Meta研究团队提出DyT技术，用极简的动态双曲正切函数替代传统标准化层，在视觉、语言、语音等多领域测试中均达到或超越原有性能。这项研究挑战了标准化层不可或缺的传统观念，证明简单直接的方法有时比复杂方案更有效，为神经网络架构设计开辟了新思路。

MIT科学家首次揭示失语症患者大脑重新学习语言的神经机制。研究发现，康复过程中大脑经历"重新布线"，健康神经元建立新连接，右脑临时接管语言功能，最终形成替代神经通路。个体差异源于大脑结构、年龄、基因和损伤位置的不同。研究为开发个性化脑刺激、多感官训练、虚拟现实康复等新治疗方法提供科学依据，有望显著提高失语症治疗效果。

最近一段时间，国家在大力号召节约粮食，而勤俭节约正是中华民族的传统美德，从普遍意义上说，节约粮食既是尊重农民的辛苦劳动，也给我们增加了未来面对不可知风险的底气。

Meta AI团队联合MIT等机构开发的MetaCLIP 2系统，首次实现了真正的全球化AI视觉理解。该系统支持300多种语言，不仅突破了传统多语言AI的"诅咒"问题，还让英语性能提升0.8%，在多项国际测试中创下新纪录。通过创新的训练策略和开源架构，为构建真正服务全人类的AI技术奠定了基础。

随着首席信息官的角色不断发展，数字化转型需要业务做更多的努力，利用技术来实现目标。但要做到最有效，CIO们需要打破多年来的一些坏习惯。

这篇研究介绍了CSVQA，一个专为评估视觉语言模型在STEM领域推理能力的中文多模态基准测试。该数据集包含1,378道涵盖物理、化学、生物和数学的问题，每题都要求模型分析科学图表并进行专业推理。实验评估了15种VLM，结果显示即使最强大的模型o1也仅达到49.6%的准确率，揭示了当前AI在科学推理方面的明显局限。研究还发现模型在不同学科表现不一，思维链提示效果因模型而异，为未来改进指明了方向。

慕尼黑大学研究团队发现当前多模态AI存在"视觉盲区"问题，在学习时过度依赖文字而忽视图像信息。他们开发的DARA技术能够动态调节AI的注意力分配，用约100个参数实现10%性能提升，并创建了TrueMICL数据集来准确评估真正的多模态学习能力。该研究为多模态AI的发展指明了新方向。

微软亚洲研究院发布HeurAgenix框架，首次实现让大型语言模型自动进化和选择算法来解决组合优化难题。该系统通过对比学习机制让AI自主发现改进策略，并开发轻量级选择模型在保持性能的同时大幅降低成本。在五大经典问题测试中表现卓越，为传统需要专家手工设计的优化问题提供了自动化解决方案。

联邦存储功能是在一个管理界面下管理多套不同型号的SC存储系统，从而进行集中维护、配置等日常工作。既可以保证整体统一，又可以保证给予各组成单位灵活度。

5G、物联网的不断成熟，以及移动终端应用的爆炸性增长，已经给传统互联网业务模式带来了革命性的改变，今天的业务支撑模式已经由原来的以数据中心为主的中心化网络结构，逐渐转变成从边缘到云的网络结构，因此针对边缘侧的攻击态势也越来越显著。

微软研究院开发的VisCodex实现了多模态AI的重要突破，通过创新的模型融合技术让AI同时具备视觉理解和编程能力。该系统采用任务向量融合方法，将视觉语言模型与编程模型巧妙结合，并构建了包含59.8万样本的多模态编程数据集。测试显示其性能已接近GPT-4o水平，为未来的智能编程辅助和低代码开发提供了新的可能性。

说到底，这项由爱丁堡大学埃洛伊丝·克雷文博士领导的研究为我们打开了一扇通往过去的神奇之门。通过从北极永久冻土中提取和分析古老的DNA片段，研究团队成功重建了北极地区几千年来的植被变化历史，揭示了植物群落对气候变化的复杂响应模式。

产业风控，蚂蚁做了什么？

产业风控，蚂蚁做了什么？

关于机器人流程自动化的一切，以及先锋厂商UiPath的成长路径。

人工智能有助于解决进化研究当中最古老的谜题之一，但同时又给我们带来更多新的困惑。

CentOS被抛弃，Linux用户该何去何从？

上海交通大学研究团队开发了SWE-Debate框架，通过让多个AI代理进行结构化辩论来解决软件bug问题。该方法首先构建代码依赖图谱生成故障传播路径，然后组织AI代理进行三轮辩论选择最优修复方案。实验显示问题解决成功率达41.4%，故障定位准确率提升14.67%，证明了多智能体协作在复杂软件问题解决中的优势。

摩根大通AI研究团队开发了QueryBandits系统，通过智能改写问题来减少大语言模型的幻觉现象。该系统分析17个语言特征，自动选择最适合的改写策略，在13个测试数据集上实现了87.5%的改进效果，比静态改写方法高出42.6%-60.3%，为AI交互优化开辟了新方向。

说到超融合市场，就不能不提戴尔易安信VxRail，自2014年问世至今6年来，VxRail始终保持着高速成长。