Red Hat近日宣布了今年的首次收购，即收购容器和Kubernetes威胁检测公司StackRox。

周小四说，青云QingCloud在云原生层面秉承开放、中立的理念，坚持开源的方式。相比市场上的其他玩家，KubeSphere主打开源，并且不断加强运营能力建设。“我们现在重点打造运营团队。这个运营团队除了运营外，还有专职的项目文档团队。”

要构建新一代机器人，工程师们就需要能够提供更高可视性、灵活性和效率的技术和实践。为了应对前所未有的复杂程度，所有工程学科都必须以前所未有的协作方式展开协同，利用数据丰富的环境。

作为住宅房地产电子商务平台Opendoor的首席技术官，Raji Subramanian负责领导技术和产品开发的各个方面，并配备了敬业的团队以确保有一个可信的流程面向客户。近日，她和我们分享了她对客户至上、问题识别、向后和向前工作的一些观点。

"其实，不仅在互联网领域，在全球商业历史上，基本都存在着一个从巨头生态到多元生态的发展过程。"人文财经观察家秦朔出席Think in Cloud 2018（以下简称"TIC 2018"）时表示。

西部数据在投资者日会议上公布了其 HAMR 磁盘技术迁移计划，并表示 HAMR 硬盘已进入客户资格认证阶段。该计划旨在通过提高硬盘容量和性能来应对未来数据存储需求的快速增长，同时保持硬盘在企业存储市场的成本优势。

十年前，自媒体上一片被互联网抛弃之声，震动地方政商两界;十年后，新经济权重赫然已接近三分之一，上海几乎是在不动声色之间就完成了产业更新。

7月4日，2024世界人工智能大会在上海世博中心开幕，华为常务董事、华为云CEO张平安在产业发展主论坛上发表主题演讲。

近几年来，微软投入了大量资源和人力做了很多与开发者相关的事情。不只是「对GitHub平台大手笔收购」这样的“大事记”，还包括持续为开发者提供开发工具和服务、组织开发者培训、运营开发者社区等等这样“润物无声”的事情。

麻省理工学院研究团队开发出突破性的三维场景理解技术，让机器能够像人类一样理解复杂的三维空间。该技术采用分层空间表示和多模态数据融合，在场景重建准确率上达到92.3%，平均定位误差仅2.1厘米。这项技术将广泛应用于机器人、自动驾驶、AR/VR等领域，为人工智能的空间理解能力带来重大突破。

Google 宣布扩展 Gemini AI 模型系列，增加现有模型的可用性。公司推出了更新的 Gemini 2.0 Flash 模型，并发布了 2.0 Pro 和 2.0 Flash Thinking 的实验版本。此外，Google 还推出了新的 2.0 Flash-Lite 模型，旨在提供最具成本效益的 AI 解决方案。这些举措旨在提升 AI 性能，并为开发者和用户提供更多选择。

生成式AI的飞速发展使得企业难以有效地实施和衡量这项技术，同时防范偏见和风险。

快手科技和清华大学联合提出了Archer训练方法，通过识别语言中的知识型和推理型词语，对不同类型内容采用差异化约束策略。该方法让1.5B参数的小模型在数学推理和编程任务上达到了与大模型相当的性能，在AIME数学竞赛中准确率提升18%，训练效率比传统方法高8倍以上，为AI训练提供了全新的"小而精"发展路径。

基于GLM-130B强大的语言生成能力，智谱在服务多家大型企业的同时，也开发出了许多相关的应用，例如智能写作助手“写作蛙”、聊天机器人“小呆”、数字人、手语数字人等产品。

亚马逊云科技宣布，全球备受信赖的保险公司永明金融集团选择亚马逊云科技作为其长期战略云技术提供商，以转型为云优先企业，推动持续创新，为客户提供全新的数字化体验。

加州大学圣克鲁兹分校等机构联合开发的PGraphRAG框架，通过构建用户中心知识图谱解决了AI个性化服务的冷启动问题。该技术不再依赖单一用户历史数据，而是利用用户相似性网络实现个性化文本生成。在12项任务测试中，PGraphRAG在长文本生成上平均提升14.8%，在短文本生成上提升4.6%，为99.99%的数据稀少用户提供了个性化AI服务的可能。

阿里达摩院发布VideoLLaMA3，这是首个采用"以视觉为中心"设计的多模态AI模型，能够同时理解图像和视频内容。该模型通过四阶段训练和任意分辨率视觉标记化等创新技术，在多项图像和视频理解基准测试中取得突破性成绩，特别是在数学推理方面提升显著。VideoLLaMA3为教育、医疗、内容创作等领域提供了强大的视觉理解能力。

苹果公司研究团队通过创新的GSM-Symbolic测试方法，发现当前先进AI系统在数学推理方面存在严重缺陷。研究表明，AI虽然在标准测试中表现优异，但面对表述稍有变化的同类问题时准确率显著下降，暴露出其缺乏真正的逻辑理解能力，主要依赖模式匹配而非推理。这项发现为AI评估提供了新标准，并为未来开发更可靠的AI推理系统指明了方向。

本研究提出了Genius框架，这是首个完全无监督的大语言模型推理自训练方法。该框架通过前瞻性重采样策略让模型在推理时"深谋远虑"，并使用优势校准优化损失函数处理训练噪声。仅用25K无标注数据，Genius就将LLaMA3.1-8B在推理任务上的平均性能提升超过7%，为AI推理能力的大规模提升开辟了新道路。

UniGeo是一项开创性研究，它利用视频扩散模型来一致性地估计视频中的几何信息（如表面法线和坐标）。与传统方法不同，UniGeo在全局参考坐标系中进行预测，而非每帧的局部相机坐标系，从而有效利用视频模型中的帧间对应关系。研究团队提出了共享位置编码策略，并采用多任务联合训练方法，显著提高了几何属性预测的准确性和一致性。实验表明，即使只在静态视频数据上训练，UniGeo也能泛化到动态场景，为VR/AR、机器人技术和自动驾驶等领域提供了可靠的几何信息估计解决方案。