异国追梦人——明方全和他与众不同的「云厨房」的故事。

第一季度，微软的每股收益（不包括股票薪酬等某些成本）为3.30美元，远高于华尔街每股3.10美元的目标，而收入较上年同期增长16%，至655.9亿美元，高于645.1亿美元的普遍预期。

台湾大学研究团队通过大规模人类听觉测试，首次系统评估了五个主流AI语音系统对自然语言指令的理解准确度。研究发现GPT-4o-mini-TTS在程度副词和情感强度控制方面表现最佳，但所有系统在年龄模仿和重音控制上都存在明显不足，普遍倾向于生成成年人声音，揭示了当前AI语音技术在精细控制方面的局限性。

1月22日晚，北京市经济和信息化局印发《北京市5G产业发展行动方案（2019年-2022年）》，方案确定了网络建设目标：到2022年，北京市运营商5G网络投资累计超过300亿元，实现首都功能核心区、城市副中心、重要功能区、 重要场所的5G网络覆盖。

本文中，英特尔院士Aditya Navale将分享图形处理器从实现更好的像素绘制到解决人类复杂计算挑战的演进历程。

T-Tech公司研究团队开发了SAE Boost助推器系统，通过训练专门的"错误补偿器"来增强AI理解工具对专业领域的理解能力。该系统在化学、俄语和外交等领域测试中显示出显著改进效果，同时完全保持原有通用能力。这种模块化设计为AI系统的持续优化提供了安全可靠的路径，对AI可解释性研究具有重要意义。

华盛顿大学研究团队开发出MUTEX系统，让家用机器人具备类人灵活性。该系统通过扩散策略和分层学习，使机器人能观察人类演示视频自主学习，在陌生环境中适应性完成复杂任务。测试显示成功率提升近一倍，动作更自然流畅。系统具备多任务协调、人机协作和安全保护功能，为未来智能家居和工业应用奠定基础。

谷歌DeepMind团队通过精巧实验发现，GPT-4等大型语言模型具备了类似人类"举一反三"的元学习能力，能仅凭少量示例快速掌握全新任务规律。这项发表于《自然·机器智能》的研究表明，AI正从简单模式匹配向真正智能推理转变，为教育、医疗、商业等领域的个性化AI应用开辟了广阔前景，标志着人工智能发展的重要里程碑。

深圳地铁规划建设统一的指挥中心，对地铁大数据进行收集和数据分析，像各条地铁客流量分析、客流时间分布规律、客流空间分布规律，让车辆行驶更安全，让运营服务更优化。

二次元是指人类幻想出来的唯美世界，用各种憧憬的体现虐袭观赏者的视觉体验，本质其实还是三次元世界的人类心中模糊的美好印象。

上海交通大学团队开发的AuroBind人工智能系统在药物发现领域取得重大突破，能在3000万化合物中精准筛选出高效药物候选分子，命中率达7-69%，比传统方法高数十倍。该系统成功发现了包括220皮摩尔超强效化合物在内的多个新药分子，特别是为从未被攻克的孤儿受体找到了有效化合物，为解决96%未开发蛋白质靶点的药物发现难题提供了新途径。

这项由加州大学伯克利分校研究团队开发的REOrder框架，通过重新排列图像块的处理顺序，显著提升了视觉模型性能。研究发现，传统的行主序排列并非最优选择，而通过信息论先验和强化学习寻找最佳排序，可在不修改模型架构的情况下，使ImageNet-1K分类准确率提升3.01%，卫星图像分类提升13.35%。这一发现挑战了传统认知，为视觉模型优化提供了一个全新且易于实施的方向。

量子计算技术的发展引发了对传统加密方法安全性的担忧。然而，与其将其视为对网络安全的威胁，不如将其看作科学领域的一次重大突破。量子计算在材料科学、药物研发和医疗保健等领域的应用前景更为广阔，可能为人类带来更多长远利益。本文探讨了量子计算的实际应用场景，以及它对加密技术的影响可能被夸大的原因。

说到人工智能(AI)领域，就不得不提起“人机大战”中的“阿尔法狗”( AlphaGo )这个嚣张的名字，自2016年3月初出茅庐，一路刷新纪录震惊世人，以99.8%的胜率，先后战胜世界各国顶尖围棋高手，轰动一时，人们将这一成绩视为人工智能的巅峰之作。

营销人员如何转换信息并使数据更有意义和用处呢？

如果说无人驾驶原本是仅存于科幻电影中的元素，那么Amazon DeepRacer则成功地将其投射进了现实世界。

印度理工学院团队开发出MPA模型对等对齐器，这是一种革命性的AI训练方法，能让小型视觉语言模型在无需人工标注数据的情况下，通过大模型指导显著提升性能。该技术通过三步法实现知识传递：大模型自动出题答题、精准识别知识差距、针对性强化训练。实验显示小模型性能提升高达15.2%，成本仅为传统方法的几十分之一，为AI技术普及开辟新路径。

北京航空航天大学团队开发的MeshLLM系统实现了大语言模型与3D建模的创新融合，用户可通过自然对话创建和理解3D模型。该系统采用原始网格分解策略，将训练数据扩展至150万样本，比传统方法增加近50倍。通过渐进式训练和多任务学习，MeshLLM在生成质量和理解能力上显著超越现有方法，为3D内容创作和人机交互开辟了新途径。

多伦多大学团队开发出μ?Tokenizer智能医学系统，能够自动分析CT扫描并生成精准诊断报告。该系统采用创新的多尺度多模态处理技术，在保持高准确性的同时显著提升诊断效率。尽管参数量仅为同类系统的14%，但在多项医学评估指标上都显著超越现有技术，为缓解医疗资源紧张、提升诊断质量提供了重要技术支撑。

经过京东线上平台多年的经营，今年的“618”呈现出巨大的虹吸效应，已经成为上半年最重要的销售节点。一进入6月，智能手机市场就变得剑拔弩张。拿下618这场硬仗对于厂商们意义重大。