分布式拒绝服务(DDoS)攻击已经进入了1 Tbps的DDoS攻击时代。然而，Radware研究显示，DDoS攻击不仅规模越来越大；也越来越复杂。

清华大学研究团队提出了一种名为"硬负样本对比学习"的创新方法，显著提升了大型多模态模型在几何理解与推理方面的能力。通过构建图像和文本两类负样本，以及开发MMCLIP训练策略，他们的MMGeoLM模型在四个几何基准测试中表现卓越，甚至以7B参数规模与GPT-4o相媲美。实验证明，仅4K个真实图像负样本的效果就超过了100K个文本负样本，为AI细粒度视觉理解开辟了新路径。

量子计算长期以来被视为理论领域，如今似乎重新成为一种潜在可行的替代方案，以应对对更强大计算能力的昂贵追求。

一大批大型科技公司将为Linux Foundation主导的新计划提供支持，该计划旨在促进“机密计算”概念也就是在使用时对数据进行加密。

医疗保健软件巨头Epic Systems表示，正与微软展开合作，通过Azure AI拥抱生成式AI。

复旦大学研究团队发现AI注意力机制中不同维度的专业化分工现象，开发出FourierAttention方法，通过傅里叶变换智能压缩长上下文无关维度，在保持96%以上性能的同时大幅降低内存使用。该训练无关方法在LongBench和针式测试中表现优异，为长对话AI应用提供了高效解决方案，并揭示了AI内部工作机制的新奥秘。

SeedVR2是南洋理工大学与字节跳动团队共同研发的一步视频修复模型，通过扩散对抗式后训练实现高效视频增强。该模型突破了传统扩散模型需要多步采样的限制，引入自适应窗口注意力机制和特征匹配损失，成功在单步内实现高质量视频修复。实验表明，SeedVR2能以4倍速度提升达到甚至超越多步方法的效果，特别在处理真实世界高分辨率视频时表现优异。

戴尔科技公司宣布推出零信任网络安全服务以及基于美国国防部批准使用架构的零信任卓越中心。

IBM (NYSE: IBM) 日前推出全新的 IBM Z 与云现代化中心，这是一个可提供大量工具、培训、资源和生态系统合作伙伴力量的数字化门户，旨在帮助使用 IBM Z 的客户加速在开放式混合云架构下的应用、数据和流程的现代化改造。

Think-RM是一项创新研究，通过使奖励模型具备"长程思考"能力来提升AI系统对人类偏好的理解。传统的奖励模型要么仅提供分数（BT RM），要么依赖浅层思考（GenRM），而Think-RM则模拟人类深度分析问题的过程，支持自我反思、假设推理和发散思维。实验表明，这种方法在复杂推理任务上显著优于现有方法，在RM-Bench上提升8%。结合创新的配对式RLHF流程，Think-RM不仅拓展了奖励模型设计空间，还为AI系统与人类期望的更精准对齐提供了新范式。

人们不仅在年轻和上学时学习，他们在整个成年生活中都在学习新的技能——在工作中、培养爱好、学习新语言、或者追求工作和业务驱动型学习的需求。从这个角度来看，学习和教育与其他任何活动一样，都是一项基本的日常活动。毫无疑问，AI对教育的影响，正在对我们的日常生活带来深远的影响。

近日，来自澳大利亚国立大学、澳大利亚联邦科学与工业研究组织(CSIRO)数据61部门以及纽约大学的研究团队发表了一项引人注目的研究成果。

Razer 推出新的游戏开发工具套件 WYVRN，其中包含两个 AI 助手：QA Copilot 和 Game Copilot。QA Copilot 旨在简化 bug 检测和解决过程，而 Game Copilot 则为玩家提供个性化游戏建议。这些工具有望改善游戏开发和玩家体验，同时拓展 Razer 在游戏 AI 领域的影响力。

疫情引发的经济危机，使传统业务收入流逐渐枯竭，或长期处于危险之中，企业需要寻找新的价值来源，例如从大量可用数据中获取价值，而这正是CIO和CDO（首席数据官）必须要应对的挑战。

机器学习算法的大量应用，为我们带来了提高测试结果准确性的可能，也能够将特定癌症类型与患者独特的基因身份联系起来，继而提供为其量身定制的治疗选择。

借助科技巨头思科和诺基亚的硬件和软件，日本乐天（Rakuten）宣布将在短短八个月内推出自己的移动网络。计划于10月推出的Rakuten Mobile Network将成为全球首个完全虚拟化的、基于云的移动网络。

浙江大学与腾讯联合研究团队提出MoA异构适配器混合方法，通过整合不同类型的参数高效微调技术，解决了传统同质化专家混合方法中的表征坍塌和负载不均衡问题。该方法在数学和常识推理任务上显著优于现有方法，同时大幅降低训练参数和计算成本，为大模型高效微调提供了新的技术路径。

浪潮信息工程师发现，在对于硬盘进行接近满载的高负荷压力测试时，硬盘的稳定性犹如在乱风中飞舞的柳絮飘忽不定，甚至还出现了彻底报废的极端故障。

如果不能解决由数字孪生带来的开发难题，那么企业就无法享受这种技术便利。

随着AI的发展，高密度数据中心中高性能GPU的使用产生了大量热量。液冷成为唯一可行的散热方案，但其部署面临成本和风险concerns。通过分析液冷的必要性、经济效益和简化措施，数据中心团队可以为液冷技术的采用提供有力论据，从而保护高价值、高能耗的GPU机架。