斯坦福大学研究团队开发了MedCaseReasoning数据集，这是首个专门评估人工智能与临床医生诊断推理一致性的开源数据库。现有医疗AI评估标准仅检验诊断准确率，忽视了推理过程质量。该数据集包含14,489个诊断问答案例，每个都附有真实临床推理，涵盖800多种医学期刊。研究发现顶尖AI模型在医疗推理方面表现有限，如DeepSeek-R1的诊断准确率仅48%，推理召回率仅64%。

HPE正在进入混合云管理领域，今天推出了一系列名为HPE GreenLake Hybrid Cloud的专业服务。

康奈尔大学和希腊伯罗奔尼撒大学的研究团队开发了一种新型AI协作框架，让多个AI代理像人类团队一样互相信任和协作。通过建立信任评估机制和重新思考流程，在苹果叶片疾病诊断任务中，系统准确率从48.13%提升到85.63%，相对提升77.94%。这种方法无需额外训练即可大幅提升AI性能，为多代理AI系统的发展提供了新思路。

人人都羡慕程序员的高薪，却不是人人都能挣这笔钱。

美国芝加哥大学的研究团队开发出了一种人工智能新算法，该模型可以提前一周预测未来的犯罪活动，准确率约为90%。

VMware宣布将收购SaltStack，该公司提供的基础设施自动化工具可以用于增强VMware vRealize云管理软件套件。

数字孪生还可以预测可能会因设备故障导致的问题，从而帮助能源公司节省资金。

与大模型相比，小型语言模型也许在商业用途上更有前景，也更具可持续性。

麻省理工学院研究团队开发出让AI拥有"永久记忆"的突破性技术，通过长期记忆增强生成系统解决了传统AI"健忘"问题。该技术能让AI记住用户偏好和历史对话，实现真正个性化交互。实验显示记忆准确率达85%，一致性94.2%，为AI从工具向智能伙伴转变奠定基础，有望在教育、客服、个人助理等领域产生深远影响。

爱立信表示，使用爱立信人工智能服务的私有5G网络要比传统电信网络具有更长的正常运行时间，并且该服务可以扩展到公共网络中。

腾讯研究团队首次开发出RLVER框架，通过可验证的情感反馈训练AI理解人类情感。该方法让70亿参数的小型AI模型在情感智能测试中从13.3分跃升至79.2分，达到大型商业模型水平。研究创新性地使用虚拟用户的真实情感变化作为训练信号，并发现"先思考再回应"模式显著提升AI的共情能力。这项突破为AI情感智能发展开辟新路径，有望在心理健康支持、教育和客户服务等领域产生广泛应用。

硅谷科技巨头多年来一直宣传AI智能体愿景，但现有技术仍然有限。强化学习环境被视为训练AI智能体的关键技术突破。这些环境模拟真实工作场景，让智能体学习复杂任务。顶级AI实验室正大量需求此类环境，催生了Mechanize、Prime Intellect等初创公司。数据标注巨头Scale AI、Surge也在转型。据报道，Anthropic考虑明年投资超10亿美元。尽管前景看好，但专家对强化学习环境的可扩展性存在分歧。

大型科技公司因反垄断违规、侵犯隐私以及对工人、消费者和竞争造成损害而受到联邦监管机构日益严格的审查。与此同时，两党的立法者都表示支持对科技平台进行监管，认识到目前科技领域还没有一套全面的规则。

阿里巴巴研究团队开发了Marco-Voice多功能语音合成系统，能够同时实现高质量的声音克隆和情感控制。通过创新的旋转情感嵌入和说话人-情感分离技术，系统可以独立调节声音身份和情感表达。团队还构建了包含10小时中文情感语音的CSEMOTIONS数据集。实验表明Marco-Voice在语音清晰度、说话人相似度和情感表达方面都显著超越现有系统，为虚拟助手、内容创作和教育技术等领域提供了强大工具。

作为PaaS市场的耕耘者，数人云致力于打造基于容器的极轻量级PaaS平台，满足企业双态IT需求，帮助企业构建灵动新IT。在近日举行的2018中国双态运维用户大会上，数人云CEO王璞博士接受了笔者的采访，畅谈了他眼中的PaaS以及数人云的应对之道。

斯坦福和魁北克研究团队首创"超新星事件数据集"，通过让AI分析历史事件和科学发现来测试其"性格"。研究发现不同AI模型确实表现出独特而稳定的思维偏好：有些注重成就结果，有些关注情感关系，有些偏向综合分析。这项突破性研究为AI评估开辟了新方向，对改善人机协作和AI工具选择具有重要意义。

微软发布了 Majorana 1 量子芯片，这是一个重大突破。该芯片采用拓扑量子比特技术，具有更低的错误率，有望解决量子计算的可扩展性问题。这项技术是微软近 20 年研究的成果，标志着量子硬件取得重要进展，为构建大规模量子计算机铺平了道路。

这项研究由IIIT海德拉巴的Ananth Muppidi、IIT哈拉格普尔的Abhilash Nandy与Adobe研究院的Sambaran Bandyopadhyay共同完成，提出了一种名为ID-SPAM的创新方法，用于大语言模型的参数高效微调。该方法利用自注意力机制生成基于输入的软提示，使模型能够根据不同输入动态调整处理策略。实验表明，ID-SPAM在GLUE和SuperGLUE基准测试上优于现有软提示方法，并展现出出色的零样本域迁移能力。这一技术保持结构简单的同时，显著提升了模型在特定任务上的适应性。

腾讯混元团队开发了UloRL算法，通过分段生成和动态遮蔽策略解决AI超长推理训练中的效率和质量问题。该方法让30B参数模型在数学推理任务上超越了更大的235B模型，准确率提升超14%，同时训练速度提升2倍。这项技术为AI深度推理能力发展提供了新路径。

硅谷科技巨头多年来一直宣扬AI智能体能够自主使用软件完成任务的愿景，但现有的消费级AI智能体技术仍然十分有限。为了让AI智能体更加强大，业界正在探索新技术，其中包括模拟工作空间的强化学习环境。这些环境可以训练智能体执行多步骤任务，正成为智能体开发的关键要素。目前主要AI实验室都在内部构建强化学习环境，同时寻求第三方供应商提供高质量环境。