免疫系统是人体内非常复杂的一个系统，具有免疫监视、防御、调控的作用，对于人类的健康至关重要。理解免疫已成为当今生物学最具挑战性的课题之一，对于全面了解人体防御机制以及开发免疫疾病药物和维持健康具有重要意义。

本文整理自上海数讯CIO钱誉在TF中文社区“2020第一次Meetup”上的演讲,分享早期云网络实际应用和二次开发过程中的经验教训。

这是一个华为如何在竞争激烈的企业业务战场中突围并不断取得胜利的故事。但我们关心的不仅仅是胜利本身，还有这个突围者在每个关键时刻做出了怎样的选择。选择以客户为中心，选择生态，选择不争，走一条最艰难的路，有时候反而能登顶。

其实除了在2C互联网市场，C2M在产业互联网中也有着广泛的应用空间，例如浪潮、曙光、宁畅等服务器厂商在服务器定制化领域积极探索由用户驱动生产的反向生产模式。

这位来自美联储系统的技术主管分享了如何在多层次组织中领导IT团队、应对复杂性问题、激励团队并吸引顶尖IT人才。

浙江大学和蚂蚁集团的研究团队开发了ACTIVE-O3，一种创新框架，赋予多模态大语言模型"主动感知"能力，使AI能够智能地决定"看哪里"和"怎么看"。基于群体相对策略优化(GRPO)构建，该系统采用两阶段策略，先选择关注区域，再执行任务。实验表明，ACTIVE-O3在小物体检测、密集物体定位和交互式分割等任务上显著优于现有方法，并展示出强大的零样本推理能力。该研究为AI系统提供了更接近人类认知的视觉探索能力，对自动驾驶、医疗诊断等领域具有重要应用价值。

8月22日，NVIDIA针对"十亿瓦级"AI超级工厂，发布的Spectrum-XGS以太网！

当飞机冲破北京冬日的重重“霾伏”，降落在阳光灿烂、碧空万里的深圳，笔者不禁深深呼吸了好几口新鲜空气。

从他45岁那年打算创业起，从此却只想聚焦一件事——在中国做5G ATG。

这是一项由NAVER AI Lab、韩国科学技术院和首尔大学联合完成的突破性研究，提出了通过跨模态注意力注入技术同时生成新视角图像和对齐几何结构的方法。该技术基于扭曲与修补思路，使用双并行扩散网络处理图像和几何，通过创新的注意力共享机制确保两种模态完美对齐，克服了传统方法需要大量标定图像或无法外推的局限性，在多个数据集上验证了其在外推场景下的卓越性能，为VR/AR、游戏开发等领域开辟了新的应用可能。

国元证券在财富业务的核心链条中运用人工智能技术，提出了“基于人工智能的前瞻性资产配置方案”研究课题。

想象一下这个场景：一位学生拿到了一套没有标准答案的数学题。正常情况下，没有答案怎么知道自己做得对不对呢？大多数学生会卡在这一步。但如果这位学生非常聪明，他会想出一个办法——先用不同的解题思路做几遍，然后看哪个答案出现的次数最多，那个答案很可能就是正确的。接着，他会思考为什么其他方法得到了不同的答案，从而改进自己的解题技巧。这就是清华大学研究团队开发的"测试时强化学习"（TTRL）的核心思想。

做过应用迁移的都知道，基于传统平台的应用软件迁移到新的创新架构平台，要考虑众多因素

我们走进了一个真正数字化生存的时代，网络信号几乎像空气一样普遍。但是这个世界依然有一片领地，在多数时候还处于互联网的无人区，它就是“三万英尺”的天空。空陆互联创始人兼CEO李琨希望用5G连接中国的天空，实现航空业的数字化转型。

在今年1月份发布的2017年财报中，IBM终结了连续22个季度的收入下滑。据此，罗睿兰表示，IBM的转型已经“完成”，该是“加速”的时候了。这个自信的论断，既宣告了IBM阶段性转型的完成，同时也宣告了下一个时代的到来。这个时代正是智慧商业的“黎明时刻”。

北京大学与华为诺亚方舟实验室研究团队共同开发了TIME基准，这是首个专为评估大语言模型在真实世界场景中的时间推理能力而设计的多层级基准。该研究提出了三个层级的时间推理框架，包含11个细粒度任务，并构建了涵盖38,522个问答对的数据集，针对知识密集型信息、快速变化的事件动态和社交互动中的复杂时间依赖性三大现实挑战。实验结果表明，即使是先进模型在构建时间线和理解复杂时间关系方面仍面临显著挑战，而测试时扩展技术可明显提升时间逻辑推理能力。

BIM能够将建筑在全生命期内的工程信息、管理信息和资源信息集成在统一模型中，打通设计、施工、运维阶段的业务分块割裂、数据无法共享的问题，实现一体化、全过程应用。

清华大学等多家机构研究团队完成了语音分离技术的全面调研，系统梳理了从传统方法到深度学习的技术演进。研究揭示了"鸡尾酒会问题"的核心挑战，分析了各种学习范式和网络架构的优劣，并通过统一实验框架提供了公平的性能基准。调研涵盖了实时处理、轻量化设计、多模态融合等关键技术方向，为学术界和产业界的技术选型提供了重要参考，推动语音分离从实验室走向实际应用。

卓越服务至关重要，需要一种新的思维方式，并强调不同的技能、使命和指标——在这些方面，很多IT领导者仍然会感到很棘手。

OPPO AI团队首次系统性研究了大语言模型智能体的效率优化问题，提出了高效智能体框架。通过对基础模型选择、规划复杂度、工具配置和记忆机制的深入分析，他们在GAIA基准测试中实现了96.7%性能保持的同时，运营成本降低28.4%。研究发现简单设计往往更有效，为智能体系统的实用化部署提供了重要指导。