微软亚洲研究院发布HeurAgenix框架，首次实现让大型语言模型自动进化和选择算法来解决组合优化难题。该系统通过对比学习机制让AI自主发现改进策略，并开发轻量级选择模型在保持性能的同时大幅降低成本。在五大经典问题测试中表现卓越，为传统需要专家手工设计的优化问题提供了自动化解决方案。

联邦存储功能是在一个管理界面下管理多套不同型号的SC存储系统，从而进行集中维护、配置等日常工作。既可以保证整体统一，又可以保证给予各组成单位灵活度。

5G、物联网的不断成熟，以及移动终端应用的爆炸性增长，已经给传统互联网业务模式带来了革命性的改变，今天的业务支撑模式已经由原来的以数据中心为主的中心化网络结构，逐渐转变成从边缘到云的网络结构，因此针对边缘侧的攻击态势也越来越显著。

微软研究院开发的VisCodex实现了多模态AI的重要突破，通过创新的模型融合技术让AI同时具备视觉理解和编程能力。该系统采用任务向量融合方法，将视觉语言模型与编程模型巧妙结合，并构建了包含59.8万样本的多模态编程数据集。测试显示其性能已接近GPT-4o水平，为未来的智能编程辅助和低代码开发提供了新的可能性。

说到底，这项由爱丁堡大学埃洛伊丝·克雷文博士领导的研究为我们打开了一扇通往过去的神奇之门。通过从北极永久冻土中提取和分析古老的DNA片段，研究团队成功重建了北极地区几千年来的植被变化历史，揭示了植物群落对气候变化的复杂响应模式。

产业风控，蚂蚁做了什么？

产业风控，蚂蚁做了什么？

人工智能有助于解决进化研究当中最古老的谜题之一，但同时又给我们带来更多新的困惑。

CentOS被抛弃，Linux用户该何去何从？

上海交通大学研究团队开发了SWE-Debate框架，通过让多个AI代理进行结构化辩论来解决软件bug问题。该方法首先构建代码依赖图谱生成故障传播路径，然后组织AI代理进行三轮辩论选择最优修复方案。实验显示问题解决成功率达41.4%，故障定位准确率提升14.67%，证明了多智能体协作在复杂软件问题解决中的优势。

浙江大学与阿里巴巴合作开发的TP-GRPO技术，通过识别AI绘画过程中的关键"转折点"步骤，改进了传统训练方法中简单平均分配奖励的问题。该方法能够根据每个绘画步骤的实际贡献给予精确奖励，对关键转折点还提供长期累积奖励。实验表明，在图像组合生成、文字渲染和人类偏好对齐三个任务上都实现了显著性能提升，为AI图像生成技术的实际应用开辟了新的可能性。

说到超融合市场，就不能不提戴尔易安信VxRail，自2014年问世至今6年来，VxRail始终保持着高速成长。

微软被认为是近些年来文化转型最为成功的企业之一。自萨提亚接任以来，微软内部进行了组织架构和绩效体系的全面调整，而这些举措正在让微软重新变得极具活力和创造力。

这项由浙江大学周晓巍教授团队联合牛津大学、蚂蚁集团等机构开发的SpatialTrackerV2系统，实现了仅用普通摄像头就能精确追踪视频中任意点的三维运动轨迹。通过创新的统一框架和大规模数据训练，该技术在权威测试中相比前代方法准确率提升50%以上，运行速度快50倍，为机器人、自动驾驶、VR等领域提供了突破性的技术基础。

UCLA团队首创"具身网络智能体"概念，开发出能同时在现实世界和网络世界中操作的新型AI系统。通过1500多个跨域任务测试发现，当前最先进AI模型在此类任务中表现远逊于人类，主要问题在于跨域协调困难。该研究为AI发展指明了"统一智能"新方向，虽然技术尚不成熟，但为未来智能助手、智慧医疗、教育等应用奠定了基础。

Service Mesh在实践层面往往难于管理、过分复杂。为了避免掉坑，我们必须采取一系列步骤简化这个过程。

不过，虽然这是一场地平线的产品发布会，但在整场演讲当中，我们听到最多的反而是余凯的产业理念。从当年在百度参与过辛顿深度学习公司竞拍的科学家，到现在的港交所上市公司，余凯自己完成了一个科学家到企业家的完美转身。这次发布会上，他也对芯片公司的创业之路做了一个相当完整的梳理。某种程度上，我们甚至可以将这场发布会当作一个商学院创业课来听。

梧桐车联看到了车载操作系统市场的前景，历时2年研发出了智能网联车载操作系统——TINNOVE OpenOS。翻看梧桐车联的公司介绍，它是腾讯布局车联网领域的排头兵。

通过新的软件和服务,戴尔扩大了行业领先地位,以及最广泛的网络弹性解决方案组合,以应对日益增长的数据保护和网络恢复需求

伊利诺伊大学研究团队发现AI在多模态推理中存在严重的视觉理解缺陷，67%的错误源于对图像信息的误解。他们开发了PAPO方法，通过图像遮挡技术强迫AI真正使用视觉信息，实现了4.4%的性能提升。这项研究对AI在教育、医疗、自动驾驶等领域的可靠应用具有重要意义。