中科院深圳先进技术研究院联合中科院大学提出PACS框架，通过将强化学习问题转换为监督学习任务，让大语言模型学会自我监督和评价。该方法在数学推理任务上显著超越现有方法，在AIME 2025测试中成功率达59.78%，比传统方法提升13-14个百分点，为AI推理能力提升开辟了新路径。

当前，网络安全厂商们竭尽全力想从今年RSA 2020参会的600多家厂商中脱颖而出，但最终他们还是要用那些同样的流行术语来吸引客户、投资者或者利益相关者的关注。

作者按：人工智能的浪潮正以前所未有的势头席卷全球，国产大模型在这一波澜壮阔的变革中，展现出了令人瞩目的雄心与活力。然而近期国产大模型暴露出的问题不可忽视，甚至到了不味不快的程度。本文力图揭露国产大模型的训练范式上的缺陷，希望对业界有所裨益。

月6日，芒种节气这一天，工信部正式向中国电信、中国移动、中国联通和中国广电发放5G商用牌照。牌照的发放，是下一代移动通信技术起跑的发令枪，也标志着中国迎来5G商用元年。

作为一款依然延续三年前设计，新增功能也早已出现在竞争对手机型之上的新手机，iPhone 11 Pro似乎很难搅动消费者们的兴奋之情。

这项研究提出了PathFinder-PRM，一种创新的层次化过程奖励模型，通过先分类数学和一致性错误，再估算步骤奖励分数，从而提升大语言模型的数学推理能力。研究团队构建了40万样本的数据集，使用细粒度错误标签训练模型，在多个基准测试上超越了现有最佳模型，并以更高的数据效率实现了更好的端到端数学问题解决能力。这种方法像经验丰富的数学老师一样，不仅指出错误所在，还能提供更精确的改进指导。

6月30日，锐捷网络举办“海纳百川，三擎聚变”为主题的媒体发布会，正式对外发布新一代云桌面解决方案——锐捷三擎云桌面解决方案。会上针对三擎云桌面的终端云化引擎、桌面云化引擎和应用云化引擎这三大引擎概念进行详细解读。

中国香港中文大学（深圳）研究团队开发了SRLAgent智能学习系统，通过Minecraft游戏环境结合AI助手帮助大学生培养自主学习能力。实验显示该系统能显著提升学生的学习规划和过程监控能力，但也发现过度AI支持可能产生依赖性，提出需要平衡支持与独立能力培养的重要性。

一直以来，高性能计算HPC的主要目的就是提高运算速度，解决大规模科学计算和海量数据处理的问题。高性能计算每秒万亿次级的强大计算能力，使其成为石油、生物勘探、气象预测、生命科学研究等领域的重要技术选择。

由快应用生态分会成员单位OPPO、小米、vivo、华为、魅族、中兴、努比亚、联想、荣耀等理事长共同启动了“快应用携手AI开启智慧服务”，标志着快应用正式迈入智慧服务的2.0新阶段。

量子计算的实质，在于使用叠加、纠缠与干涉等量子力学概念实现计算能力。但对于很多不太了解物理学知识的朋友，这些术语确实令人感到头痛。面对这个现实问题，Sutor给出了简单易懂的解读方式。

Perplexity AI是一款将搜索引擎和聊天机器人结合的"答案引擎"，能够实时搜索网络并提供带引用的直接答案。该平台成立于2022年，已拥有2200万活跃用户。其深度研究功能可快速分析大量学术资料，生成详细报告。除基础搜索外，还支持文档总结、图像生成、代码编写等功能。提供免费版和每月20美元的专业版。目前正与三星等公司洽谈合作，但也面临多家媒体机构的版权诉讼挑战。

稳固已有市场的同时，NVIDIA也在拓展新领域，比如元宇宙、自动驾驶。从本次的发布看，Omniverse正在成为NVIDIA的重心。同时，随着汽车市场的智能化，NVIDIA在车载芯片方面也在加大布局。

亚马逊CTO说，过去人们总觉得云计算是种既遥远、又抽象的存在，但如今云正深入到我们身边的一切计算活动当中。

咱今天就来掰扯掰扯，打破这个草率且谬误的观点。

新加坡国立大学团队构建了首个多人对话视频生成数据集MIT，包含12小时高清素材和200个身份，并提出CovOG基础模型。该技术突破了现有AI只能生成单人说话视频的局限，实现了2-4人同时对话的自然互动效果，在各项评价指标上显著优于现有方法，为影视制作、教育培训等领域开辟了新的应用可能。

挪威奥斯陆大学联合国际团队开发出首个AI代码"指纹识别"系统CodeT5-Authorship，能以97.56%准确率识别C代码的AI生成来源。研究基于32000个代码样本训练，涵盖八大主流AI模型，在二元和多元识别任务中均表现卓越。该技术为学术诚信监督、代码安全评估和数字取证提供了重要工具，标志着AI内容溯源领域的重大突破。

小米13 Ultra，使小米影像战略升级步入“第二章”。

Note 13 Pro系列以全新的形态蜕变登场，一曲一直双旗舰形态、新2亿像素相机、第二代1.5K高光护眼屏，至高IP68级防尘防水，加速旗舰体验的超速普及。

TAGS是一种创新的医学问答框架，结合了泛医和专医两种视角，通过层次化检索和不确定性验证机制提升医学AI回答的准确性。该框架由穆罕默德·本·扎耶德人工智能大学等机构的研究团队开发，无需任何模型微调即可显著提升包括GPT-4o和DeepSeek-R1在内的大型语言模型在九个医学问答基准测试上的表现。TAGS通过模拟医疗专家协作、结构化知识检索和质量控制，解决了现有方法在复杂医学推理中的短板，为构建更可靠的医学AI系统提供了新思路。