这项研究提出了一种名为"控制目标原子"(STA)的新方法，用于精确控制大语言模型的行为。与传统提示工程相比，STA通过稀疏自编码器识别并操作模型内部的解耦知识组件，实现更稳健、灵活的行为控制。实验证明，STA在安全控制方面表现卓越，同时对模型一般能力影响微小。研究还发现控制引导方法在应对对抗性场景时比提示工程更为稳健，并成功应用于控制大型推理模型的思考长度。

说到底，这项由爱丁堡大学埃洛伊丝·克雷文博士领导的研究为我们打开了一扇通往过去的神奇之门。通过从北极永久冻土中提取和分析古老的DNA片段，研究团队成功重建了北极地区几千年来的植被变化历史，揭示了植物群落对气候变化的复杂响应模式。

小红书NLP团队开发了专门针对社交网络的AI模型RedOne，通过三阶段训练策略处理社交媒体特有的非正式语言和多元化任务。该模型在社交网络基准测试中比基础模型平均提升14.02%，在实际应用中将有害内容检测准确率提升11.23%，搜索推荐点击率提升14.95%，为社交平台AI应用提供了新的技术方案。

CIO对公司发生的一切都有独到的见解，有些人正在利用这种洞察力来扮演更具战略意义的角色。

香港中文大学等机构联合发布Grove MoE架构，创新性地将专家系统分组并配备共享辅助专家，实现动态资源调配。该33B参数模型仅需激活31.4-32.8B参数，在数学推理、编程等任务上显著超越同规模竞品，在MMLU-Pro测试中达72.8分。架构借鉴big.LITTLE处理器设计理念，通过智能负载均衡机制提升计算效率。

网易云信CTO赵加雨告诉记者，作为子弹短信即时通讯能力（IM）和音视频通话能力的提供者，网易云信为子弹短信多样化功能的实现和丰富的交互形式提供了坚实的技术支持。

清华大学团队通过创新的"模式感知重排序"技术，解决了AI视频生成中注意力机制计算效率低下的问题。该技术将复杂分散的注意力模式重新整理成规整的块状结构，结合专门设计的稀疏化和量化策略，在保持生成质量的同时将计算速度提升1.9-2.7倍，为AI视频生成的普及应用铺平道路。

智能体AI正成为IT领域最热门技术，预计5-10年内达到生产力峰值。微软报告显示82%的IT领导者计划在未来12-18个月内使用AI智能体扩展团队能力。目前金融、零售和医疗三个行业已率先体验智能体AI的影响。零售业主要优化客户体验和物流运营，金融业用于自动化关键流程和欺诈防范，医疗业则减轻行政负担并改善患者信息获取。

这项由宾夕法尼亚州立大学研究团队开发的FOVER方法解决了AI推理验证器训练中的两大难题：数据标注成本高和应用范围有限。研究者利用形式验证工具（如Z3和Isabelle）自动检查AI在形式逻辑和定理证明任务中的每一步推理是否正确，创建了高质量的训练数据集。令人惊喜的是，经过这种训练的验证器不仅无需人工标注数据，还能泛化到各类推理任务，在12个不同基准测试中表现优异，甚至在某些任务上超越了使用人工标注训练的验证器。这为提高AI推理能力提供了一条高效、通用的新途径。

面对当前的攻击态势，端点安全防护需要综合运用多种技术。

随着Windows Server 2008和SQL Server 2008支持截止日期的临近，微软为用户提供了一个能够继续获得安全更新的新选项：将工作负载转移至Azure。

中科院与美团联合推出MoTE技术，通过"三值专家混合"架构巧妙解决大模型内存消耗问题。该技术保留原模型的全精度共享专家，同时添加多个内存高效的三值路由专家，在3B参数规模下内存消耗减少60%以上，性能反而提升1.6%。这项突破为在普通设备上部署强大AI模型开辟了新路径。

作为关键AI与数字应用不可或缺的底层设施，高科技数据中心需要认真且深入的设计规划。

如今时隔一年，英特尔锐炫 A750 显卡再次历经了数个驱动版本更新，那么 2024 年这张 1500 元价位的显卡能否再给玩家带来惊喜呢？

阿里巴巴团队开发了CODEELO，这是首个让AI模型与人类程序员在相同条件下公平竞技的编程评估平台。该系统通过直接将AI代码提交到真实竞赛平台CodeForces进行评判，实现了零误判和完全公平的评估环境。测试33个主流AI模型发现，只有OpenAI的o1-mini表现突出（评级1578，超越90%人类选手），大多数模型仍处于人类参赛者最低20%水平，揭示了AI在复杂推理任务中的真实能力差距。

AWS亚太和日本首席技术专家Olivier Klein，深入介绍了如何构建技术堆栈简化生成式AI采用，解决运行生成式AI工作负载成本、安全性和隐私相关问题。

南洋理工大学研究团队开发了名为"视频思维测试"的新基准，通过1000个精心设计的YouTube短视频揭示了AI视频理解的真实水平。测试发现，即使是最强AI模型GPT-4o的正确率也只有36.6%，远低于人类的84.3%。研究指出AI主要存在时空混淆、世界知识缺失和复杂情节理解困难三大问题，为改进AI视频理解能力指明了方向。

绿色智能制造创赢计划始终不变的在做技术融合创新，变的就是施耐德电气在寻找更好的办法和模式来实现，最近绿色智能制造创赢计划第三季也迎来了结营仪式。

布朗大学和哈佛大学研究团队开发出SAIL系统，让机器人能够像人类一样通过自我实践来学习新技能。该系统结合互联网规模的视频模型和环境特定知识，使机器人在面对未见过的任务时能够持续自我改进。实验证明，机器人的成功率能从24%提升至80%以上，且即使从失败经验中也能学习改进。

普林斯顿大学研究团队开发了Goedel-Prover-V2，这是一个在自动数学定理证明领域取得重大突破的AI系统。该系统仅用8B参数就超越了6710亿参数的前代最强模型，在权威测试中达到84.6%成功率。其32B版本更是创下90.4%的新纪录。核心创新包括脚手架式数据合成、自我纠错机制和模型平均技术，证明了通过算法优化可以实现"小而精"胜过"大而全"的技术突破。