北京大学与阿里巴巴联合研究发现大语言模型在强化学习训练中存在"能力边界塌陷"问题，即模型虽然测试成绩提升但整体能力范围缩小。研究团队提出RL-PLUS方法，通过多重要性采样和探索优势函数，实现内外部学习结合，在六个数学基准测试中达到最先进性能，并展现出优异的跨领域泛化能力，为AI持续学习提供了重要技术突破。

雷军预计小米汽车11月提前完成全年10万辆交付目标，到2024年底争取交付12万辆。

主要硬件比较好解决,毕竟玩游戏只要CPU和GPU到位了,不会差到哪里去

AREAL是一个由清华大学和蚂蚁研究院开发的全新异步强化学习系统，专为提升大语言模型的推理能力而设计。与传统同步系统不同，AREAL完全解耦了生成和训练过程，推理工作器持续生成新输出，训练工作器则在收集到足够数据时更新模型。通过创新的过时性感知训练和解耦PPO目标函数，AREAL成功解决了异步训练中的数据过时和策略不一致问题。实验表明，AREAL在数学和代码推理任务上实现了高达2.57倍的训练加速，同时保持或提高了模型性能。

约翰霍普金斯大学与StepFun公司联合研究，成功让AI学会"边看边思考"的视觉推理能力。通过两阶段训练方法，先让AI在文字推理中掌握认知行为，再迁移到视觉任务中。开发的OVR模型在多项测试中创造新纪录，为AI教育助手、医疗诊断、科研分析等应用奠定基础。

杰和科技深耕细作，推出VM23桌面终端升级版虚拟化桌面终端VM27。虚拟化桌面终端VM27同样也是一款X86播放器

StorageReview的Microsoft SQL Server OLTP测试协议，采用事务处理性能委员会的基准C（TPC-C）最新规范，TPC-C是一种在线事务处理基准，用于模拟复杂应用程序环境中的活动。

南京创瑞丰系统集成有限公司（简称“南京创瑞丰”）2004年成立并开始代理浪潮信息服务器，当时公司只有七八个人，经过十几年的发展，业务不断壮大，人员不断增加，年销售额也从一两百万增长到2021年的将近四个亿。

2018年2月25日，平昌东奥会闭幕式上，备受瞩目的“北京八分钟”惊艳了全世界。整个展示过程由神奇独特的人工智能和演员互动，充满科技含量的机器人和24块机器人冰屏旋转腾挪。短短8分钟，让世界看到了中国的飞速发展。

北京交通大学等机构联合开发出首个多图像视觉定位AI模型Migician，能像人类一样在多张图片中精确定位目标物体。该模型平均准确率达63.82%，比同类AI高出25个百分点，在自动驾驶、安防监控、医疗影像等领域具有广泛应用前景。研究团队构建了63万样本数据库和全面测试平台，并将所有资源开源，为多模态AI发展开辟新方向。

说起基因，今年是第一版人类基因组序列图谱发布20周年。这20年里，基因测序技术的发展势如破竹，为生命科学的研究突破创造了不计其数的科学价值。

小米公益平台创新性地以主题月的形式，以多城市、多场次、多渠道的方式开展活动。

韩国AI芯片初创公司FuriosaAI本周获得重大客户突破，LG AI研究部门选择其AI加速器为搭载Exaone大语言模型的服务器提供算力支持。与主流GPU相比，RNGD推理加速器虽然性能指标看似平庸，但凭借仅180瓦的功耗实现了出色的能效比，在LLM推理任务中比GPU节能2.25倍。该芯片采用张量收缩处理器架构，大幅减少矩阵运算指令和数据移动。LG现计划向企业客户提供基于RNGD的服务器解决方案。

公有云主机的CPU处理能力到底如何？为什么至顶网云能力评估小组一直提倡采用双核云主机？网络、计算、存储中云主机的系统盘存储能力又是如何？这些问题我们会在本篇文章中再继续为大家进行解读。

这项研究揭示了大型语言模型的惊人能力：只需两个特殊训练的向量，冻结的语言模型就能在一次计算中生成数百个准确词汇，而非传统的逐词生成。研究者发现，这种能力要求特定的输入排列方式，且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力，还为快速文本重建开辟了新方向。

说起戴尔易安信PowerEdge R740系列，在服务器领域可谓大名鼎鼎，戴尔易安信能够连年夺得全球服务器行业份额第一，它是主力军~

OpenAI的首席科学家Hyung Won Chung在MIT的一场演讲引发了不少思考。他揭示了一个培养通用人工智能（AGI）的关键策略：通过激励模型自主学习，才能让机器具备解决多任务的通用技能。

东北大学研究团队提出一种突破性的人体动作生成方法，摒弃传统的相对坐标表示，转而使用全局空间中的绝对关节坐标。这种看似简单的改变带来显著提升：生成动作质量更高，文本对齐更准确，控制性更好，且支持直接生成网格顶点动作。研究表明简单方法有时比复杂解决方案更有效，为虚拟现实、游戏和动画领域提供了新工具。

Neuralangelo是NVIDIA Research 开发的一个全新AI模型，它利用神经网络进行3D重建，可将2D视频片段转换为详细的3D结构，为建筑物、雕塑以及其他真实物体生成逼真的虚拟复本。

蒙特利尔大学研究团队开发出EARL图像编辑系统，通过强化学习训练让AI能够理解自然语言指令并完成复杂图像编辑。该系统采用"教练式"训练方法，AI在智能评价系统指导下持续改进编辑能力，最终在综合测试中以4.80分超越了包括商业系统Omnigen在内的所有对比方法。EARL不仅能处理简单的颜色修改，还能完成空间关系调整、数量变化等复杂任务，代表了人机交互方式的重要变革，有望让图像编辑变得像聊天一样简单。