在大会上，下一代互联网互联设备国家工程实验室主任张宏科发表了以"智慧标识网络及应用"为主题的演讲。他认为，随着互联网应用规模的不断扩大，现在的网络受到了严重挑战，迫切需要创新性的网络体系系统来解决问题，尤其是工业制造以及高铁等特殊行业

将设备实体通证化，让万物皆可RWA。

将设备实体通证化，让万物皆可RWA。

据Canalys最新报告显示，2021年中国的云基础设施市场规模达274亿美元。千亿人民币市场足够庞大，且随着数字经济的深入推进，市场增长潜力仍在释放。

以问题为导向是任何发明家的灵感源泉。

英特尔当然意识到这部分市场是个机会，也许未来RAN支出中会有几十亿美元从定制芯片产品流向英特尔的x86“通用”处理器当中。

利用NVIDIA Jetson和Amazon SageMaker平台通过使用云+端结合的方式，我们将打造一个边缘智能的方案（整体方案架构如下）。

Oracle 凭借其庞大的企业客户群和领先的数据库技术,在人工智能市场占据有利地位。公司云业务增长迅速,基础设施服务收入增长尤为强劲。Oracle 正积极部署 GPU 集群,与 Nvidia 和 AMD 签订大额合同,为 AI 训练和推理提供强大算力支持。公司预计未来几年收入将大幅增长,有望成为 IT 史上第五家年收入突破 1000 亿美元的公司。

这篇研究介绍了DATARUBRICS，一个专为评估机器学习数据集质量而设计的创新框架。研究团队发现现有的数据表单工具缺乏可量化的质量评估标准，因此开发了基于十个关键维度（包括数据来源、标注方法、质量保证等）的结构化评估体系。通过对多个顶级学术会议的数据集论文分析，研究揭示了机器生成数据的增长趋势及各会议在数据质量要求上的差异。DATARUBRICS不仅支持人工评估，还能通过LLM实现自动化评估，为日益增长的数据集审核需求提供了可行解决方案。

这篇研究首次系统探索了验证粒度对大型语言模型测试时扩展的影响。研究团队通过提出可变粒度搜索（VG-Search）算法，挑战了传统的固定验证频率范式。实验表明，根据任务难度和计算预算动态调整验证粒度，可以在减少超过52%计算量的同时，将准确率提高3.6%。这一发现为优化大模型的推理效率提供了全新思路，特别适用于计算资源受限的场景。

2018年人工智能仍然处于炒作周期顶端，这么预测是比较保险的。但是下面的50个预测显示，人工智能将变得更加实用、更加有用，实现一些工作的自动化，扩大其他很多工作的范围，再加上利用机器学习和大数据获得新鲜的见解，还有企业中聊天机器人越来越多等因素。

元年科技特别呈现数字化转型七宗问系列内容，将陆续提出数字化转型过程中企业最关注的7大问题，并将在11月3日-12月6日期间举办的2021元年数字化系列高峰论坛一一揭晓答案！

经历6年时间，在各团队的努力下，阿里巴巴集团大规模稀疏模型训练/预测引擎DeepRec正式对外开源，助力开发者提升稀疏模型训练性能和效果。

这篇文章介绍了马里兰大学研究团队开发的BLEUBERI方法，该方法惊人地发现被认为过于简单的BLEU评分系统在指导大语言模型遵循指令方面非常有效。研究表明，当使用高质量参考答案时，BLEU与人类偏好的一致率可达74.2%，几乎与复杂的奖励模型相当。基于此，团队开发的BLEUBERI方法在多个基准测试中表现与传统奖励模型方法相当，且在事实准确性方面表现更佳。这一发现为语言模型对齐提供了更经济高效的途径，无需大量人类标注数据和复杂的奖励模型训练。

本文，针对历经十余年间的漫威电影、电视剧集、短片以及幕后花絮进行一番时间线梳理，包括漫威公司总裁Kevin Feige公布的所谓“无限传奇（Infinity Saga）”年表，其代表着现有漫威作品的最佳观看顺序。

MoDoMoDo研究提出了一种创新的多领域数据混合框架，用于多模态大语言模型的强化学习。研究团队从布朗大学、Salesforce等机构组成，通过整合五个不同领域的视觉-语言数据集并设计可验证奖励函数，成功开发了预测最优数据混合策略的方法。实验表明，优化后的数据混合比传统均匀混合策略提高了5.24%的跨领域性能，比基线模型总体提升20.74%。这一方法解决了多模态任务的异质性挑战，为多模态AI训练提供了新思路。

eMBB（增强移动宽带）、URLLC（高可靠低时延连接）、mMTC（海量物联），这三个关键字是从专业通信角度给5G定义的三大应用场景。大量的新型技术会应用到5G通信中，今天我们不讨论技术的先进性，只从上述三个维度来畅享一下未来的5G生活。

专访 Infobip 王思婷——RCS消息、对话式沟通、多渠道融合、自动化工具（如聊天机器人和IVR）等将成为新常态。

CIO应该应关注这五个风险，在这些风险成为影响深远的问题之前寻求补救措施。

AI正在发展转型，无论是作为技术本身还是关于这种技术的使用方式。越来越多的企业把AI试水项目带出实验室，进行大规模的部署，其中一些企业获得了显著的好处。不管围绕AI有怎样的不确定性，忽视AI的潜力，都会让那些仍在以旧方式运营业务的企业面临潜在风险。