薪资一直是职场打工人的敏感话题，既和切身利益挂钩，也是人们找寻社会定位的一个参考。

或许，他已经完成了在微软的目标；或许，他正在思考如何用独立的视角和方式，成就产业，成就下一代计算机科学；或许，有没有可能，是成就中国的科研？中国的微软大使会成为谁的中国先生？一切未知，但一切值得被期待。

因为即将到来的5G，我们身边的终端能够承载更为庞大的计算力了。

为何黄老板如此痴迷皮夹克？这个问题几乎是每一个参加超过3场NVIDIA发布会的媒体人们共同的疑问，通过多年的讨论以及询问（问NVIDIA员工），统一的答案是：这就是黄老板的style。

以Transformer为核心的自回归注意力类程序始终难以跨过规模化这道难关。为此，DeepMind/谷歌最近建立新项目，提出一种帮助这类程序有效瘦身的好办法。Perceiver AR架构回避了一大严重占用资源的任务，将输入与输出的组合性质计算至潜在空间。

2月25日，UCloud优刻得互联网事业部研发总监裴志伟进行了主题为《疫情之下，如何平稳从“线下”过渡到“线上？”》的在线直播课程，讲述了如何快速构建高质量在线课堂，本文根据其课程进行整理，希望对大家有所帮助。

这项来自KU Leuven、中科大和上海Memory Tensor公司的研究探索了如何利用拼图游戏训练多模态大型语言模型的视觉推理能力。研究发现，现有模型在未经训练时表现近似随机猜测，但通过强化学习能达到近乎完美的准确率并泛化到更复杂的拼图配置。有趣的是，模型能否有效学习与是否包含明确推理过程无关，且复杂推理模式是预先存在而非突然出现的。此外，研究证明强化学习在泛化能力上优于监督微调，挑战了传统的模型训练范式。这些发现不仅揭示了AI视觉理解的机制，还为未来多模态模型研发提供了重要参考。

在完全托管的机器学习服务Amazon SageMaker落地中国区域一周年之际，亚马逊云科技宣布通过与光环新网和西云数据的紧密合作在中国区域进一步落地多项人工智能与机器学习的新服务和功能，丰富了其针对不同企业需求而打造的人工智能与机器学习 （AI/ML）工具集。

英国杜伦大学等研究团队首次系统性证明，人工智能可通过键盘敲击声音以99%准确率破解用户输入内容。该研究揭示了声学侧信道攻击的现实威胁，攻击者可利用智能手机、会议软件等常见设备实施远程窃听，传统安全防护对此几乎无效。研究提出了包括环境噪音掩盖、虚拟键盘使用、设备权限管理等多层防护策略，为数字时代的隐私保护提供了重要警示和解决方案。

以减少屏幕使用时间为目标，我向专家问到了一些具体办法。

为了让客户得以轻松开发更多芯片，英特尔正计划将x86、Arm及RISC-V等多种架构核心纳入单一处理器并实现协同工作。

南洋理工大学研究团队开发了名为Puppeteer的自动化系统，可将静态3D模型转换为完整的动画资产。该系统包含自动骨骼生成、智能皮肤绑定和视频引导动画制作三大核心功能，基于5.94万个高质量样本的大规模数据集训练。相比传统需要数周的手工制作，Puppeteer可在约30分钟内完成整个流程，在多项指标上显著超越现有方法，为3D内容创作的智能化转型提供了重要技术突破。

北航团队推出VoxHammer技术，实现3D模型的精确局部编辑，如同3D版Photoshop。该方法直接在3D空间操作，通过逆向追踪和特征替换确保编辑精度，在保持未修改区域完全一致的同时实现高质量局部修改。研究还创建了Edit3D-Bench评估数据集，为3D编辑领域建立新标准，展现出在游戏开发、影视制作等领域的巨大应用潜力。

Omniverse 命名之初就承载了英伟达的雄心壮志——“打造第二个地球”。

这项研究揭示了视觉语言模型在解决视觉文字谜题方面的重大局限性。研究团队通过432个手工注释的谜题数据集，评估了从OpenAI到Google等多家公司的AI模型表现。结果显示，即使最先进的模型在抽象推理、横向思维和理解视觉隐喻方面仍然表现不佳，尤其在识别物体缺失和文化参考上存在显著差距。研究还发现，模型对直接视觉输入的依赖程度很高，特别是推理类模型。这些发现对未来开发更具人类化理解能力的AI系统提供了重要指导。

小米MIUI体验总负责人@MIUI小凡 为大家介绍了全新MIUI11系统。MIUI11以“声色双全效率革新”为宗旨，围绕 “设计”、“办公”、“出行”等多方面进行全面升级，小米手机正在成为用户日常生活最贴心可靠的伴侣。

数据系统和算法可以持续地监测游乐园最复杂的游乐设施，让游乐园拥有强大的“大脑”。游乐园想要提供更好的娱乐体验，离不开拥有运算和存储数据功能的硬件。

这项由伊利诺伊大学香槟分校研究团队开发的突破性AI技术，首次让机器具备了类似人类的空间推理能力。通过创新的细粒度偏好优化训练方法，SpatialReasoner-R1不仅能准确判断图片中的空间关系，还能提供完整的逻辑推理过程。在空间质量和数量任务上分别实现4.1%和9.0%的性能提升，为自动驾驶、机器人导航、增强现实等领域带来重要应用前景。

由于3D内容创作在AR/VR、游戏和电影行业中的广泛应用，它已经引起了显著的关注。随着扩散模型的发展和大规模3D对象数据集的建立，最近三代3D基础生成通过微调的文本到图像（T2I）扩散模型以及从头开始训练大型重建模型得到了广泛的探索，引领了3D资产创建进入新时代。

想象一下，你有一位非常聪明的朋友，他知识渊博但有个明显的缺点——他所知道的一切都是两年前学到的。当你询问最近发生的事情或最新的研究成果时，他只能提供过时的信息，甚至有时会自信满满地"编造"答案。这位朋友就像现在的大型语言模型（LLM）——虽然在训练过程中学习了海量知识，但一旦训练结束，它们的知识就固定下来了，无法获取新信息。