电子科技大学研究团队突破性发现：仅使用不到10%的精选训练数据，就能让多模态AI的推理能力超越传统全数据训练方法，同时缩短40%训练时间。他们开发的RAP数据选择框架通过因果差异分析和注意力评估，精准识别能激发AI真正多模态推理的"认知样本"，颠覆了"大数据必然更好"的传统观念，为AI训练开辟了质量优先的新路径。

韩国大学研究团队提出OSP训练框架，通过Muon优化器、单尺度归一化和嵌入投影三项技术创新，从训练阶段就预防异常值产生，让14亿参数模型在4位量化下性能提升35%，仅增加2%训练时间却减少33%内存占用。这项突破性研究改变了AI模型优化的根本思路，为移动设备部署强大AI能力开辟了新路径，让普通用户未来能在手机上享受接近云端级别的AI服务。

纵览今年的Ignite China，既有非常吸睛的热度话题，非常聚焦的趋势展望，非常扎实的技术产品，同时，还将独家公开本地云服务产品最新进展，分享中国客户与伙伴的最佳实践。尽情把期待值拉满吧！

数字化转型可以有很多目标，从节省资金到提高客户满意度。但是Sprint的目标是让内部和外部客户能够在他们想要的时间和地点，做他们想做的事情。

很多人可能都喜欢看谍战题材的影视剧，在谍战片里有一个最常见的镜头，就是利用一种技术手段进行电话窃听，这个情节我们再熟悉不过了，但我们似乎没有人把它和指纹识别联系起来，其实对指纹信息的窃取就像窃听电话一样普遍和轻松。

12月22日，由中国信息通信研究院（以下简称“中国信通院”）、中国通信标准化协会、可信区块链推进计划共同主办，科技行者协办的“2020可信区块链峰会”在京举行。

这项由中国香港中文大学（深圳）团队主导的研究发现，AI大模型存在"前缀主导陷阱"问题——仅15%的错误开头就能导致20%的性能下降。研究团队创新性地提出LeaP方法，让多个AI推理路径在思考过程中互相交流协作，显著提升了推理准确性。实验显示，使用LeaP的32B模型甚至超越了671B模型，证明了AI协作的巨大潜力。

微软等机构联合推出的RealPlay系统首次实现了用游戏控制指令生成现实视频的突破。该系统仅使用赛车游戏数据训练，却能控制现实中的汽车、自行车和行人运动，控制成功率达90%。RealPlay支持交互式视频生成，用户可像玩游戏般逐步指导视频发展，生成质量接近真实拍摄，为AI视频生成和未来游戏引擎开发开辟了新方向。

为了更好的践行我们对网络安全赛事的理念，推动安全战舰守护广袤的空间，并为网络安全人才提供更客观的评价标准和成长路径，今天，在广大社区伙伴的支持下，永信至诚春秋GAME团队正式推出“春秋杯”网络安全联赛！

国家发改委宏观经济研究院原副院长、中国人民大学中国经济改革与发展研究院常务副院长马晓河出席第九届中国（天津滨海）国际生态城市论坛暨2018中国国际数字经济创新峰会，并做了题为《新时代经济发展需要新动能》的演讲。

互联网工程任务组 (IETF) 成立了一个工作组，旨在制定新标准，让内容创作者能够向 AI 开发者表明是否允许使用其作品。该工作组将开发统一词汇表来表达作者和出版商对 AI 训练使用其内容的偏好，并探索将这些偏好附加到互联网内容的方法。这一举措源于当前系统的ineffectiveness，以及内容创作者对 AI 公司未经许可抓取内容的不满。

美国将为全球研究人员提供16台超级计算机用于找出与新型冠状病毒有关的疗法和疫苗。超级计算机可以处理庞大的数据集，能够比其他硬件系统更快地对分子行为进行复杂的模拟，因此美国此举有望加强抗击新冠病毒的能力。

小米14首销打破电商平台新品纪录。

技术更迭无小事，搜索引擎无战事。

数字化在改变我们生活的同时，也在使园区的网络应用需求发生了巨变。多种网络并存、运维管理繁杂、部署条件苛刻，乃至于绿色节能环保，都在对园区网提出更高的要求。此时新华三最新推出的400G园区核心交换机H3C S10500X-G，又会为园区网络带来什么新变化？

12月22日，由中国信息通信研究院（以下简称“中国信通院”）、中国通信标准化协会、可信区块链推进计划共同主办，科技行者协办的“2020可信区块链峰会”在京举行。

日前，北京百分点信息科技有限公司(以下简称百分点）发布了“智能政府决策系统”。该系统由百分点自主研发，核心功能包括数据融合治理、全局态势感知、自由数据探索分析、预测预警和数据共享，能够支持智能交互式增强分析等。

总部位于西雅图的咖啡巨头星巴克（Starbucks）希望通过与微软的合作来强化自己的技术形象，在这次合作中，微软结合Azure区块链云服务和其他人工智能及物联网产品，为星巴克的“豆到杯”（Bean-to-Cup）计划提供支持。

Oracle可能仍然是最大的数据库提供商，而Amazon希望全世界都知道，数据库不仅仅是这个古老巨头的品牌。

德国马普所等机构提出OFTv2，一种更高效的AI模型训练方法。通过将计算从"权重中心"转为"输入中心"，结合Cayley-Neumann参数化技术，实现了10倍训练加速和3倍内存节省。该方法还扩展到量化模型训练，创造了QOFT框架，在数学推理等任务上超越了流行的QLoRA方法，为大型AI模型的高效训练提供了新方案。