沙特KAUST大学团队开发了专门针对阿拉伯语的AI模型家族"Hala"，通过创新的"翻译再调优"技术路线，将高质量英语指令数据转化为450万规模的阿拉伯语语料库，训练出350M到9B参数的多个模型。在阿拉伯语专项测试中，Hala在同规模模型中表现最佳，证明了语言专门化策略的有效性，为阿拉伯语AI发展和其他语言的专门化模型提供了可复制的技术方案。

企业应该知道该怎么做才能确保他们使用的是经过适当许可的代码，如何检查漏洞，如何保持所有内容都已经修补并保持最新状态。

「 2022年，中国的互联网行业集体进入新阶段。很多过去 “先试试、盈利暂不考虑” 的创新亏损业务在今年大多停下。也有一些公司的主营业务在国内的扩张空间有限，它们选择把钱投向了海外，以寻求新的增量。今日推荐 晚点LatePost（id：postlate）一篇文章」

2005年，我在AT&T（美国电报电话公司）贝尔实验室开始了我的职业生涯。当时，电信产业正受困于价格战和来自无线运营商的竞争，看着一个又一个同事离职，前往谷歌和雅虎这样正蓬勃发展的消费互联网产业寻求职业发展机会时，我不禁也开始思考自己的下一步。

腾讯和清华研究团队首次从数学理论角度解释了为什么AI需要外部工具。研究证明纯文本AI存在"隐形枷锁"，无法突破预训练的能力边界，而工具集成能打破这种限制，让AI获得全新的问题解决策略。团队还开发了ASPO算法，解决了训练AI更早使用工具的技术难题。实验显示配备工具的AI在数学问题上全面超越纯文本版本，展现出三种新奇认知模式，为构建更强大的AI系统提供理论指导。

澳大利亚研究团队开发出首个专门识别古希腊陶器的AI系统VaseVL，通过创新的"诊断式强化学习"方法，在材质识别、工艺判断等任务上达到专家级水平。该系统基于超过3万张陶器图片训练，准确率最高达99.95%，为文化遗产保护和考古研究提供了强大的技术支持，开启了AI辅助文物分析的新时代。

阿里巴巴达摩院联合南洋理工大学的研究团队发现，当前AI模型在几何推理中频繁出错的根本原因是视觉感知能力不足。他们提出了分阶段训练框架，先强化AI的基础视觉感知能力，再进行复杂推理训练。实验显示，这种方法使3B参数模型在几何推理任务上准确率提升9.7%，接近GPT-4o的表现水平，为AI视觉理解能力提升提供了新思路。

尽管区块链技术的确能有效提高跨境支付效率，且能以消除中间商的方式降低成本，但其尚未证明自己可以是工业规模型工具。

由Nutanix举办的 .NEXT大会2019安纳海姆举办。今年大会的主题是“Invisible Clouds，Visible IT”。

字节跳动智能创作实验室发布革命性AI视频数据集Phantom-Data，解决视频生成中的"复制粘贴"问题。该数据集包含100万个跨场景身份一致配对，通过三阶段构建流程实现主体检测、多元化检索和身份验证，显著提升文本遵循能力和视频质量。

ByteDance研究团队构建了Multi-SWE-bench，这是首个覆盖七种主流编程语言的AI编程能力评测平台，包含1632个人工验证的真实Bug修复案例。测试显示现有顶级AI模型存在严重的语言偏见，在Python以外语言上表现大幅下降。研究同时启动了Multi-SWE-RL开源社区，发布4723个训练实例，为开发通用AI编程助手提供基础设施。

对于戴尔来说，我们认为数据中心业务仍然处境艰难，尽管存储产品进入新的周期。不过戴尔将继续受益于远程办公的趋势，因为我们认为笔记本电脑产品还有新的需求空间，会在戴尔未来的财报中占据一席之地。

中国移动政企分公司云计算中心副总经理张志宏发表了“打造云网生态、助力行业创新”的主题演讲。张志宏在演讲开始谈到自己是第十次来参加中国云计算大会，也看到了在中国的云计算产业也是发生的的巨变。今天云计算已经成为了几乎满足所有IT需求的综合平台，

除了AI、汽车、手机壳外，今年的CES还有不少值得留意的新点子。

T-Tech公司研究团队开发了SAE Boost助推器系统，通过训练专门的"错误补偿器"来增强AI理解工具对专业领域的理解能力。该系统在化学、俄语和外交等领域测试中显示出显著改进效果，同时完全保持原有通用能力。这种模块化设计为AI系统的持续优化提供了安全可靠的路径，对AI可解释性研究具有重要意义。

斯坦福大学研究团队开发出能在《Among Us》游戏中进行类人交流和推理的AI系统。该研究突破了传统AI训练方法，让AI学会"听"和"说"两项核心技能：通过理解他人发言更新认知，以及提供有价值信息帮助队友。训练后的15亿参数AI胜率达60%，超越70亿参数模型，展现出直接指控、提供证据等人性化行为，为AI社会智能发展开辟新路径。

复旦大学与上海人工智能实验室联合开发的Learnable SMPLify技术，将传统人体姿态计算的耗时从12秒缩短至0.06秒，实现200倍速度提升。该方法通过神经网络学习姿态转换规律，摒弃传统反复优化策略，采用时间序列数据构造、人体中心坐标标准化和残差学习等创新设计，在保持高精度的同时大幅提升计算效率，为VR、游戏制作、体育训练等领域提供实用解决方案。

斯坦福大学NeuroAI实验室提出概率结构整合(PSI)系统，通过概率预测、结构提取、整合三步循环让AI像人类一样理解世界。系统在1.4万亿视频数据上训练，能零样本提取光流、深度、分割等视觉特征，实现视频预测、物体操控等应用，在多项测试中达到业界领先水平，展现了AI自我进化的新路径。

麻省理工学院经济学家Arnaud Costinot与Iván Werning探讨拟议的“机器人税”。

6月27日，科大讯飞带来了讯飞星火大模型V4.0，引入“个人空间”概念，打造一个“更懂你的AI助手”。同时七大核心能力全面提升，整体超越GPT-4 Turbo，在8个国际主流测试集中排名第一，国内大模型全面领先。