Gartner于今日发布企业机构在2023年需要探索的十大战略技术趋势。

戴尔易安信在业界得到了广泛赞誉，并推动了数据可用性、业务连续性成功为公司竞争能力的重要指标

上海AI实验室开发的CompassVerifier是一个轻量级但高精度的AI答案验证系统，能够准确判断AI模型回答的正确性。该系统通过构建包含132万样本的VerifierBench评测数据集，采用错误驱动增强等创新技术，在验证准确率上显著超越GPT-4等大型模型。CompassVerifier不仅可用于AI性能评测，还能作为强化学习的奖励模型，有效提升AI训练效率和效果。

法国AI初创公司Mistral AI发布了首个大语言模型全面生命周期评估，量化了AI的环境代价。其Mistral Large 2模型训练产生20,400吨二氧化碳当量，消耗281,000立方米水。运营阶段占环境影响85%，远超硬件制造成本。研究表明地理位置和模型大小显著影响碳足迹，企业可通过选择适当规模模型、批处理技术和清洁能源部署来减少环境影响。这一透明度为企业AI采购决策提供了新的评估标准。

PTC日前宣布，其Onshape业务做出了重要贡献，引领着计算机辅助设计（CAD）和产品生命周期管理（PLM）市场向基于云的软件即服务（SaaS）模式转变。

诺基亚发布自主网络结构平台，旨在解决传统系统、孤立流程和碎片化数据阻碍网络自主化的问题。该平台设计为统一智能层，整合可观测性、分析、安全和自动化功能，使网络作为一个自适应系统运行。平台支持统一数据管理、360度可观测性和电信训练的大语言模型。诺基亚还扩大与谷歌云合作，客户可在谷歌云、本地或混合云环境中部署该平台。

Gartner于今日发布企业机构在2023年需要探索的十大战略技术趋势。

这篇研究论文介绍了一种名为ConvSearch-R1的创新方法，它彻底改变了对话式搜索中的查询重构方式。由复旦大学等机构研发的这一技术，通过强化学习与推理能力相结合，完全摆脱了对人工标注或大型语言模型的依赖。研究采用两阶段框架：自驱动策略预热解决冷启动问题，检索引导的强化学习则通过精心设计的奖励机制优化查询重写。实验表明，即使使用较小的3B参数模型，ConvSearch-R1也能在TopiOCQA数据集上实现超过10%的性能提升，展示了显著的技术优势和资源效率。

谷歌今天宣布向其公有云平台上增加ensor Processing Units，这是一款专门为人工智能工作负载提供动力的内部设计的芯片系列。

在近日举行的“华为智慧城市峰会2019”上，华为EBG中国区智慧城市业务总裁胡芳接受记者采访时表示，以前城市的建设更多还是自上而下，某种程度上是政府或者企业一起来推动的。现在，我们更多强调老百姓的获得感。

英特尔在零售市场的重点围绕三个方向，即怎样给市场提供标准化，给市场提供更多价值，以及如何让芯片处理能够更好更快的完成。未来，Alec Gefrides表示英特尔希望为众合作伙伴提供一个底层统一化的产品。

斯坦福大学研究团队开发出革命性AI系统，能够通过分析大脑活动以85%准确率解码人类语言理解过程。研究绘制了包含万余词汇的"大脑词典"，揭示语言处理的层次化神经机制，发现大脑存在专门的预测网络和语义枢纽。该技术为治疗失语症、改进教育评估、开发智能AI系统开辟新路径，虽面临个体差异和实时处理等挑战，但已开始临床测试应用。

取诸葛之意，做分析之事，盘活数据，服务用户，创建于2015年3月的诸葛io正式踏入精细化数据运营的赛道，明确做业务场景数据解决方案的提供商，旨在为企业提供“产品+服务”专业数据解决方案。

以上一系列举措，其实只是NVIDIA赋能中国各行各业创新的“冰山一角”。随着中国“新基建”的推出，5G、AI等新技术不断与行业深入融合，NVIDIA依靠黄氏定律实现AI性能实现逐年翻倍，更好地满足行业的智能应用需求。

MUG-Eval是KAIST和Trillion Labs联合开发的创新多语言评估框架，通过让语言模型在目标语言中进行自我对话来评估其生成能力。该方法独特之处在于不依赖语言特定工具或人工标注数据，而是通过任务完成率间接衡量语言能力。研究团队测试了8种顶级语言模型在30种语言上的表现，发现其结果与传统评估方法高度一致（相关系数>0.75）。MUG-Eval揭示了模型在低资源语言上表现显著落后，并发现英语并非评估低资源语言的最佳替代。该框架理论上支持2,102种语言，为真正包容的AI评估提供了新途径。

在未来三到五年内，大家就会看到我们目前所做的一切初步转化为成果。而可能在此之前，晶圆代工厂的业务调整就已经能反映出RISC-V的进步速度。

戴尔科技集团首席执行官Michael Dell和戴尔科技集团旗下Pivotal公司首席执行官Rob Mee接受《财富》杂志资深撰稿人Michal Lev-Ram视频采访，谈论过去30年的技术演变史，以及未来30年的发展前景。

2014年，卡内基梅隆大学宣布发现一种存在于动态随机储存器DRAM，也就是现代数字设备使用的内存芯片上的漏洞。

北京大学研究团队创建了首个能够同时测试人类、仿人机器人和传统机器人工具使用能力的对比平台ManiSkill-HAB。通过六个日常工具使用任务的测试，研究发现机器人在学习效率和适应性方面仍远落后于人类。该研究开发的基于观察学习的新方法显著提高了机器人的学习效率，为未来智能机器人发展提供了重要基准和方向。

瑞士苏黎世联邦理工学院研发的EXPTEACH系统让机器人首次具备了类人学习能力。通过双重记忆机制，机器人能从失败中学习并将经验应用到新任务，成功率从22%提升至80%。系统还观察到机器人自主创新行为，如使用工具解决问题。这项突破性研究为通用智能机器人发展开辟了新道路。