伊斯法罕医科大学研究团队开发出DrugReasoner，这是首个能够像人类专家一样"推理"的药物审批预测AI系统。该系统基于LLaMA架构，不仅能预测新药是否会被批准，更重要的是能详细解释推理过程。在多项测试中表现优异，AUC值达0.732，明显超越传统方法，为制药行业提供了前所未有的透明化决策工具，有望显著提高药物研发效率。

“我们既不是集成也不是被集成，而是邀请合作伙伴一起造一艘‘船’，然后和企业一起驶向‘数字世界’。”浪潮云董事长兼CEO肖雪在日前的2020浪潮云生态合作伙伴大会上说。

来自耶路撒冷希伯来大学的研究团队开发了WHISTRESS，一种创新的无需对齐的句子重音检测方法，能够识别说话者在语音中强调的关键词语。研究者基于Whisper模型增加了重音检测组件，并创建了TINYSTRESS-15K合成数据集用于训练。实验表明，WHISTRESS在多个基准测试中表现优异，甚至展示了强大的零样本泛化能力。这项技术使语音识别系统不仅能理解"说了什么"，还能捕捉"如何说"的细微差别，为人机交互带来更自然的体验。

为了更好地予力赋能员工，重塑面向未来的工作场景，微软除了继续发挥在软件方面的优势之外，还在2012年推出了硬件品牌Surface，开启「软硬兼施」的策略。

阿里巴巴通义实验室推出Wan-Animate，这是一项革命性的角色动画技术，能让静态照片中的人物按照参考视频动起来。该技术支持动画和替换两种模式，通过精确控制身体动作和面部表情，实现高质量角色视频生成。在与商业产品的对比中表现优异，研究团队承诺完全开源，为AI社区提供强大工具。

IBM对公有云集成进行了调整，推出了一系列更新项以帮助新收购的Turbonomic团队提高执行力，还有一些更新帮助IBM产品保持竞争力。让我们详细看看。

平台型世界级Al Maker深兰科技（上海）有限公司（以下简称“深兰科技”）与常州桐树生物科技有限公司（以下简称“桐树生物”）等签署了《股权转让协议》，拟取得桐树生物等持有的上海方程医学检验所有限公司的100%股权，并待完成工商变更登记事宜。

扫描仪是办公室内不可或缺的一种设备，为什么这么说?现如今，公司内部每天都会有大量的扫描需求，比如证件、合同、单据、凭证等等，面对企业文档信息化的需求，扫描仪也逐渐成为了企业办公室内必备的一种办公终端设备。

根据IDC全球企业存储系统季度追踪报告显示，2018年第一季度全球企业存储系统工厂收入同比增长34.4％至130亿美元，总出货容量同比增长79.1％至98.8EB。

韩国科学技术院研究团队开发出Simba方法，通过层次化稀疏化技术对状态空间模型进行"瘦身"，在保持性能的同时显著提升计算效率。该方法采用类似高速公路的架构设计，让AI模型的上层只处理最重要的信息，实现了最高80%的速度提升和更好的长序列处理能力。这项即插即用的技术为AI模型优化提供了新思路。

总部位于法国的OVHcloud 是一家于1999年创立的全球超大规模云提供商，专注于提供专用裸金属服务器、私有云解决方案和公有云基础设施，并设计服务器、运营数据中心以及光纤网络。一直以来，OVHcloud致力于寻求依靠云服务的规模经济效益为其160万客户提供...

我们诚邀您参加7月23日的网络研讨会，聆听 Veeam(R) 专家靳星亮的精彩演讲，了解如何确保远程员工的业务连续性。

如今，万千中小企业数据实时上云，海量民生服务云上转型，对“云底座”的稳定性提出了更高的要求。

当今对于那些制作和喜爱音乐的人来说是一个充满活力的时代。数字革命使得音乐创作手段平民化了：任何人都可以录制声音，可以与世界各地的任何人分享。

Google 在其年度云计算大会上推出了多项 AI 驱动的 Google Maps 新功能，旨在帮助企业和城市改善道路状况、管理交通拥堵并了解当地趋势。这些工具包括利用 AI 识别基础设施、分析地理趋势和管理道路交通等功能，有望为决策者提供更全面的数据支持，提高城市管理和商业决策的效率。

芯片赛道，如今已是兵家必争之地，他为什么看好“相对更古老的”模拟芯片？

这项研究提出了一种交互式物体感知的图像到音频生成模型，让用户能够针对图像中选定的特定物体生成相应声音。研究团队将物体中心学习整合到条件潜在扩散模型中，通过多模态注意力机制学习图像区域与声音的对应关系。用户可通过分割蒙版选择目标物体，系统会精确生成相关音频。理论分析证明其注意力机制在功能上等同于测试时的分割蒙版，确保了生成音频与选定物体的准确对应。实验表明该模型在声音-物体对齐方面显著优于现有技术，为内容创作、虚拟现实和辅助技术等领域开辟了新可能。

行业在数字化不同阶段服务诉求持续变化，需要规划可落地，保障投资收益

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。

普度大学研究团队提出MaPPO方法，通过引入先验知识改进AI偏好训练，解决传统方法中的"挤压效应"问题。该方法能根据回答质量差距动态调整训练强度，在多个基准测试中实现显著性能提升，且无需额外参数调整，可作为插件与现有方法无缝集成，为AI系统提供更好的偏好对齐能力。