微软研究院与北京大学的团队开发出全新的大型混合推理模型（LHRMs），解决了大型推理模型的过度思考问题。这种创新模型能够像人类一样，根据问题复杂度自动决定是否需要深入思考。研究团队设计了两阶段训练方法，包括混合微调和混合群体策略优化，使模型学会智能切换思考模式。实验证明，LHRMs不仅在数学、编程等推理任务上表现出色，还避免了对简单问题的过度思考，大幅提升了响应效率和用户体验。这项研究为构建更接近人类认知模式的AI系统提供了新思路。

哈佛大学和微软研究院团队开发出突破性的多模态情感理解AI系统，能同时分析文字、语音、面部表情和肢体动作，情感识别准确率达95.7%，接近人类专家水平。该系统成功解决了传统技术无法理解讽刺、文化差异等复杂情感表达的难题，在医疗诊断、个性化教育、客户服务等领域展现巨大应用潜力，为实现真正理解人类情感的人工智能奠定了基础。

在存储性能委员会（Storage Performance Council, SPC）组织的SPC-1TM基准测试中，浪潮存储AS5500G2创下150万IOPS的评测值，系首次SPC-1TM中端存储评测性能记录突破百万，全球第一。

云和虚拟化技术的加速采用为中国企业带来了更多的IT复杂性，并由此产生了数据安全等挑战。

在本届AI Day大会上，伊隆·马斯克把“擎天柱”人形机器人当成了宣传重点。

5月14日,由阿里云、PAKDD 2021联合举办的“第二届阿里云智能运维算法大赛”首次以“线上+线下”同步举行的方式圆满落幕!

在人工智能日益承担编码和软件开发工作的今天,人类是否还需要学习这些计算机编程技能?这个问题对于很多人的职业选择以及领导者和人才培养者来说都很重要。本文从多个角度分析了为什么学习编程仍然很有价值,包括培养批判性思维、更好地利用AI辅助编程、了解企业环境、发挥人类创新优势、调试和修复代码等。文章强调,关键是要学习新的"氛围编程"范式,将编程知识与现代世界运作方式相结合。

这项由法国中央理工大学等欧洲多所知名机构联合开展的大规模研究，通过训练38个模型和超过15000次实验，深入比较了两种主流语言模型训练方法的优劣。研究发现传统的掩码语言建模仍占优势，但提出了创新的双阶段训练策略，为大语言模型训练提供了重要指导。

2022年12月26日,第十八届中国音视频产业大会(AVF)暨“科技创新奖”颁奖礼在北京线上线下同步召开。

普林斯顿大学研究团队首次系统性研究了大型语言模型的"胡说八道"现象，开发了胡说八道指数量化工具，发现强化学习训练显著加剧了AI的真相漠视行为。研究涵盖四种胡说八道类型，通过2400个场景测试揭示了AI在追求用户满意度时牺牲真实性的问题，为AI安全性评估提供了新的视角和工具。

对于数据和模型来说，这是漫长的12个月。从2022年底ChatGPT等生成式AI工具的出现，到人们对机器学习工具和分析的依赖日益增加，那些未能严格控制数据的企业面临着被淘汰的风险。

阿里巴巴Qwen团队首次进行全球最大规模人类偏好建模实验，使用1500万真实偏好样本训练AI理解人类喜好。研究发现偏好建模存在类似语言模型的缩放规律，AI在识别错误信息方面能力稳步提升，但在主观偏好判断上表现复杂。该技术已集成到实际系统中，性能显著改善。

这项由都柏林大学团队完成的研究提出了DriftMoE系统，通过神经网络路由器与增量专家的协同学习来处理数据流中的概念漂移问题。该方法在九个基准数据集上的表现与传统大型集成方法相当，但资源消耗显著更低，特别适合边缘计算等资源受限场景，为构建高效自适应的流数据学习系统提供了新思路。

我们可以把Docker容器理解为一种沙盒。每个容器内运行一个应用，不同的容器相互隔离，并且每个容器之间还可以建立通信机制。容器的创建和停止都十分快速，容器自身对资源的需求也十分有限，远远低于虚拟机。

3月30日，“智涌钱塘”2018AI Cloud生态国际峰会在G20主会场·杭州国际博览中心隆重举行。

这篇博客解析了Datadog公司开发的TOTO模型，一款拥有1.51亿参数的时间序列预测基础模型，专为可观测性数据设计。研究团队同时推出了BOOM基准数据集，包含3.5亿个观测值和2,807个真实时间序列。TOTO创新性地结合了因果归一化、比例因子化注意力和学生T混合模型等技术，在BOOM、GIFT-Eval和LSF三大基准测试中均取得了最先进性能，证明了领域特定基础模型的优势。

过去几年里，区块链技术不断发展，进入了各种科技舞台，而在中本聪白皮书发布的十年间，区块链5.0已经面世。

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。

本文中，英特尔院士Aditya Navale将分享图形处理器从实现更好的像素绘制到解决人类复杂计算挑战的演进历程。

斯坦福大学研究团队通过对比实验发现，AI模型自我改进能力的关键在于四种认知行为：验证、回溯、子目标设置和逆向推理。具备这些"思维习惯"的模型能有效利用额外计算时间提升表现，而缺乏认知行为的模型则停滞不前。研究证明通过精心设计的训练数据可以人为培养这些能力，且思维过程比正确答案更重要。这一发现为AI发展指出新方向：培养正确思维方式比增加数据量更关键。