世界经济论坛（WEF)提出警告， 新兴技术的出现催生了新形式的网络攻击，而一众企业对这些威胁有些措手不及。

想象一下，你正在进行一次CT扫描。医生告诉你，为了减少辐射对你身体的伤害，他们会使用低剂量的X射线。这听起来很棒，对吗？然而，就像在昏暗光线下拍照会产生大量噪点一样，低剂量CT扫描也会产生大量的图像噪声，这些噪声就像薄雾一样遮挡了重要的医学细节，可能导致医生错过关键的诊断信息，比如微小的肿瘤或低对比度的病变。

H Company研究团队开发了开源网页操作AI系统Surfer-H，配备专门训练的Holo1视觉语言模型。该系统在WebVoyager基准测试中达到92.2%的成功率，媲美GPT-4性能但成本仅为其四分之一。研究团队还发布了专门的网页定位测试集WebClick，并完全开源模型权重，为AI技术民主化做出重要贡献。

谨以此文献给VxRail团队，以童真的倔强和坚持，跨越山和大海历经一次次磨练的蜕变，始终 不忘初心！

伊利诺伊大学香槟分校团队推出SWERANK软件问题定位框架，通过"先筛选再精排"的两阶段策略，以极低成本实现了超越昂贵AI助手的问题定位准确性。团队构建的SWELOC数据集为训练提供了高质量的真实案例，实验证明该方法在成本效益比上比现有方案高出57倍，为软件开发行业提供了实用且经济的调试解决方案。

蚂蚁集团智能医疗部门提出GRAO统一对齐框架，通过"模仿-探索-超越"三阶段机制解决传统AI对齐方法局限性。该方法相比监督微调、强化学习等基线方法分别实现57.70%、7.95%等显著提升，特别在专家混合模型上表现突出，为大型语言模型对齐优化提供新范式。

中美两场高端的网络安全大秀也不约而同在两地上演，旧金山RSA和北京429首都网络安全日的展会现场似乎更多了一些火药味儿。

DMOSpeech 2是哥伦比亚大学与NewsBreak合作开发的突破性AI语音合成系统。该系统首次通过强化学习优化时长预测器，解决了现有系统中语音节奏控制不准确的关键问题。同时创新性地引入师生协作采样策略，在提升2倍计算效率的同时保持了语音输出的多样性，使合成语音更接近真人说话效果。

慧与对Juniper的大手笔收购可能“几周后”就会完成，这将大大提高这家市值300亿美元的公司的销售额和利润。慧与的首席执行官表示：“等到与Juniper的交易完成，我们将拥有另一项业务：110 亿美元的收入。它将占公司收入的三分之一以上，可能会占公司利润的50%。”

昨天还在吃鸡、看跳舞，今早醒来《开心辞典》已经跨时空穿越而来——在线直播竞答，毫无征兆的就这么踩着风火轮的来了，火了。

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。

AI专用硬件的全面普及还需要不短的时间，在此之前，唯一办法就是充分挖掘现有硬件终端本身的计算能力。

KAIST等机构研究团队提出的"覆盖原则"框架揭示了大语言模型在组合泛化能力上的基本局限。研究表明，依赖模式匹配的模型只能泛化到那些可以通过替换功能等价片段到达的输入。实验证实，两步推理任务的训练数据需求与词表大小成二次方增长，且增加模型参数并不改善这种关系；路径歧义任务会导致模型形成上下文依赖的表示；思维链监督虽能提高效率但仍受覆盖限制。研究最终提出三类泛化机制的分类法，为理解组合推理和真正系统性泛化所需的创新提供了清晰路径。

微软联合多所知名高校开发了SwS框架，让AI模型能够自主识别学习弱点并生成针对性练习题进行自我改进。该方法在数学推理任务上取得显著效果，7B和32B模型平均性能分别提升10%和7.7%。通过"弱点诊断-针对性出题-强化训练"的三步流程，AI首次实现了真正意义上的自我反思式学习，不依赖外部知识灌输即可持续优化自身能力，为人工智能的自主学习开辟了新道路。

AI虽具备变革企业洞察力的潜力，但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛，简化治理，加速企业AI应用。通过AI自动化数据处理，实现实时分析，并与Vertex AI深度集成，使企业能够高效处理结构化和非结构化数据，将智能商业转型从愿景变为现实。

汽车产业的竞争法正在被重新书写。

企业正在利用技术来实现运营转型，更快地响应客户需求，启动新的业务模式。下面这8个错误可能会破坏你的数字化转型计划，再来看看如何纠正这些错误。

尽管AI产业投入巨资开发技术并亟需收回成本，但许多商业领导者仍对AI的价值持怀疑态度。据Lenovo委托的研究显示，量化AI投资回报率仍是其应用的最大障碍之一。调查发现，37%的决策者对签署AI采购协议持保留态度，凸显了AI投资与其实际价值之间的矛盾。

这项由新加坡南洋理工大学主导的研究全面梳理了大型语言模型通过奖励信号学习的最新进展。研究揭示了一种革命性的AI训练范式：让AI像学生接受老师指导一样，通过奖励反馈主动学习和改进。这种方法已在ChatGPT等系统中应用，能显著提升AI在推理、对话、代码生成等任务上的表现，同时增强安全性和可靠性。

上海交通大学研究团队构建了迄今最大的人体动作数据库MotionMillion，包含200万个动作序列，并训练出70亿参数的AI模型，实现了根据文字描述生成自然人体动作的零样本能力。该技术采用创新的六步数据处理流程和小波变换优化，在动作质量和文本对齐度方面显著超越现有方法，为动画制作、机器人控制、虚拟现实等领域开辟了新的应用前景。