的朋友已经不涂防晒霜，Anthropic研究员Douglas：模型对全球GDP的影响类似中国崛起

随着大语言模型和生成式AI的兴起,传统搜索引擎市场正面临颠覆。文章提出了"答案经济"的概念,并对比了传统搜索与新型语言模型的差异。作者建议企业采取三项行动来应对这一变革:检查产品在主流模型中的表现、分析客户关键趋势、评估公司在人才市场的地位。这些举措将帮助企业更好地适应从"问题经济"向"答案经济"的转变。