微软研究院联合多所知名高校开发出SeerAttention-R稀疏注意力框架，专门优化AI推理模型的长序列解码效率。该技术通过自蒸馏学习让AI学会智能筛选重要信息，在保持近乎无损推理准确性的同时，实现了高达9倍的计算加速。系统采用轻量级插件设计，无需重训原模型即可集成，为长文本AI推理应用的普及铺平道路。

2023年AI成为热词，OpenAI的Chat-GPT引领第一波AI浪潮。2024年，苹果Vision Pro带来空间计算概念，OpenAI的Sora掀起第二波AI浪潮。Sora的文本到视频转换技术，结合Vision Pro的空间视频功能，展现了AI与XR设备的融合潜力。

“苟日新，日日新，又日新”商汤王励精图治将此言刻在自己的澡盆上提醒自己清洁身体也要警醒思想。一千两百年后被儒家经典《礼记·大学》收录其中，强调人们要及时反省、不断革新。2023年4月10日，商汤科技发布了自研的大模型，命名为“日日新”。

二十多年来，企业运行网络的方式几乎没有任何变化。但在最近，这种传统的网络运行方式变得越来越困难、互不关联且非常昂贵。现代网络需要实现更高的集成度，并具备更高的灵活性。

现在，来自Google Brain团队的一名研究科学家Been Kim，正在开发一套“人类翻译器”，希望构建能够向任何人做出解释的AI软件。

VMware今天宣布将收购Avi Networks，意在让数据中心变得更像云。这次收购的价格未对外公布。

基于Web3.0、IPFS（Inter Planetary File System，星际文件系统）存储架构的存储就是去中心化的分布式存储，这类存储可凭借新的存储架构来降低部署及运营成本。

本文讨论了 MCP、ACP 与 Agent2Agent 三项协议如何助力 AI 系统的互联互通，降低整合复杂性，推动从试验向实用化转型。

你的数据还在“裸奔”吗？每一个世界备份日的到来，都在提醒我们数据备份的重要性。

经济奇点指绝大多数人类失去工作的时刻。作者分析了关于经济奇点的五个常见误区：自动化不会造成失业、工作提供人生意义、经济奇点是坏事、收入分配问题及就业逐步消失。文章指出，认知自动化与过往机械化不同，将全面替代人类工作。失去工作后人们仍可从家庭、兴趣中获得意义。关键挑战是收入分配，需要大规模财富再分配和接近免费的商品服务。就业可能突然全面消失，社会必须提前准备应对方案。

普度大学研究团队提出MaPPO方法，通过引入先验知识改进AI偏好训练，解决传统方法中的"挤压效应"问题。该方法能根据回答质量差距动态调整训练强度，在多个基准测试中实现显著性能提升，且无需额外参数调整，可作为插件与现有方法无缝集成，为AI系统提供更好的偏好对齐能力。

北京大学团队创建C3基准测试集，系统评估十款主流语音对话模型处理复杂对话的能力。研究发现即使最先进的GPT-4o音频版在英文对话中准确率仅55.68%，中文表现更差。语义歧义和省略现象是最大挑战，中文处理难度显著高于英文。该研究首次揭示了语音AI在真实对话场景中的局限性，为技术发展提供重要指引。

通用智能体需要世界模型，Google DeepMind团队发现AGI的必经之路

ChatGPT是强大的AI工具，能帮助写邮件和头脑风暴，但在某些领域使用它可能造成严重后果。大语言模型可能自信地给出错误、过时或有偏见的信息。在健康诊断、心理治疗、紧急安全决策、个人财务规划、机密数据处理、违法行为、学术作弊、实时信息监控、赌博预测、法律文件起草和艺术创作等11个方面，依赖ChatGPT可能带来真实世界的风险和危害。

蚂蚁集团研究团队提出了革命性的"原子思考"AI框架Atom-Searcher，通过将复杂推理分解为细粒度功能单元，配合精细化奖励机制，让AI学会像人类专家般深度思考。该系统在七项基准测试中均达到最优表现，不仅能进行更深入的多步推理，还展现出强大的跨领域适应能力，为AI在科研、商业、教育等专业领域的应用开辟了新前景。

继上周宣布对流行了十年之久的RHEL 7.9再提供四年支持之后，红帽近日发布了最新的Linux旗舰Red Hat Enterprise Linux (RHEL)9.4。

但尽管微软、谷歌、Meta以及亚马逊等科技巨头先后投入数十亿美元来开发能够处理各种任务的大语言模型（LLM），但对于AI这颗堪称人类智慧皇冠上的明珠之一，一刀切的作法显然并不适合所有情况。换言之，适合那些科技巨头的大模型未必能够满足普通企业的需求。面对重重炒作疑云与各行业对于AI泡沫的普遍担忧，现在的高管团队比以往任何时候都更需要深入理解并把握这些技术的现实影响。

2018年5月，欧盟发布的“一般数据保护条例”(GDPR)就要正式实施了。

华盛顿大学研究团队发现小AI模型无法有效学习大模型的复杂推理方法，提出了"小模型可学习性差距"概念。他们通过大规模实验证明，小模型更适合学习简洁推理而非复杂推理，并创新性地提出混合蒸馏法，将不同复杂度的训练数据按比例组合，显著提升了小模型性能，为AI模型训练策略提供了新的"因材施教"思路。

特斯拉汽车的成功，再加上政策的支持等有利条件，像是一针强心剂，刺激着更多的企业扎进汽车行业，开拓这片红海中的蓝海市场。