阿里巴巴等机构联合发布LLaSO框架，这是首个完全开放的端到端语音理解系统。该框架包含2550万训练样本、20种语音任务，支持多模态交互，在标准化评估中获得0.72分，超越同类系统。LLaSO不仅提供完整数据和代码，还建立了统一评估标准，为语音AI研究提供了重要基础设施，推动了从语音识别向全面语音理解的技术跃升。

SUSE宣布将通过SUSE Cloud Application Platform为大受欢迎的Cloud Foundry开发模式推出新的Kubernetes原生实施，进一步提升公司帮助企业加快应用交付、加速创新和提高业务敏捷性的能力。

全球最多元化的汽车配件供应商麦格纳国际最近在多个贸易展上展示了备受期待的Fisker Ocean SUV电动汽车和比萨配送机器人原型机，引起了轰动。

对于当下软件漏洞频出，黑客入侵、破解乃至其它犯罪活动频发的世界而言，加密技术的出现确实是极大的“福音”。但不可否认的是，其中还有很多安全问题需要探讨和解决。

亚马逊和圣母大学研究团队提出动态奖励权重调整方法，解决了大语言模型多目标训练中的固定权重局限性。该方法包括超体积引导和梯度优化两种策略，能根据不同目标的学习进度自动调整训练重点。在数学推理任务测试中，新方法在准确性、简洁性和清晰度三个指标上全面超越传统方法，同时提升了训练效率。这为AI训练从静态策略向自适应优化的转变提供了重要突破。

Jim Siders 从专业长号演奏家转型为科技高管，现任 Palantir 首席信息官。他带领精简高效的 IT 团队，推动公司内部数字化转型，将 Foundry 平台深度应用于企业运营。通过打破传统 IT 架构，推行去中心化治理模式，让 Palantir 在保持创新活力的同时实现了高效运营。

想象一下，当你和朋友在公园里散步时，你指着远处说："从那个长椅的角度看，那只狗在喷泉的左边还是右边？"这个看似简单的问题对人类来说轻而易举，因为我们自然而然地能够想象自己站在长椅的位置，并从那个视角"看"世界。但对于人工智能来说，这种换位思考的能力却是一项极具挑战的任务。

清华大学研究团队提出RLVR-World框架，通过可验证奖励的强化学习直接优化世界模型的预测质量，而非传统的最大似然估计。这一方法在文本游戏状态预测和网页导航中显著提升了准确率，在机器人视频预测中改善了视觉质量并减少重复问题。RLVR微调仅需几百个梯度步骤即可取得显著成效，远比传统训练高效。研究证明该框架可作为生成模型的通用后训练范式，为自动驾驶、机器人控制等应用提供更准确的环境预测能力。

这项由南京大学团队开发的FASB技术让AI学会了"察言观色"和"知错能改"。通过实时监控AI内部状态并动态调整干预强度，该方法在多个测试中将AI回答准确率提升了近50%。研究团队创新性地引入了回退机制，让AI能在发现问题时"重新来过"，显著提升了回答质量。该技术在教育、客服、内容创作等领域具有广阔应用前景。

在短短30年的时间内，人们预测我们这个星球上的人口将接近100亿。生产足够多的食物来喂饱这些饥饿的嘴巴将是一项挑战，而城市化等人口趋势，特别是发展中国家的人口趋势，只会加剧这一问题。

成立10年来，跟随产业的发展，百分点历经多次转型，不仅在有一定规模的大数据公司中率先实现了盈利，更为重要的是，百分点为未来长期发展找到了一条可持续成长之路。

在为Capgemini、Deloitte和Accenture等大型服务机构工作积累了经验之后，Grainger渴望把自己的知识付诸实践，成为一名全职的数字领导者。

游戏业所受的 Web 应用程序攻击在过去一年增加超过一倍。新报告《重视安全，让游戏重生》指出，这些攻击是在云游戏平台人气攀升及需求激增后出现的。

通信技术和服务提供商爱立信在印度成立了专门的6G研究团队，开展本土研究，将印度的需求纳入电信技术发展的主流。

苏妈说：“AIPC YES”

Salesforce AI Research团队开发的MCPEval框架为AI助手工具使用能力评估提供了全新解决方案。该框架基于Model Context Protocol标准，实现了从任务生成到深度分析的全自动评估流程，测试了十个AI模型在五个真实领域的表现，揭示了当前AI助手在执行过程与完成质量间存在普遍差距，为AI助手选择和优化提供科学依据。

由New Media 新媒体联盟主办的“2019新盟盛典暨新媒体领袖峰会 ”在北京举行。来自各大智库的专家学者，新媒体行业的头部从业者，以及众多内容创业者参与了此次峰会，并带来了自己对于2019年新媒体发展趋势的最新判断。

清华大学团队开发的StreamVGGT实现了首个实时4D视觉几何重建系统，通过模仿人类视觉的时间因果感知机制，将处理速度提升30倍而精度几乎不变。该技术采用流式处理架构和知识蒸馏训练，为自动驾驶、AR/VR、机器人导航等领域提供了突破性解决方案。

莫斯科研究团队开发了基于自信心的AI训练新方法RLSC，让AI模型通过分析自己回答的可信度来自我改进，无需外部标注数据。该方法仅用16个样本和20个训练步骤，就让数学AI模型在多项测试中准确率提升13-22个百分点，同时大幅降低了计算成本，为AI训练提供了高效实用的新思路。

AI刚出现的头两三年，大家都觉得AI会颠覆一切，可能需要用一些全新的标准来评价AI产品。但是经过一年多的发展，大家发现AI产品本质上还是产品，依然要用传统的产品指标来衡量，比如点击率、转化率、留存率等这些硬核指标。如果用户不喜欢你的产品，点击率自然就上不去；如果产品没有足够的黏性，日活跃用户（DAU）也就积累不起来。