康奈尔大学研究团队提出了"价值引导搜索"方法，通过训练标记级价值模型来优化大型语言模型的推理过程。他们收集了250万个数学推理轨迹，训练了15亿参数的评估模型，实现了基于块的高效搜索。这种方法不需要预定义"步骤"概念，也无需昂贵的每步标注。在四个数学竞赛基准测试中，该方法使DeepSeek-1.5B模型达到了45.7%的平均准确率，与更大模型相当，同时显著减少了计算资源需求。研究团队开源了数据集、模型和代码，为高效人工智能推理提供了新范式。

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。

CLaSp是一项创新的自我推测解码技术，能让大语言模型生成文本的速度提高1.3到1.7倍，同时保持输出质量不变。由中国科学院等机构联合开发的这一技术，通过动态决定模型内部哪些计算层可以被跳过，避免了传统方法需要额外训练或模块的缺点。CLaSp像是让AI在不影响烹饪质量的前提下，学会了根据菜肴复杂度灵活跳过某些烹饪步骤，从而更快地完成整道菜。

4月26日，全球最具影响力的独立研究咨询公司之一Forrester受火山引擎委托调查并撰写的《火山引擎 A/B 测试总体经济影响白皮书》（以下简称《白皮书》）正式发布。

中科院软件所开发的PaperRegister系统通过分层索引技术革新学术论文搜索，将传统基于摘要的粗粒度检索升级为支持技术细节的精细化搜索。该系统为每篇论文建立树状信息结构，从概况到具体实现细节分层组织，配合智能视角识别器精准理解用户查询意图。实验显示在细粒度搜索中准确率提升22.6%，响应时间仅2.5秒，为科研信息检索提供了突破性解决方案。

北京大学和百度VIS联合研发的MV-AR技术，首次让AI学会像人类一样逐步观察物体，通过自回归方式生成多视角一致图像。该技术解决了传统方法在处理大视角差异时的一致性问题，支持文字、图像、形状等多种输入，在3D内容创作、机器人视觉等领域具有广阔应用前景。

对于绝大多数售电公司来说，面对市场机遇，在传统的运营方式下，无论是技术力量还是时间、人力，都难以游刃有余，需要通过数字化手段升级运营方式和业务模式。

卡内基梅隆大学研究团队提出全新"Kinetics"缩放定律，揭示大语言模型测试阶段的资源分配策略需要重新思考。研究发现小型模型效率被严重高估，因为以往研究忽略了内存访问成本这一关键瓶颈。在测试阶段，注意力机制而非参数数量成为主要成本因素。基于此，团队提出以稀疏注意力为核心的新范式，显著提升问题解决准确率，在AIME测试中低成本场景下提升高达60个百分点，高成本场景下仍有5个百分点优势。

智能体AI有望通过大幅改善工作流自动化来推动企业转型。Agntcy是2025年3月成立的开源组织，致力于构建"智能体互联网"框架。该框架由思科Outshift孵化部门创立，专注于智能体协调编排和身份访问管理。7月29日Linux基金会正式接纳该联盟，为框架提供更稳固的行业基础，新增戴尔、谷歌云、甲骨文云和红帽等重要成员。

这项研究首次提出了一个统一的量化感知训练(QAT)缩放定律，通过268组实验揭示了模型大小、训练数据量和量化粒度对4位量化误差的影响规律。研究发现量化误差随模型增大而减少，随训练数据增加和量化粒度变粗而增加。通过分解分析，研究确定了FC2层输入的激活量化是主要瓶颈，使用8位精度处理该层可显著提升性能。这些发现为设计更高效的量化策略提供了理论指导，对推动大型语言模型的实际部署具有重要意义。

企业软件公司Infor将亚太地区作为关键增长引擎，凭借制造业软件专长和AI平台能力吸引新客户。CEO表示亚太制造业基础雄厚，是重要市场。公司专注年收入1亿至50亿美元企业，提供行业特定解决方案。通过Leap项目推动客户向云端迁移，与AWS合作解决数据主权问题。在AI方面，Infor开发智能代理功能，结合流程挖掘技术帮助企业识别低效工作流并实现实时自动化改进。

今天，英特尔推出科技抗疫计划并承诺追加5000万美元，通过加速病患护理中的技术应用、加快科学研究以及确保学生接入在线教学等方式来抗击新型冠状病毒。

特拉维夫大学研究团队通过分析GCG攻击机制，发现越狱攻击的成功依赖于"注意力劫持"现象，即攻击后缀能占据AI注意力机制的主导地位。研究表明，攻击的万能性与劫持强度直接相关，并基于此开发了增强攻击效果和防御攻击的实用方法，为AI安全研究提供了新视角。

这篇研究论文介绍了"Speechless"，一种创新方法，可以在不使用实际语音数据的情况下训练语音指令模型，特别适用于越南语等低资源语言。研究团队通过将文本指令转换为语义表示，绕过了对高质量文本转语音(TTS)系统的依赖。该方法分三个阶段：首先训练量化器将语音转为语义标记；然后训练Speechless模型将文本转为这些标记；最后用生成的合成数据微调大型语言模型。实验表明，该方法在越南语ASR任务中表现出色，为低资源语言的语音助手开发提供了经济高效的解决方案。

德国比勒费尔德大学研究团队开发出能通过照片预测剩余寿命的AI系统，平均误差仅4.79年，准确度超越传统生物标记物检测。该技术基于DINOv2视觉模型和不确定性量化方法，在5672张高质量照片上训练。虽然展现了图像中隐藏医学信息的巨大潜力，但研究团队强调目前不适合临床应用，需要解决数据偏差、伦理考量等挑战。这项研究为非侵入性健康筛查开辟了新方向。

麻省理工学院与IBM研究团队共同开发的TANGO框架通过强化学习同时训练大语言模型的生成器和验证器，实现双向互促进的能力提升。不同于传统方法使用固定验证器，TANGO的验证器随生成器共同演进，提供精确的步骤级反馈。实验证明，这种"探戈式"协作方式使模型在数学竞赛问题上平均提升25.5%，特别是在最具挑战性的AIME 2025竞赛上准确率翻倍。TANGO还将训练效率提高3.3倍，验证器在无需步骤级标注的情况下也达到了业界领先水平，为大语言模型的推理能力增强开辟了新思路。

对于传统IT来说，云计算是一种范式转换（Paradigm Shift），因此要以全新的思维方式去考虑如何使用云，而不是用传统的方式去看，去用。

作为工业领域的“头部玩家”，西门子一直以创新的姿态，推动业界不断拥抱从概念到技术的诸多革新，对大模型的创新探索也是如此。

Check Point安全专家将通过本文探讨物联网设备风险剧增的原因，同时绍在开发物联网产品时引入多层防护措施的核心方法。

斯坦福大学研究团队开发出革命性AI系统，能够像生物学家一样"看懂"蛋白质三维结构并预测功能。该系统通过多层次分析方法，在蛋白质功能预测方面达到90%以上准确率，为新药开发和精准医疗开辟新道路。这项技术不仅加速了蛋白质研究进程，更为解决复杂疾病提供了强大的AI助手，预示着人工智能与生物医学融合的美好前景。