这篇研究提出了OThink-R1，一种创新的大型推理模型，能够像人类一样在快速直觉思维和慢速深度推理之间自动切换。研究者发现，现有推理模型即使面对简单问题也会生成冗长的推理过程，导致计算资源浪费。通过分析推理轨迹并使用LLM评判员区分冗余和必要推理，OThink-R1能根据问题复杂度动态调整思考深度。实验表明，该方法平均减少了23.4%的生成文本量，同时保持或提高了准确率，代表了向更高效、更人性化AI推理系统迈出的重要一步。

2023年大众对AI的看法从怀疑到认可，AGI（通用人工智能）的发展迅速，大模型展现出惊人的想象力和取悦能力。应用层尚未出现独角兽，创业者面临官方技术迭代的挑战。

如果用数据能力评价云平台上数据能力的短长，究竟需要考量哪些方面呢？我们在这里总结了六大因素，供您参考。

在IBM看来，商业世界的重构时时刻刻都在发生，而这次疫情的危机只不过是一个导火索，是对企业家们居安思危的提醒，也是对企业敏捷程度和执行能力的检验。

近年来，世界各国的HPC大师们正纷纷转向超大规模与云设施领域。但不同于在供应商处任职，他们往往更倾向在自己熟悉的岗位上不断深耕。劳伦斯利弗莫尔国家实验室计算部门的首席技术官Bronis de Supinski就是其中之一。

关于机器人流程自动化的一切，以及先锋厂商UiPath的成长路径。

近期，科技行者受邀参加了新款XC60的试驾，实际试驾之后发现，它绝不是一次“小打小闹”的升级，更是一次由内而外的蜕变。

KAIST研究团队开发了CLEANMOL框架，解决了大语言模型理解SMILES分子表示法的关键难题。传统模型即使在简单任务如计数分子环数时也表现不佳，因为SMILES编码中结构信息常呈非连续分布。研究通过设计官能团匹配、环计数等确定性任务，大大提升了模型对分子结构的理解。实验表明，预训练后的模型在逆合成等下游任务上表现优异，精确匹配率从45.6%提升至58.1%。这一突破无需昂贵实验数据，为药物开发和材料设计提供了低成本高效的AI支持方案。

2018年1月17日 —— GMIC大会主办方长城会（GWC）在北京举办了以“我们的十年”为主题的GMIC北京2018启动发布会暨长城会十周年会员年会。

这项研究探索了如何通过"LLM情境调节"和"持续工作流程提示"技术来提高大型语言模型在验证化学分子式时的准确性。研究者发现，普通提示方法往往不可靠，因为LLM倾向于自动"纠正"错误而非指出它们。然而，通过精心设计的情境调节提示，研究成功引导Gemini 2.5 Pro不仅识别出文本中的错误，还发现了之前人工审阅未察觉的图像中的分子式错误。这一概念验证研究表明，即使不修改模型本身，也能通过适当的提示策略显著提高LLM在科学技术文档细节验证中的表现。

这项研究首次提出了"任意条件到文字描述"的视频生成新模式，通过多模态大语言模型将用户的各种创意输入转化为结构化描述，再驱动现有视频生成系统。研究团队构建了包含33.7万实例的大规模数据集，并设计了创新的渐进式训练策略，实现了对图像、人体姿态、摄像机轨迹等多种条件的统一理解，显著提升了视频生成的可控性和质量。

最近我们留意到“World of DaaS”节目邀请到了一位重量级嘉宾——安妮·杜克（Annie Duke）。她的履历堪称传奇：前职业扑克冠军，职业生涯中斩获逾400万美元奖金，并将2004年世界扑克系列赛金手链收入囊中。如今，她成功转型为决策策略领域的权威专家，著有《对赌：信息不足时如何做出高明决策》与《放弃：懂得何时放手的力量》等畅销作品。在这期视频中，安妮·杜克与主持人展开深度对话，一步步剖析风投在项目评估过程中常见的认知陷进，并分享了如何运用决策科学的原则来优化投资策略、提升决策质量。

密歇根大学研究团队首次破解AI编程语言选择机制，开发出G-ACT智能控制系统。该技术能精确引导AI选择C++等高性能语言，解决科学计算中AI语言偏好不当问题。实验显示控制准确率提升15%，为构建可靠AI智能体奠定基础。这项发表于2025年6月的研究标志着从"训练AI"向"控制AI"的重要转变。

今年的re:Invent上，Andy Jassy再次为全球40多万名注册观众带来长达三小时的主题演讲，并且一口气发布27项创新的云服务和功能（当天总共发布43项新服务和功能），令到场的媒体和分析师惊叹。

8月29日，主题为“云数赋能 智慧未来”的Inspur World 2018浪潮技术与应用峰会在成都召开，浪潮集团在大会上公布了转型战略，将建设云中心、云服务、智慧城市等6大生态，向“云+数”新型互联网企业战略转型。

清华大学团队利用扩散模型革新自动驾驶3D感知技术，通过生成式建模取代传统判别式方法，让AI系统具备类人想象推理能力。该方法在遮挡区域预测准确率提升15%，并显著改善下游规划任务性能，为自动驾驶向更智能安全方向发展提供重要技术突破。

伊利诺伊大学研究团队开发出UGST框架，解决了用户模拟器在对话中频繁出现的目标错位问题。通过将用户目标分解为可跟踪的子组件并采用三阶段训练方法，使小型模型性能提升14.1%，甚至超越大型模型，为对话AI训练提供了更可靠的用户模拟解决方案。

斯坦福大学研究团队开发出能在《Among Us》游戏中进行类人交流和推理的AI系统。该研究突破了传统AI训练方法，让AI学会"听"和"说"两项核心技能：通过理解他人发言更新认知，以及提供有价值信息帮助队友。训练后的15亿参数AI胜率达60%，超越70亿参数模型，展现出直接指控、提供证据等人性化行为，为AI社会智能发展开辟新路径。

面向未来，英特尔正在借助“软件”这一强大的技术力量，联手产业生态合作伙伴软硬兼施，加快在各种架构、各种工作负载下的应用优化和开发速度，推动创新落地。

在2008年首度公布比特币项目的白皮书当中，化名中本聪的神秘缔造者总结称：“我们提出了一种不依赖信任基础的电子交易系统。”他所指的正是区块链，比特币加密货币背后的底层系统。规避对信任体系的依赖无疑是一项伟大的承诺，但实际情况却并非如此。