盘点2023年规模最大的云故障事件。

12月11日，2019中国（天津滨海）国际生态城市论坛暨2019数字经济创新峰会在滨海新区成功举办。大会主论坛共邀请了数十位产、学、研领导、专家和学者出席，吸引了超过400位国内外嘉宾参与，共同探讨了可持续发展愿景、数字经济理念、智慧城市规划等话题。

上海AI实验室等机构联合开发的Dita机器人学习模型实现重大突破，仅需10个示例就能让机器人掌握复杂任务。该模型创新性地结合扩散模型与Transformer架构，让机器人具备类似人类的环境观察和任务理解能力，在多个基准测试中表现优异，并成功完成包括倾倒液体、多步骤操作等高难度真实世界任务，为通用机器人智能发展开辟新路径。

清华北航等联合开发Droplet3D系统，通过观看视频学习3D创作。该系统构建了包含400万3D模型的Droplet3D-4M数据集，每个模型配有85帧环绕视频和260词详细文本描述。用户只需提供一张图片和文字描述，即可生成高质量3D内容，支持精确的语言控制和风格化输入处理。实验显示其性能全面超越现有方法，在场景级生成方面展现独特优势。

这项研究创新性地利用大语言模型(LLM)代替人类标注者，创建了PARADEHATE数据集，用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美，随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示，在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异，证明LLM生成的数据可作为人工标注的高效替代方案，为创建更安全、更具包容性的在线环境提供了新途径。

近日，华为在欧式建筑风格的苏州研究所，也是华为中国政企业务总部所在地，发布了全新形象口号——“数智世界 一触即达”。这也是其提出携手伙伴深耕“NA、商业和分销”三大市场后的又一新动作。

这项由以色列理工学院等机构完成的研究提出了SingLoRA方法，用单一矩阵替代传统LoRA的双矩阵设计，解决了AI模型微调中的稳定性问题。该方法在保持性能的同时将参数量减少一半，在语言理解和图像生成任务中都表现出色，为大模型的高效适应提供了新的解决思路。

在深刻理解了企业数字化之后，我们要面对的下一个问题就是如何推进数字化进程，以顺利实现数字化转型。数字化转型牵扯甚广，既无法一蹴而就，也很难一帆风顺，需要整体规划、分步实施、有序推进。下面，我们将给出数字化转型的四条路径。

OPPO今天发布全面超越 Pro 的封神旗舰 Find X7，标准版 3,999 元起售，1月8日 16:30开启预定，1月12日10:00全面开售。

这项研究首次将在线强化学习成功应用于流匹配模型，通过巧妙的ODE到SDE转换和去噪减少策略，显著提升了AI图像生成的精确度和可控性。在复合场景生成、文字渲染等任务上取得突破性进展，为AI生成领域开辟了新的技术路径。

与“西气东输”“西电东送”“南水北调”等超级工程类似，“东数西算”实施之路也荆棘丛生，该如何解决这些遇到的阻力和挑战呢？

2021年入冬前夕，两本关于数字世界的专著前后出版。

近日，IBM公司在“2018 IBM金融创新者大会”上正式对外发布了银行业和金融市场《2017全球最高管理层调研报告——传统企业的逆袭》行业调研报告以及《锐意创新，驭浪前行——传统银行拉开逆袭大幕》专家洞察报告。

哈工大研究团队开发的CogVLA系统通过模仿人脑认知机制，让机器人学会"智能筛选"信息，根据任务指令只关注重要内容。该系统采用三阶段渐进式处理架构，在LIBERO基准测试中达到97.4%成功率，同时训练成本降低2.5倍，推理速度提升2.8倍，为机器人技术的实用化和普及化奠定了重要基础。

要转移到新的宿主物种身上，病原体必须具备一定的适应能力。COVID-19疫情的大范围流行，是不是也受到相应的影响？

UCLA计算机科学系研究团队提出的"自适应并行解码"(APD)方法，成功解决了扩散大语言模型面临的速度与质量权衡难题。该方法通过动态调整并行生成的词数，结合一个小型辅助自回归模型来评估生成质量，并引入KV缓存和掩码输入限制等优化措施，使扩散模型能在保持高质量输出的同时显著提升生成速度。实验表明，使用APD的Dream 7B模型不仅能达到每秒59个词的吞吐量（比基线提升近6倍），还在数学推理等任务上保持了接近原始水平的准确率，甚至超越了传统自回归模型的速度。

斯坦福大学研究团队发现视觉语言模型能够像人类一样"看懂"数据图表，在金融、医疗等领域展现出超越传统方法的分析能力。这项发表于《自然·机器智能》的研究首次系统探索了AI视觉数据分析的潜力，为实现数据分析民主化、让普通人也能进行专业级数据分析铺平了道路。

这项哥伦比亚大学研究团队开发的Neuro2Semantic框架，能够从人类颅内脑电图信号中重建语义内容，开创了脑机接口技术的新可能。该框架通过两阶段过程工作：先用LSTM适配器将神经信号与文本嵌入对齐，再用预训练模型将这些嵌入转化为连贯文本。最令人印象深刻的是，它仅需30分钟的训练数据即可实现高效解码，远少于传统方法所需的16小时以上。研究表明该技术在未见过的语义内容上也表现出色，为帮助失语症患者等医疗应用铺平了道路。

这篇研究论文《段级策略优化》提出了一种介于词元级和轨迹级之间的新型强化学习框架SPO，用于提升大语言模型的推理能力。研究者将生成序列划分为连续段落，并在段级粒度上估计优势，实现了更精确的信用分配和更准确的优势估计。SPO框架包含灵活段落划分、基于蒙特卡洛的段落优势估计和段落优势策略优化三个核心组件。研究团队基于此框架设计了SPO-chain和SPO-tree两个特定实例，分别针对短链思维和长链思维场景。

上海AI实验室开发的CompassVerifier是一个轻量级但高精度的AI答案验证系统，能够准确判断AI模型回答的正确性。该系统通过构建包含132万样本的VerifierBench评测数据集，采用错误驱动增强等创新技术，在验证准确率上显著超越GPT-4等大型模型。CompassVerifier不仅可用于AI性能评测，还能作为强化学习的奖励模型，有效提升AI训练效率和效果。