三星研究院提出PLADIS技术，通过稀疏注意力机制显著提升AI绘画的文字理解准确性。该方法无需重训练模型，仅在推理阶段替换注意力计算函数，就能让AI更精准理解用户描述，生成更符合要求的图像。实验显示图像质量提升20%，文字匹配度大幅改善，且兼容各种现有AI绘画系统。

4月21日，在上海市政府合作交流办的指导下，拼多多创新扶贫助农模式“多多农园”，首站落户云南保山。通过“多多农园”，拼多多将实现消费端“最后一公里”和原产地“最初一公里”直连，探索农业产业新模式，让农户成为全产业链的利益主体。

如今，随着企业业务朝着数字化方向演进，它们的有效运转，越来越依赖数据中心各个组件的正常运行，对于存储可靠性的要求就变得越来越高。而关于可靠性，这里就不得不提RAID组。

研究发现，当人们四处张望时，视觉系统接收到的信息将在我们的左右脑之间往来“反弹”。

英特尔®Optane™数据中心持久内存模块（简称DCPMM）为解决当前DRAM面临的困境而生，与DRAM相比，DCPMM具备以下两个突出的性能优势：

“数字化转型其实非常复杂，对于不同行业、不同规模、甚至是同样规模的企业，都是千差万别，很多中小企业，一来‘不知怎么转’，二来‘没有足够资金可以转’，他们也想学习同行业的头部企业是怎么思考和怎么做的。”西门子Xcelerator中国区总经理、西门子数字科技（深圳）有限公司CEO秦成，接受至顶科技专访时，传递出很多中小企业心声。

人民大学团队创建了OlymMATH，这是首个奥数级AI数学推理基准测试，包含200道双语题目。测试结果显示，即使最先进的AI模型如Gemini 2.5 Pro在困难题目上也只能达到58.4分，揭示了当前AI在复杂数学推理方面的真实能力边界，为未来AI发展指明了方向。

谷歌DeepMind推出Streaming DiLoCo技术，通过流式同步、重叠通信和4位量化压缩三项创新，将大规模AI模型训练的带宽需求降低400倍。该方法在保持模型质量几乎不变的前提下，让普通研究机构也能负担得起超大规模AI训练，有望推动AI技术民主化发展。

“数字化转型其实非常复杂，对于不同行业、不同规模、甚至是同样规模的企业，都是千差万别，很多中小企业，一来‘不知怎么转’，二来‘没有足够资金可以转’，他们也想学习同行业的头部企业是怎么思考和怎么做的。”西门子Xcelerator中国区总经理、西门子数字科技（深圳）有限公司CEO秦成，接受至顶科技专访时，传递出很多中小企业心声。

字节跳动种子团队提出熵调制策略梯度EMPG方法，解决AI智能体在长期任务中的稀疏奖励学习难题。通过自校准梯度缩放和未来清晰度奖励双重机制，根据步骤不确定性动态调整学习信号强度。在WebShop、ALFWorld和Deep Search三大基准测试中，EMPG显著提升了模型性能和训练稳定性，域外泛化能力尤为突出，为复杂AI系统的可靠训练提供了新的解决方案。

当下,数字化正在经历从以企业为中心向产业为中心转移、从追求效能为主的价值诉求向追求业务创新和业务发展的价值诉求转变,不断增加的不确定性也为数字化的发展蒙上了一层阴影。

MIT研究人员开发出自适应语言模型(SEAL)框架，让大型语言模型能够持续学习并通过更新自身内部参数进行适应。SEAL教会模型生成自己的训练数据和更新指令，永久吸收新知识并掌握新任务。该框架采用双循环系统和强化学习算法，让模型学会创建个性化学习指南。在知识整合测试中准确率达47%，在少样本学习中成功率达72.5%。这对企业AI应用具有重要意义，特别适用于动态环境中的AI智能体，但仍存在灾难性遗忘等局限性。

12月27日，在重塑边界安全，构筑安全连接——山石网科StoneOS 5.5R10线上发布会上，山石网科发布防火墙软件版本StoneOS 5.5R10，涵盖VPN特性优化、威胁检测优化、系统构架优化等200多项全新特性。

近期AI模型层出不穷,从谷歌等科技巨头到OpenAI、Anthropic等初创公司,都在不断推出新模型。本文梳理了2024年以来发布的最先进AI模型,介绍它们的功能特点和使用方法,帮助读者了解最新AI发展动态,选择适合的模型使用。文章将持续更新,跟踪最新模型发布情况。

作为积极践行自主可控 3.0 的代表企业，极狐(GitLab) 在为企业提供服务的同时，持续关注我国开源教育与人才培养，响应国家 “开源技术创新”、“开源文化教育” 等一系列关于开源技术 “产、学、研、用” 的发展政策。

斯特拉斯堡大学团队提出POLAR方法，创新性地将多视角点云配准问题转移到自编码器潜在空间中求解。该方法专门设计了处理各向异性噪声、遮挡和外点的损失函数，并采用多起点优化策略实现全局收敛。在合成和真实数据上的实验表明，POLAR在处理严重退化数据时显著优于现有方法，特别在SMLM显微镜数据上表现出色，为生物医学成像等领域提供了重要技术突破。

日本AI实验室Sakana AI推出Multi-LLM AB-MCTS技术，让多个大语言模型协作完成单一任务，形成AI智能体"梦之队"。该方法使模型能够试错并结合各自优势，解决单一模型无法处理的复杂问题。在ARC-AGI-2基准测试中，模型组合正确解决了超过30%的问题，显著优于单独工作的任何模型。公司已将核心算法开源为TreeQuest框架，为企业开发更强大可靠的AI应用铺平道路。

Adeptia联合创始人兼首席创新官Deepak Singh表示，AI智能体替代SaaS应用的想法是错误的。他认为企业级SaaS不仅仅是简单的CRUD操作，而是包含数十年领域专业知识、合规框架和复杂多方协调的可靠系统。以EDI数据处理为例，AI智能体虽然擅长自然语言查询和模式识别，但在业务操作的确定性要求、合规性审计和异常处理方面存在局限。Singh提出三层SaaS架构模型，认为AI智能体是副驾驶而非自动驾驶，应在平台治理框架内运行。

德国美因茨约翰内斯·古腾堡大学研究团队发现，在AI大语言模型的多选题评测中，"Answer:"后空格的处理方式竟能导致11%的准确率差异和模型排名颠倒。通过对15个主流模型的详尽测试，研究证实采用"空格+字母"的答案格式比单纯字母格式表现更优，还能显著改善模型校准度。这一发现揭示了AI评测中被忽视的技术细节可能产生巨大影响，呼吁建立更标准化透明的评测协议。

11月20日，在JDD-2018京东数字科技全球探索者大会上，京东数字科技正式发布 “城市计算平台”，并提出将基于“城市计算平台”打造能够洞察城市过去,了解城市现状,预测和优化城市未来的城市操作系统。