Qualcomm AI Research团队提出了一种创新方法，通过让小语言模型使用编程工具而非抽象思考来解决代码修复问题。研究发现，1B和3B参数的小模型在使用这种"编辑链"方法时，成功率分别提升了6倍和2倍，远超传统思维链方法。这种工具辅助策略为小模型的实际应用开辟了新路径。

谷歌、亚马逊和微软三大全球领导者在美国、欧洲和亚太地区的大部分云市场的市场份额遥遥领先其他竞争对手。

“‘数字中国’的建设，离不开从芯到云的核心技术产品支撑。”最近，从深圳到武汉、从武汉到福州，紫光集团董事长赵伟国频频说出的这句话引发了很多人的共鸣。

7月24日，“第五届数字中国建设峰会 云生态大会”在福州召开。

2018年6月8日至9日，由中国林牧渔业经济学会饲料经济专业委员会、麦汇信息MTC、SAP中国、华为联合举办的农牧数字化创新大会在深圳圆满举行。

这项研究介绍了WebAgent-R1，一种用于训练网页智能体的端到端多回合强化学习框架。不同于传统方法，它直接通过在线交互学习，仅依靠二元任务成功奖励信号指导。实验表明，该方法显著提升了Qwen-2.5-3B和Llama-3.1-8B模型的网页任务成功率，超越了现有最先进技术。研究还揭示了行为克隆的重要性、思考型提示策略的有效性，以及通过增加交互次数来实现测试时性能扩展的新策略。

黑芝麻智能在人工智能、自动驾驶和车规芯片领域积累了成熟的技术能力以及丰富的研发经验。

RankNovo是由上海人工智能实验室和复旦大学等机构联合开发的创新框架，通过列表式重排序方法整合多个肽段测序模型的优势，提出PMD和RMD两种新指标精确评估肽段差异。实验证明它在9-species基准测试中超越所有单一模型，肽段召回率提升至66.0%，并展示出强大的零样本泛化能力，为蛋白质组学分析提供了全新范式。

2015年以来，中央和地方政府均出台了一系列政策和文件推动政务云的落地，促使中国政务云市场规模暴涨，同时政务云也成为各大云计算厂商争夺最为激烈的“香饽饽”。据云计算开源产业联盟《2018政务云白皮书》显示，目前我国政务云市场规模接近300亿元。

近日，紫光股份旗下新华三集团正式成为超以太网联盟 (UltraEthernetConsortium,UEC) 新成员

初创公司Geniez推出软件解决方案，将AI大语言模型和智能代理与大型机连接，实现实时数据提取供AI使用。该方案突破IBM大型机数据孤岛限制，为非IBM的LLM和AI代理提供实时访问。公司由Model9前高管创立，支持DB2、IMS等多种大型机数据源，兼容Meta、OpenAI等主流AI模型，具备企业级可靠性和安全性。

尽管小芯片似乎是近年来才开始在半导体领域大规模普及，但英特尔可编程解决方案部门（PSG）其实早在2016发布的首款Stratix 10设备以来，就一直依赖小芯片技术实现其现场可编程门阵列（FPGA）。

来自微软以及CA Technologies、思科、HPE、SAP和SUSE的官员3月19日表示，他们将与有关供应商一起合作，为开源软件用户提供更多的"可预测性"。

AI初创公司Modular完成2.5亿美元C轮融资，估值达16亿美元。该公司提供统一平台，让开发者无需重写代码即可在不同芯片上运行AI应用，包括CPU、GPU、ASIC和定制芯片。公司旨在打破英伟达CUDA的垄断局面，为企业提供更多硬件选择自由。其平台已支持英伟达、AMD和苹果架构，在新一代加速器上性能提升20%-50%。

Guardz 获得 5600 万美元 B 轮融资，通过 AI 驱动的全能安全平台与 MSP 合作，为中小企业提供与大企业同等的网络防护，帮助应对自动化网络攻击。

拉美市场又充满了复杂性，各国之间的立法庞杂，执法参差，合规性要求各有不一，并且拉美不同国家之间的文化差异，也对中国企业进军拉美的本地化工作提出了更高的要求。

西湖大学团队提出的梯度分组缩放（SGG）方法巧妙解决了大语言模型训练中的关键挑战。与传统方法不同，SGG动态聚类每层参数并应用特定缩放因子，既保留参数级优化又引入组级约束。实验证明，SGG在多种任务和模型规模上显著提升性能，特别是使低秩训练首次达到全秩性能水平，且具有出色的稳定性和灵活性，为资源受限环境下的大模型训练提供了实用解决方案。

AWS认识到大多数开发者不按照Kiro原有的规范驱动开发方式工作，因此为这款基于Visual Studio Code的智能IDE增加了两个新的软件开发工作流程：设计优先工作流程允许开发者从已有的技术方案开始，让Kiro推导需求和设计规范；错误修复工作流程则专注于现有代码库的维护。这些改进旨在让Kiro更贴近开发者的实际工作场景。

我们介绍了EMMA，一个端到端的自动驾驶多模态模型。基于多模态大型语言模型的基础，EMMA直接将原始相机传感器数据映射到各种特定于驾驶的输出中，包括规划器轨迹、感知对象和道路图元素。EMMA通过将所有非传感器输入（例如导航指令和自我车辆状态）和输出（例如轨迹和3D位置）表示为自然语言文本，最大化了预训练大型语言模型的世界知识效用。

这项由伦敦国王学院领导的研究针对大语言模型处理长文档时的效率问题，提出了ComprExIT压缩框架。该方法通过构建明确的信息传输机制，避免了传统方法中信息逐层覆盖和资源分配不协调的问题。实验表明，ComprExIT在保持仅1%参数增量的情况下，全面超越现有压缩方法，甚至能匹敌未压缩模型的性能，为大语言模型的高效部署提供了新思路。