近日，英特尔在京宣布成立英特尔智能网联汽车大学合作研究中心，英特尔公司高级副总裁、首席技术官兼英特尔研究院院长Michael Mayberry出席了本次活动。至顶网针对量子计算以及其落地应用等问题对Michael Mayberry进行了采访。

随着技术的不断进步，LLM 带来了前所未有的机遇，吸引了开发者和组织纷纷尝试利用其强大的能力构建应用程序。然而，当预训练的 LLM 在实际应用中无法达到预期的性能水平时，人们将不由自主地开始思考：我们到底应该使用哪种技术来改善这些模型在特定场景下的表现?

蚂蚁集团AWorld团队发表突破性研究，创建动态多智能体协作系统解决AI稳定性难题。研究灵感来源于船舶导航，通过执行智能体和守护智能体的协作机制，在GAIA测试中准确率达67.89%，稳定性提升17.3%，荣登开源项目排行榜第一名。该系统为构建可靠智能系统开辟新路径，具有广阔应用前景。

黎曼猜想一直以来都是数学界最为重要的猜想之一（有的人认为没有之一），2000年，黎曼猜想被公布为七個“千禧年大奖难题”之一，其它还有诸如像哥德巴赫猜想这样难题。

斯坦福安全AI中心研究团队通过让大语言模型玩25款经典文字冒险游戏，测试其长期推理能力。结果显示即使最先进的GPT-5也仅能完成37.8%进度，揭示了当前AI在复杂探索任务中的重大局限性。研究发现AI存在长文本理解衰减、空间推理困难、试错学习能力不足等问题，为AI发展指出了内在智能提升的重要方向。

打好基础可谓是企业成功的关键因素，而技术正作为数字化转型的“累土”发挥着重要作用，企业纷纷开始通过技术构建起数字化转型的底座。

从分析和AI入手推进公司转型.

本文介绍了利用ChatGPT帮助实现2025年新年目标的5个技巧。通过设定SMART目标、制定习惯追踪器、获取个人激励、优化时间管理以及定期评估进展,这些方法可以显著提高目标实现的成功率。文章为每个技巧提供了详细的ChatGPT提示语,帮助用户制定切实可行的计划并保持动力。

要想将这项技术真正应用于AI，我们还有很长的路要走。但我相信，底层技术的创新必须坚持长期主义，长时间地专注于一个方向与赛道。

近期，太空数据中心概念引发热议。虽然目前规模有限，但已有多个项目展示了地球大气层外的可行性。这些项目包括Red Hat与Axiom Space合作的国际空间站数据中心单元，以及Lonestar Data Holdings的月球数据中心。尽管面临诸多挑战，太空数据中心有望提高可持续性，并为灾难恢复等应用开辟新途径。

ImgEdit是北京大学与兔小贝AI联合推出的图像编辑框架，解决了开源编辑模型落后于商业产品的问题。该框架包含120万对高质量编辑图像对，涵盖13种编辑类型和11万个多轮交互样本。通过融合视觉语言模型、检测模型和分割模型的多阶段流程，ImgEdit确保了数据的高质量性。研究团队基于此数据集训练了ImgEdit-E1模型，并提出ImgEdit-Bench评估基准，从指令遵循、编辑质量和细节保留三个维度全面评估模型性能。实验结果显示，ImgEdit-E1在多个任务上超越现有开源模型，推动了图像编辑技术的进步。

贝壳找房开发的AM-Thinking-v1是一个32B参数的推理优化语言模型，完全基于开源数据训练。该模型在数学推理和代码生成任务上表现出色，AIME2024得分85.3，超越了671B的DeepSeek-R1，证明了通过精心设计的训练流程，中等规模密集模型也能达到超大模型的推理能力。

只有充分配合人类增强与清晰深刻的协作方式，AI技术才能在供应链中取得成功。

Monarch成立于2018年。此番推出MK-V Founder为该公司两年的开发冲刺画上了句号。这款拖拉机搭载了节能的NVIDIA Jetson边缘AI和机器人平台、摄像头以及GPS，旨在提高粮食生产产量和减少全球碳排放。

阿里巴巴研究团队开发出START系统，首次让AI能像人类一样在推理过程中主动使用编程工具。通过创新的"提示注入"和自学习技术，START在数学竞赛和编程测试中表现显著提升，在AIME24达到66.7%准确率，比基础模型提升16.7%。这项突破性研究为AI推理能力带来质的飞跃，大幅减少计算错误和"幻觉"现象。

戴尔易安信PowerStore采用英特尔(R)至强(R)可扩展处理器,该处理器可以优化工作负载,可靠性强,还有高计算力、高稳定性和高效敏捷性，不仅帮助PowerStore轻松满足既定工作负载，也可以为数字化变革做好准备。

随着对边缘计算的投资不断加大，CIO与IT领导者们该如何更好地制定业务案例？专家就此给出了一点参考提示与策略指引。

Unbabel团队开发的TOWER+模型系列实现了翻译专业性与通用AI能力的完美平衡。通过创新的四步训练方法，即使2B参数的小模型也能在翻译质量上匹敌70B大模型，同时具备出色的对话和指令跟随能力。研究还创建了IF-MT基准来评估复杂翻译场景下的综合能力，为AI模型的专业化发展提供了重要参考。

毫无疑问，GPT 的出现以日新月异的速度改写了软件开发的工作方式。

ByteDance种子实验室推出VeOmni全模态AI训练框架，通过模块化设计和分布式优化策略，解决了同时训练处理文字、图像、视频、音频等多种数据类型AI模型的技术难题。该框架让300亿参数模型在128个GPU上实现每秒2800+ tokens处理速度，支持16万长度序列，在与主流框架对比中展现显著性能优势。