计算机芯片制造商AMD今天公布第一季度财报，超出了华尔街分析师预期以及收益目标，今天盘后交易AMD股价涨幅接近10％。

Dispo社交网络和约会应用Teaser AI联合创始人Daniel Liss创立了钢铁制造公司Nemo Industries。该公司计划利用AI技术优化生铁生产，并自建熔炉设施。Liss认为从创立之初就使用AI的公司将比竞争对手拥有20%-30%的利润优势。公司此前已融资2820万美元，目前正与现有投资者洽谈1亿美元A轮融资，并获得两个南方州超过10亿美元的激励措施承诺。

天工AI推出的SkyReels-A2视频生成系统实现了重大突破，能够将多张不相关照片智能组合成高质量视频。该技术采用双分支架构处理语义和空间信息，通过200万训练样本学习元素组合规律。在与商业模型的对比中表现出色，特别是在物体一致性和视觉质量方面领先。该系统已开源，为创意产业、教育培训、虚拟电商等领域带来革命性应用前景。

ServiceNow研究团队开发了一种名为RLRF的新方法，通过强化学习显著提升了AI生成矢量图形(SVG)的质量。与传统方法不同，RLRF让AI能够"看到"自己生成的SVG代码渲染后的效果，并据此获得反馈。研究表明，这种方法不仅提高了生成图像的视觉准确性，还使代码更加简洁高效，并能够轻松泛化到从未见过的图像类型。这一突破为从图像或文本自动生成高质量矢量图形铺平了道路，对设计和开发领域具有重要意义。

Kevin Systrom希望解决新闻行业面临的“生存危机”。

沃达丰商业最新研究显示，由于2021年新冠疫情将继续影响商业环境，中国企业预计会持续面临干扰和经历转型。

微软正努力在一年一度的Build开发者大会前夕制造一些兴奋点，推出了多款旨在帮助软件提供商更轻松地使用人工智能和区块链技术的新工具和新服务。

在21世纪的今天，金融行业的格局正在被云计算、大数据、AI等新技术的出现和迅猛发展而深刻地改变着，传统金融企业不仅要警惕来自同行的竞争，还要面临无法预料的跨行业竞争。

腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则，先确保模型具备准确推理能力，再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力，第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示，该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上)，又保持或提高了准确率，展现出高效率-高准确率的理想平衡。

这项研究提出了SHARE，一种新型文本到SQL修正框架，它利用三个小型语言模型（SLM）协同工作，实现高效精准的SQL错误修正。SHARE首先通过基础行动模型将SQL转换为行动轨迹，再经过模式增强模型和逻辑优化模型的层次化精细化修正。研究团队还创新性地提出了层次化自演化训练策略，大大提高了训练数据效率。实验结果表明，SHARE在多个基准测试上显著提升了SQL生成准确率，计算成本仅为传统方法的十分之一，并展现出强大的泛化能力，适用于各种生成器模型和SQL方言。

过去的几代无线技术实现了人与人的连接以及人与互联网的连接，而5G将实现万物互联。然而，想要让新一代无线技术超越智能手机的应用范畴，却不能一蹴而就——这需要一些独创性。

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？

想象一下，你正在使用一款AI工具设计一张中文新年贺卡。你输入了"设计一张喜庆的新年贺卡，上面写着‘新年快乐‘"。然而，生成的图片中文字却变成了一团模糊的笔画或完全不相关的符号。这种令人沮丧的情况其实很常见，因为许多人工智能图像生成模型虽然能创造出精美的图片，但在准确渲染文字（特别是非英语文字）方面表现欠佳。

MongoDB本周二公布的第四季度财报业绩表现强劲，但是MongoDB有关新冠病毒可能带来负面影响的警告，导致股价大幅下跌。

OpenAI澄清虽在测试谷歌TPU芯片，但暂无大规模部署计划。该公司正摆脱对微软基础设施的依赖，寻求包括甲骨文、CoreWeave等多家算力供应商合作。OpenAI一直在硬件栈多元化方面努力，从英伟达DGX系统起步，现已使用微软Maia加速器、AMD Instinct MI300系列等多种硬件。公司还在开发自研AI芯片。分析认为，OpenAI可能因软件栈主要针对GPU优化，适配TPU架构需要额外时间和资源投入。

清华大学团队推出BlockFFN架构，通过创新的稀疏激活技术和块级优化训练，实现了AI模型在端侧设备上3.67倍的加速效果。该技术采用ReLU路由器和RMSNorm设计，结合激活稀疏性和推测解码，在保持模型性能的同时大幅提升运行效率，为AI技术在移动设备上的普及应用开辟了新路径。

MARBLE是一项由牛津大学、MIT和Stability AI联合开发的创新技术，通过操控CLIP空间中的材质表征，实现了图像中物体材质的精确编辑。它不仅支持基于示例的材质转移，还能实现材质混合和参数化控制，如调整物体的金属感、透明度、粗糙度和发光度。与传统方法不同，MARBLE保留预训练扩散模型的完整知识，同时提供前所未有的编辑精度，为设计师和内容创作者提供了强大而灵活的创意工具。

在数字经济的浪潮下，以人为核心的理念逐渐深入，人不仅成为数字经济的主要载体，同时也成为网络的重要节点，安全边界也开始向人与终端进行偏移。因此，由网络驱动的安全体系转变为由业务进行驱动。

微软研究院新提出的"奖励推理模型"(RRM)为大型语言模型开创了全新评估方式。传统奖励模型对所有问题使用统一计算资源，而RRM能像人类一样先进行推理思考再做判断，对复杂问题投入更多思考资源。研究团队通过强化学习框架训练模型自主发展推理能力，无需显式示例。实验证明RRM在多个基准测试上表现优异，能自适应扩展计算资源提升判断准确性。该研究为AI评估系统带来范式转变，使人工智能判断更接近人类思考过程。

4月23日凌晨5点，小王从睡梦中惊醒，昨日补丁窗口结束，他检查并排除生产系统故障至深夜两点，确保系统运行正常后才休息，没想到日思夜梦，这一刻又被机房着火的噩梦惊醒。