对于CIO来说，在全世界被新冠病毒（COVID-19）颠覆的当下，管理IT支出就像是夜间开车大灯突然变暗一样：突然之间，你几乎看不到前方的路，而且，一切都被完全黑暗掩盖了。

卡内基梅隆大学开发的LightSwitch技术能让3D物体在任意光照环境下呈现真实外观，解决了传统重光照方法速度慢、效果不真实的问题。该技术采用材质感知和多视角一致性机制，将计算时间从数小时压缩至几分钟，在电影制作、游戏开发、虚拟现实等领域具有广阔应用前景。

青云QingCloud 资深解决方案架构师黄文龙进行了主题为《基于超融合的全栈云计算演进与实践》的分享，介绍了超融合的演进历史和发展趋势，全栈云计算的构成，基于青立方Qing3超融合系统的解决方案与应用场景。

AI生命周期各个阶段涉及人员众多，我们很难将复杂的AI模型转化为中每个人都能轻松理解的东西。

这项由MIT和Meta AI联合开展的研究首次实现了让AI系统完全自主学习精准引用的能力。SelfCite方法通过"上下文消融"让AI自我评估引用质量，无需人工标注数据。在LongBench-Cite基准测试中，该方法将引用准确率提升5.3个百分点，达到79.1的F1分数。这一突破为构建可信AI系统提供了重要技术基础，有望在新闻、学术、法律等领域广泛应用。

MASKSEARCH是阿里巴巴集团同义实验室开发的新型预训练框架，通过创新的"检索增强掩码预测"任务，训练大型语言模型像人类一样主动使用搜索工具获取信息。这项框架包含两个阶段：首先在掩码预测任务上预训练，然后在下游任务上微调，大幅提升模型在开放域问答中的表现。研究采用监督微调和强化学习两种方法，结合多代理系统和课程学习策略，使AI能够自主分解问题、使用搜索工具并基于搜索结果进行推理。

人工智能登场。ChatGPT 是两年前推出的，在此期间人工智能迅速成为焦点。投资者、科技公司和医疗机构在人工智能领域投入了巨额资金，也发布了无数的新闻稿，启动的试点项目的数不胜数，有时候甚至还描绘出人工智能可以拯救医疗保健系统的美好愿景。

伦敦大学学院研究团队提出FaithfulSAE方法，通过让AI模型用自生成数据训练稀疏自编码器，解决传统方法中的"虚假特征"问题。实验证明该方法在多个模型上显著提高了特征提取的稳定性和可靠性，为AI可解释性研究提供了新思路。

12月16日，华为云《探秘·云新知》第三期正式上线。节目深度解读华为云云原生数据库的优势能力，帮助用户随时、随地、随心使用数据库。

上海AI实验室联手复旦大学提出了POLAR方法，这是一种革命性的奖励模型训练技术。通过让AI学会识别不同策略间的差异而非死记评分标准，POLAR在多项任务上实现了显著提升，7B参数模型超越72B现有最强基线，为AI对齐问题提供了全新解决思路。

随着AI和高性能计算需求增长，数据中心管理者面临前所未有的散热挑战。液冷技术因其优异的散热能力和可持续性成为解决方案。相比空冷，液冷系统的散热能力高出3500倍，可将电力使用效率提升45%。微软研究显示，冷板技术可减少15%的温室气体排放和30-50%的水消耗。液空技术、闭环系统、储能液冷等创新应用进一步提升了可持续性。然而液冷系统的维护要求更高，特别是液体质量管理至关重要。

只是在云中拥有了数据湖，并不意味着就能获得洞察，我们必须教会人们如何在这个数据湖中钓鱼

复杂的生存环境对企业的网络弹性和数据保护造成了严重的影响，带来了难以承受的巨大风险。

AI等技术在数字营销“新基建”过程中扮演着什么重要角色？AI如何解决“广告费至少浪费一半以上”和户外广告监播难题？新技术正在创造营销新玩法，又将如何成为创意落地的助力……

伊利诺伊大学研究团队开发了CLAIMSPECT系统，通过层次化分解复杂争议、智能检索相关文献、多角度收集观点的方法，将传统的"真假"判断转变为多维度分析。该系统能够自动构建争议话题的分析框架，识别不同观点及其支撑证据，为科学和政治争议提供更全面客观的分析，已在生物医学和国际关系领域验证有效性。

AI（人工智能）无疑是 2023 年最热的话题之一，尤其是以ChatGPT为代表的生成式AI。对于AI的态度，1000个人眼中就有1000个哈姆雷特。

这项研究解决了语音合成中的多音字问题，特别针对资源有限的波斯语。研究团队提出了两大创新：一是构建HomoRich数据集，为多音字消歧提供丰富素材；二是重新思考G2P系统设计思路，利用这些数据改进基于规则的模型。他们既提升了神经网络模型Homo-GE2PE的准确率，又创造了HomoFast eSpeak这一快速规则模型，两者均实现约30%的多音字识别准确率提升。研究结果特别有助于提高屏幕阅读器等辅助技术的使用体验，对视障用户尤为重要。

你的IT部门可能存在一些潜在问题，如果你不及时处理，可能会在你的手中发生一场灾难。

随着驾驶方式发生改变，汽车上的每一个零部件的设计和功能也要适应这种变化——其中也包括轮胎。

北卡罗来纳大学教堂山分校研究团队提出MEXA框架，通过动态选择和聚合多个专业AI模型来处理复杂的多模态推理任务。该方法无需额外训练，在视频理解、音频分析、3D场景理解和医学诊断等多个基准测试中显著超越现有模型，为AI系统设计提供了新思路。