英国卫生安全局研究团队首次构建了包含8000多道题目的AI公共卫生知识评测基准PubHealthBench，测试24个AI模型对英国健康指南的掌握程度。结果显示最先进AI在选择题中正确率超90%，但自由作答时降至75%以下，且在面向公众的指南上表现优于专业医疗指南。

StorMagic 新任 CEO Susan Odle 提出以边缘虚拟化技术和全方位客户支持为基础，推动企业级边缘部署增长，确保业务持续稳定运营。

这项由哈佛大学、MIT等机构研究人员完成的重要研究揭示了当前AI语言模型的一个隐藏缺陷：跨语言知识转移困难。研究团队通过测试14个主流AI模型在13种语言下的表现，发现AI存在严重的"语言偏心眼"现象，在本土语言下表现出色但跨语言时性能大幅下降。这一发现对多语言AI应用的公平性和可靠性具有重要启示意义。

中科大研究团队从认知科学获得灵感，提出IAU机器遗忘方法，通过"反向记忆"让AI高效忘记特定数据。该方法避免了传统影响函数的复杂矩阵计算，将遗忘时间从数千秒降至十几秒，同时保持模型性能。实验验证显示其在多种数据集和模型上均表现优异，为隐私保护和数据安全提供了实用解决方案。

阿里云研究团队提出PVPO算法，通过引入"静态价值估计"作为稳定参考标准，解决传统强化学习方法在AI推理训练中效率低下的问题。该方法像给机器配备经验丰富的导师，结合群组采样策略筛选高质量训练数据，在多个测试集上实现显著性能提升：7B模型准确率提高3.6倍，训练效率提升一倍，计算成本仅为传统方法40%，为大语言模型的高效训练提供了新的技术路径。

作为面向商业市场、专注教育行业的合作伙伴，宋建兵的北京国绩科技有限公司，从2017年开始与华为深度合作，从此走上了快速发展的道路。

斯坦福大学NLP研究小组发布了全新的2024版GloVe词向量，这是对2014年原版的重大升级。新版本使用维基百科、Gigaword新闻数据和Dolma语料库进行训练，新增超过70万词汇，涵盖疫情、科技、网络文化等现代概念。测试显示新版本在处理当代文本、非西方人名地名和社交媒体内容方面表现显著优于旧版本，为自然语言处理应用提供了更准确的语言理解工具。

在2021世界人工智能大会期间，苹果公司副总裁、大中华区董事总经理葛越分享了关于《Apple“芯”系创新》的主题演讲。

我们也想知道他是否也认为，世界正在把中国推向一个角落，如果是的话，可能会产生这样的后果。最后我们问，如果我们失去全球第三大半导体供应商华为，全球电子行业可能会受到怎样严重的影响。

Ruby Life是一家位部位于多伦多的技术厂商，公司CISO George Al Koura管理着全球众多知名约会网站。在此次访谈中，他分享了自己对于业务成果的理解、如何实现强大的业务战略合作关系，以及如何让团队达成“1+1>2”的协同效应。

如果你长期身陷数据清洗的泥潭，现在是时候体验AI的力量了。

西部数据新近公布的OptiNAND技术，是其HDD技术与闪存技术的集大成者

英特尔公司客户端计算事业部副总裁兼商用客户端平台总经理Stephanie L. Hallford告诉记者，近两年来，英特尔看到商用PC的很多机会，比如Windows10所带来的软件和硬件方面的升级。不光对于英特尔，还是OEM厂商来讲都是一个很大的机会。

答者为Pure Storage旗下PortWorx云原生业务部门副总裁兼总经理Murli Thirumale。而这篇问答的核心，在于解读组织机构为什么不仅需要存储策略、更需要制定数据策略。

MBZUAI和巴黎综合理工学院研究团队系统评估了大语言模型对混合语言文本的理解能力，发现当英语中混入其他语言时模型性能下降，但其他语言中混入英语时性能反而提升，揭示了AI系统的语言偏见问题，并提出了通过专门训练改善的有效方案。

新加坡国立大学研究团队开发了IPV-BENCH，首个专门评估AI视频模型处理"不可能场景"能力的基准测试平台。研究发现，当前最先进的AI视频模型在生成和理解违反物理定律、生物规律等不可能场景时表现不佳，最好的生成模型成功率仅37.3%，理解模型在时间推理方面尤其困难，揭示了AI技术在创造力和复杂推理方面的重大局限性。

今天，软件国产化替代不再是单纯的“平替”，而是实现价值化和差异化的跃升。借助智能高效的软件，国央企将打破发展瓶颈、提升运营效率，标志着中国企业的数智化进程进入了一个全新的阶段。

这项研究探索了大语言模型内部可解释特征的形成过程，分析了它们在训练过程中（时间）、模型层级间（空间）和不同规模模型（尺度）的行为变化。研究团队使用稀疏自编码器技术，成功识别出特定语义概念在神经激活中出现的时间点和位置。研究结果显示，不同领域的知识概念在模型训练和规模扩展中存在明确的激活阈值，且在空间分析中发现了早期层特征会在后期层重新激活的现象，这挑战了对变换器模型表示动态的传统认知。

本文探讨了利用人工智能构建去中心化互联网的可能性与挑战，强调理解背后哲学思想的重要性。文章引用 Abhishek Singh 的演讲，讨论了隐私、验证、激励、编排和用户体验的难题，并介绍了 NANDA（Networked Agents and Decentralized AI）的概念，认为去中心化模式将释放数据和计算资源，推动创新，实现科技普惠。

Dell 软件定义架构的“六重奏”