这项研究提出了CorrSteer方法，通过分析大语言模型神经激活与任务表现的相关性来选择和强化关键特征，实现精准的AI行为调节。该方法只需4000个样本即可显著提升模型在安全性、偏见缓解和知识问答等任务上的表现，同时保持较低的副作用率，为AI系统的实际部署提供了高效且成本友好的优化方案。

MMaDA是由普林斯顿大学和北京大学研究团队开发的革命性多模态AI模型，它通过统一的扩散架构、混合长思考链训练和创新的UniGRPO强化学习算法，成功实现了文本推理、多模态理解和图像生成三大核心能力的高效整合。实验表明，这个8B参数的模型在多项任务上超越了专业单模态模型，展现了真正的多模态AI潜力，为未来通用人工智能发展提供了新方向。

这项研究介绍了一种名为FlowPathAgent的神经符号代理系统，用于解决流程图归因问题。研究团队提出了流程图精细归因这一新任务，构建了FlowExplainBench评估基准，并开发了结合视觉分割、符号图构建和基于代理的图形推理的方法。实验表明，该方法在归因准确性上比现有基线提高了10-14%，特别在处理复杂流程图时表现出色，为提升人工智能系统在处理结构化视觉-文本信息时的可靠性和可解释性提供了新途径。

西班牙巴斯克大学领导的国际团队开发出专门针对阿拉伯语的增强搜索系统，通过创新的"注意力相关性评分"机制，让机器能更精准理解阿拉伯语问题并找到准确答案。该系统在Top-1准确率上达到37.01%，比现有最佳系统提升0.91个百分点，为阿拉伯语用户带来更好的智能搜索体验。

CORA是微软研究院与谷歌研究团队联合开发的突破性AI视觉模型，发表于2023年CVPR会议。它通过创新的"区域提示"和"锚点预匹配"技术，成功解决了计算机视觉领域的一大挑战——开放词汇目标检测。CORA能够识别训练数据中从未出现过的物体类别，就像人类能够举一反三一样。在LVIS数据集测试中，CORA的性能比现有最佳方法提高了4.6个百分点，尤其在稀有类别识别上表现突出。这一技术有望广泛应用于自动驾驶、零售、安防和辅助技术等多个领域。

若要探寻真正能够治愈帕金森病的有效方法，就必须广泛收集并深入分析大量不同类型的数据信息，同时借助对大脑更为深入、细致的认知理解，从而推动新型治疗方式的研发。

数字能源孪生系统，助力汽车产业可持续发展。

本月早些时候，IBM宣布已经在欧洲开设新的量子数据中心，这也是首个在美国本土以外建造的量子数据中心。

在今天举行的腾讯云Techo开发者大会上，英特尔和腾讯云共同宣布了一系列云计算的创新合作。

马来亚银行与微软签署为期五年、价值约十亿林吉特的合作协议，旨在推动其业务运营中的数字化和人工智能创新。该协议将使这家马来西亚领先的金融集团采用微软Azure作为主要云平台之一，用于战略性系统、功能和数据工作负载。银行还将为44000名员工部署Microsoft 365 Copilot智能助手，并使用微软先进的安全工具加强网络防御。

这篇来自麻省理工学院研究团队的论文提出了"统一微调"(UFT)方法，创新性地融合了监督式微调(SFT)和强化式微调(RFT)的优势。传统上，SFT擅长让模型"记忆"标准答案但易过拟合，RFT则培养模型"思考"能力但依赖基础模型强度。UFT通过部分解答提示和混合目标函数，让模型同时获得"学习"和"思考"的能力，实验证明它在不同规模模型和各类推理任务上均优于现有方法，且理论上能将RFT的指数级采样复杂度降至多项式级，大幅提升训练效率。

2025年8月18日，康迪科技集团旗下全资子公司中换电（浙江）科技有限公司宣布，已作为全球动力电池龙头企业宁德时代新能源科技股份有限公司的换电站供应商，成功获得首个重卡商用车换电站设备订单。

瑞典政府委员会发布里程碑报告，提出75项人工智能发展建议，包括增加15亿欧元投资。报告警告瑞典在AI竞赛中落后，呼吁政府采取紧急行动，加强公私合作，实施"AI普及"改革。目标是重塑公众对AI的认知，恢复瑞典作为全球主要科技力量的地位。

Kraft集团宣布与NWN达成五年战略合作，全面升级旗下体育俱乐部和场馆的网络与IT设施，通过云协作、AI应用和先进网络连接推动企业数字化转型。

尽管该季度需求疲软，但IDC预测2021全年云基础设施支出将增长12%至743亿美元，非云基础设施在经历了两年下滑之后将增长2.7%至589亿美元。此外，共享云基础设施全年支出将增长11.1%至514亿美元，专用云基础设施支出将增长14.1%至228亿美元。

现代系统依赖于通过各种网络公开的API的复杂系统。什么是API安全，它如何融入到整体的安全计划？

5月17日，华为云生态峰会期间，华为公司高级副总裁、中国区总裁鲁勇指出：“云作为数字化的技术与能力底座，一定会加速进入产业数字化阶段，千行百业上云的浩瀚市场、云计算高速发展的新阶段已经到来。”

CIO越来越多地利用云和分析引领数字化变革，尤其是在零售和服务公司，但本质上交叉点是与创收密切相关，在这方面IT优先级也不断提高。

麦吉尔大学研究团队开发的LLMSYNTHOR框架创新性地将大语言模型用于高质量数据合成，解决了传统方法在处理复杂数据时的局限性。该框架将LLM视为非参数copula模拟器，通过"LLM提案采样"机制提高效率，并在摘要统计空间中迭代对齐真实与合成数据。实验证明LLMSYNTHOR在电子商务、人口统计和城市移动性等领域生成的合成数据具有卓越的统计保真度和实用价值，为隐私敏感领域的研究和决策提供了宝贵工具。

当AI工具从少数技术团队的专属，变成全员标配时，如何治理？