康奈尔大学研究团队发现，预训练的大语言模型具备惊人的"密码破解"能力，能够仅通过观察例子就自动学会识别和预测隐马尔可夫模型中的隐藏模式。这种"上下文学习"能力在多数情况下达到理论最优水平，大大降低了复杂数据分析的技术门槛，为生物学、心理学等各领域的科学研究提供了强大而易用的新工具。

谷歌联合康奈尔大学等机构的研究团队开发出革命性的"文本到文本回归"方法，让AI直接阅读系统日志预测性能，在谷歌Borg集群上达到0.99的预测准确率，比传统方法精确100倍，将预测时间从18小时缩短至几秒钟。

Matter、FAST 还有 Stable Diffusion，这都是些什么？搞清它们的定义，才能跟上 2023 年的最新趋势。

通用人工智能（AGI）备受关注，但实现时间仍存争议。专家预测AGI将在5-20年内实现，但面临数据质量、安全性和组织准备等挑战。IT领导者需要建立AI就绪的数据基础，制定治理框架，通过低风险试点项目逐步推进。AGI将重塑组织结构和工作方式，要求企业在技术能力提升的同时注重道德责任和风险管控。

有购买需求就要考虑价格问题,数字化系统也不例外。

Schnucks公司的核心价值观之一是“尝试新事物”，公司为技术团队提供了空间和资源在机器人、数字和数据解决方案方面进行创新和创造。

中科大研究团队创建了S2S-Arena平台，这是首个专门评测语音AI情感理解和表达能力的综合测试系统。通过154个测试样本和人工评判，研究发现GPT-4o在语音情感理解方面表现出色，但所有AI在情感表达上仍有很大提升空间，为语音AI发展指明了新方向。

香港大学团队开发出AI数据库修复工具BIRD-FIXER，能自动诊断和修复SQL查询错误。该研究构建了包含1100个真实SQL问题的基准测试，创新性地采用"逆向工程"策略生成训练数据，让AI学会像专家一样调试代码。BIRD-FIXER在基准测试中达到38%的成功率，超越多个商业AI模型，为中小企业提供了实用的数据库问题解决方案，大大降低了SQL使用门槛。

阿里巴巴淘宝团队开发的RecGPT推荐系统，通过大语言模型深度理解用户购物行为背后的真实意图，实现了从"学点击推点击"到"理解需求推商品"的根本转变。系统在淘宝全面部署后，用户体验多样性提升6.96%，点击率增长6.33%，同时有效缓解了推荐系统的马太效应，为数亿用户提供更智能的购物体验。

大数据应用推动了对于让内存更接近计算资源的架构的需求，但人工智能和机器学习进一步证明了硬件和硬件架构在成功部署中发挥的关键作用。不过有一个关键问题，那就是内存应该驻留在哪里。

多云（Multicloud）是一种企业计算资产部署的新方法。但是，要对一个完整的多云部署环境做成本优化，可能是一件非常棘手的事情，因为你可能没有统一的管理平面来部署、监控和管理所有分布式IT资产。

摄影测量技术可以更快地提供有关珊瑚礁随时间变化的更详细信息，从而作出更明智、更及时的决策。

作为百年科技企业，IBM正在用行动传递这样的价值观：让科技造福于人，这既是科技发展的起点也是归属。

Sa2VA是由UC默塞德等高校联合开发的突破性AI系统，首次实现图像视频的统一理解与精确分割。通过巧妙融合SAM-2视频分割技术和LLaVA多模态对话能力，Sa2VA能够同时进行自然对话和像素级物体标注。研究团队还构建了包含7万多个复杂视频表达式的Ref-SAV数据集，显著提升了AI在长文本描述和复杂场景下的表现。实验显示，Sa2VA在多个基准测试中达到业界领先水平，为视频编辑、医疗诊断、智能监控等领域带来新的应用可能性。

瑞典皇家科学院宣布2024年物理奖颁给了，两位AI先驱Geoff Hinton和John Hopfield。两位提出的Hopfield网络、玻尔兹曼机器、神经网络、深度学习、反向传播算法、模仿人类大脑等技术概念。

你将在30年后的CES上看到什么？这篇文章帮你大胆猜测了一下。

今年的re:Invent上，Andy Jassy再次为全球40多万名注册观众带来长达三小时的主题演讲，并且一口气发布27项创新的云服务和功能（当天总共发布43项新服务和功能），令到场的媒体和分析师惊叹。

回顾青云QingCloud的成长历程，青云QingCloud品牌定位的转变，也预示了青云未来的发展战略，基于成熟的软件定义的云模式，以IT为灵魂，以CT为血肉，开辟一条独一无二的云模式发展道路。

加州大学圣克鲁兹分校研究团队创建了包含150万高质量样本的GPT-IMAGE-EDIT-1.5M图像编辑数据集，通过利用GPT-4o优化现有数据质量，使开源AI模型在多项测试中达到接近GPT-4o的性能水平，在GEdit-EN测试中获得7.24分的突破性成绩，显著缩小了开源与商业模型的差距，为AI图像编辑技术的民主化奠定了基础。

马里兰大学研究团队推出DynaGuard，这是首个能理解用户自定义规则的AI守护模型。不同于只能识别预设类别的传统系统，DynaGuard能处理自然语言编写的任何规则，并提供详细解释帮助AI自我纠正。该模型基于40000个场景的DynaBench数据集训练，在传统安全任务和定制规则处理上都表现优异，为AI安全技术开辟了新方向。