Anthropic的AI基础设施周三下午遭遇约半小时的全面服务中断，Claude.ai、API、Claude Code和管理控制台均无法访问。此次宕机在技术社区引发热议，开发者们调侃称要像"石器时代的穴居人"一样编程，回到从Stack Overflow复制粘贴代码的日子。事件凸显了现代软件开发对AI编程工具的深度依赖，同时也提醒人们过度依赖AI助手可能带来的风险。

什么是区块链？可以先想象一下在一个计算机网络上复制了数千次的电子表格。然后再想象一下这个网络会定期更新这些电子表格，而且该网络是共享的并会持续协调数据库。

谷歌与计算机历史博物馆联合发布了AlexNet的源代码，这是一个在2012年彻底改变人工智能领域的卷积神经网络。AlexNet证明了"深度学习"能够实现传统人工智能技术无法达成的目标，标志着人工智能领域的重大突破。此举不仅为AI爱好者和研究人员提供了一个窥探计算机历史关键时刻的机会，也为未来的历史学家提供了理解这项改变世界技术的宝贵资料。

莫斯科理工大学研究团队提出革命性AI训练新方法，通过固定视觉嵌入层实现模块化组装和渐进式生长。专业模型可像拼积木般无缝合并，AI系统能像生物般逐层发育。实验证明合并模型性能优于单体专家，深度增加能显著提升复杂推理能力。这种方法有望推动AI发展从资源密集型向生态化转变。

伊利诺伊大学研究团队开发出UGST框架，解决了用户模拟器在对话中频繁出现的目标错位问题。通过将用户目标分解为可跟踪的子组件并采用三阶段训练方法，使小型模型性能提升14.1%，甚至超越大型模型，为对话AI训练提供了更可靠的用户模拟解决方案。

Apple Music新推出Discovery Station个人电台。

对于大多数人来说，冬奥的观赛过程除了高呼一声「牛X」， 还有更多的时刻其实都是「问号脸」——什么是1620？什么是bFFF？什么是540抓板？

Novo Nordisk 近期将与 AI 药物研发公司 Valo Health 的合作规模扩大近一倍。双方在原有 11 个项目基础上新增 9 个项目，合作总价值从 27 亿美元增至 46 亿美元。此次扩展聚焦于开发治疗肥胖、2 型糖尿病和心血管疾病的新药，利用 Valo 的 AI 平台提高药物研发效率和成功率。

虽然我们或多或少还是会看到垃圾邮件，但在机器学习算法的强大支持之下，大多数垃圾邮件已经被从收件箱中直接清除。

数字化转型的核心不在于淘汰员工，而是帮助员工完成转型，成为企业新一代的数字化人才，为企业所用。

AI Agent（人工智能体）是一种能够感知环境、进行决策和执行动作的智能实体。不同于传统的人工智能，AI Agent具备通过独立思考、调用工具去逐步完成给定目标的能力。

英特尔亚洲人工智能销售技术总监伊红卫也表示，在加速人工智能行业落地的过程中，英特尔可以从硬件、软件和生态三个方面进行赋能。

应用数据平台提供原生时间序列功能、版本化API和实时重新分片，赋能开发人员进一步提升工作效率。

这项研究介绍了Ankh3，一种创新的蛋白质语言模型，通过多任务预训练策略显著提升了模型性能。研究者采用两种互补任务：多掩码概率的掩码语言建模和蛋白质序列补全，使模型仅从蛋白质序列就能学到更丰富的表示。实验表明，Ankh3在二级结构预测、荧光预测等下游任务中表现优异，尤其在模型未曾训练过的任务上展现出强大泛化能力，为蛋白质设计和分析开辟了新路径。

10月27日,抖音上线了「手机VR全景直播」功能,通过软件与硬件的结合,使VR直播创作者无需复杂流程和购置昂贵设备,仅用1台iPhone手机和1个鱼眼镜头,即可随时随地开启直播。这大幅降低了普通用户VR开播的门槛。

这项来自普渡大学的研究展示了一种名为Sherlock的创新框架，让视觉-语言模型具备自我纠错能力。研究者通过三阶段训练方法（SFT冷启动、轨迹级偏好训练和自我改进），使模型能像侦探一样发现并修正推理错误。仅使用20k标注数据，Sherlock在八项基准测试中超越了使用5-13倍数据量的现有模型，证明自我纠错不仅能提升AI可靠性，还能大幅降低训练成本。

在对2018年公有云实施情况进行调研后，至顶网又联系了三十名以上在互联网行业长期耕耘的专家级用户，向他们实地了解，当前所在企业的公有云使用情况，以便更加清晰的对目前企业公有云使用状态进行了解。详细统计结果如下：

香港科技大学研究团队提出PreSelect方法，通过分析文本对不同AI模型能力的预测能力来筛选高质量训练数据。该方法基于"能够准确反映模型能力差异的文本往往也是最佳训练材料"的核心洞察，仅用轻量级fastText分类器就能实现大规模数据筛选，在多项实验中展现出10倍训练效率提升，为AI模型开发提供了经济高效的解决方案。

云服务正从传统的基础设施即服务（laaS）向先进的平台即服务（PaaS）演变，这推动着基础设施领域发生根本性转变，而用于处理人工智能（AI）、机器学习（ML）和大数据的新型基础设施的出现，进一步加速了这一转型。

香港大学研究团队开发的MatTools是首个全面评估大语言模型在材料科学工具应用能力的基准测试框架。研究发现通用型大模型（如GPT-4o）显著优于专业材料科学模型；AI生成的文档作为检索源比原始代码或官方文档更有效；简单的自反思系统反而优于复杂的多代理架构。这项研究为AI辅助科学工具的设计提供了全新思路，强调"通才胜于专才"、"AI懂AI"和"简单更好"的原则，有望加速材料科学研究和技术创新。