北卡罗来纳大学研究团队通过深入分析手指触控过程中的动态特征，开发出新型触控识别算法，能够理解触控过程中的压力分布、接触面积变化等信息，比传统方法准确率提高15-28%。该技术采用分层处理架构解决计算效率问题，已在真实设备上验证效果，将为个性化交互、情感感知等未来应用奠定基础，有望显著改善用户的触控体验。

裁员能不能也用上人工智能呢？有没有人工智能工具可以帮助指导企业的决策呢？事实证明是有的。笔者想在这里与读者分享五种方法，其中的人工智能可以令“组织精简”达到对雇主和雇员都有利的目的。

这项由巴斯克语言技术中心团队完成的研究，开发了GUIDEX方法来自动生成信息提取的标注指南和训练数据。该方法通过四个步骤（文档总结、结构化表示、指南生成、实例提取）模拟专家工作流程，无需人工标注即可适应新领域。实验显示，GUIDEX在七个零样本命名实体识别基准上创造了新的最佳成绩，比现有方法平均提升近2个F1分数点。

IBM和NASA的研究人员本周发布了一个开源的人工智能气候模型，该模型旨在准确预测天气模式，同时，与传统基于物理的模拟相比，消耗的计算资源更少。

霍尼韦尔公司表示，摩根大通等多家客户已经开始在生产环境中使用其量子计算机。而且根据IBM方面去年建立的基准性能测试，该计算机已经成为目前世界上最强大的量子计算机成果。

波士顿大学研究团队开发的DORI基准测试从四个维度评估多模态大语言模型的物体方向理解能力：正面对齐、旋转变换、相对方向和规范方向感知。研究评估了15个最先进模型，发现即使最佳模型在粗粒度任务上的准确率也仅为54.2%，在细粒度方向判断上更低至33.0%，与人类表现相差近30%。结果表明当前模型在精确角度估计、多视角追踪和理解复合旋转方面存在系统性缺陷，反映了它们内部3D空间表示的根本局限，为未来模型设计提供了明确方向。

美国国家橄榄球联盟（National Football League，简写为NFL）与亚马逊的 AWS 部门建立了“数字运动员”合作伙伴关系，目的是帮助部署人工智能和机器学习，提高球员的健康和安全。

Mistral AI首次推出推理模型Magistral，采用纯强化学习训练让AI学会深度思考。该模型在数学推理能力上提升近50%，能够展示完整思考过程，并意外获得多模态推理能力提升。研究团队开源了Magistral Small模型，为AI推理能力发展开辟新路径，证明了强化学习在培养AI思维能力方面的巨大潜力。

这项由Google DeepMind团队完成的研究开发了AlphaFold系统，能够从氨基酸序列准确预测蛋白质三维结构。在CASP14竞赛中，系统达到92.4分的惊人准确度，远超传统方法。该技术正在革命性地改变药物研发、基础生物学研究等领域，为科学家提供了快速获取蛋白质结构信息的强大工具，标志着计算生物学的重大突破。

4月29日，英特尔与Snap、纳斯达克、戴尔科技及NTT数据共同宣布成立全球包容联盟，并制定了多元与包容指标。

AMD 的第四代 Eypc 处理器日前登陆 AWS，并提供通用和高性能计算任务的选择。

“水下数据中心”是理想的数据中心选址，利用凉爽的水下环境帮助计算机实现高效的热交换，可以完美解决火灾、散热问题，并节省服务器在散热上耗费的能源。

斯科尔科沃科技学院团队开发了一种基于稀疏自编码器的AI文本检测新方法，能够像"透视镜"一样看穿文本表面，识别AI生成内容的内在特征。研究发现AI文本具有三大类特征：话语特征、噪声特征和风格特征，不同AI模型表现出独特的"写作个性"。这种方法不仅检测准确率高，还能解释检测原理，为教育、媒体等领域提供了更可靠的AI内容识别工具。

VMware将与新的合作伙伴一起致力于推动一项名为“Certifier Framework for Confidential Computing”的开源项目，该项目旨在克服采用机密计算的一些最大障碍。

微软等机构联合开发的NaturalSpeech 3实现了革命性的语音合成突破，通过因子化编解码器和扩散模型技术，首次让AI能够生成具有真人般自然韵律和情感表达的语音。该系统具备零样本学习能力，仅需少量样本即可模仿任何人的声音特征，在主观评测中达到以假乱真的水平，为医疗康复、教育娱乐、个人助手等领域带来广阔应用前景。

随着 Amazon 即将推出 Alexa+，品牌需要紧急调整其数字营销策略以适应语音购物时代。最新专利显示，Alexa 将与 Amazon 的 Rufus 产品智能系统深度整合，优先考虑那些拥有完整产品属性数据且使用日常会话语言的品牌。这一转变既带来挑战也创造机遇，传统的关键词优化将让位于更注重属性和对话的产品内容策略。

剑桥大学和伦敦大学学院的研究团队提出了一种名为"视觉规划"的全新范式，让人工智能系统能够完全通过图像序列而非文本进行推理。与传统依赖语言的方法不同，这种方法模仿人类在解决空间问题时直接在"心眼"中想象解决方案的能力。研究团队开发的基于强化学习的视觉规划框架(VPRL)在导航任务上比基于文本的方法平均提高了40%的准确率，证明了非语言推理在特定任务中的优越性，为AI系统开辟了一条更接近人类直觉思维的新路径。

这项研究介绍了EOC-Bench，一个创新基准测试，专门评估多模态大语言模型在第一人称视角场景中对物体的认知能力。研究团队从三个时间维度（过去、现在和未来）构建了3,277个问答对，涵盖11个细粒度评估维度，创新性地使用视觉提示解决物体引用问题。评估结果显示，即使最先进的模型如GPT-4o在物体时间感知方面也显著落后于人类，特别是在绝对时间感知上。这一研究为发展更强大的体感AI系统提供了重要参考，对增强现实和机器人技术等领域具有深远影响。

斯坦福大学研究团队创建了全球首个创意写作评估基准LitBench，通过分析Reddit写作社区的4万多对故事比较数据，训练AI模型判断创意写作质量。研究发现专门训练的小型奖励模型（78%准确率）能超越大型语言模型评委（73%），但添加推理链反而降低了表现，揭示了创意评判需要直觉性判断的特点。

近期，F5发布了《2021年应用策略现状》报告，这是F5连续第七年发布有关应用策略现状的报告。该报告参考了全球超过1500多名的受访者，这些受访者来自于不同的企业和行业，职位分为高管和不同IT角色。