想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息，它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话，逐步引导它走向你的真实目标呢？这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。

英特尔亚洲人工智能销售技术总监伊红卫也表示，在加速人工智能行业落地的过程中，英特尔可以从硬件、软件和生态三个方面进行赋能。

这是首份关于自动驾驶领域视觉-语言-行动模型的全景调研，由清华大学等多校团队完成。研究梳理了让汽车能看、能说、能开的VLA4AD技术发展历程，从早期语言解释器到最新推理增强系统的四个阶段，分析了20多个代表性模型，整理了相关数据集和评估方法，并指出了实时性能、安全验证、多模态融合等关键挑战和未来发展方向。

下面我们将与大家一同回顾一下2018年发生在航空、汽车制造、通信、网络安全、金融、政府、医疗健康、警务、铁路交通、零售等领域的重大IT事故。

人形机器人早期落地，更依赖端侧小模型。

人形机器人早期落地，更依赖端侧小模型。

在浪潮信息，有这样一群工程师们，他们在好奇心的驱动下，通过各种方式寻找算力提升的路径，无论进步大小，自豪感都在驱使着他们继续探索未知，甚至像一个科学家一样琢磨各种跨界的技术，并用于解决各类工程难题。

清华大学研究团队在NeurIPS 2024上发表的System-2 Attention机制，为AI系统增加了类似人类深度思考的能力。该技术通过两阶段信息处理，让AI能够专注于关键信息而不被干扰因素误导，在复杂推理任务中表现显著提升。这项创新不仅解决了现有AI模型容易被无关信息分散注意力的问题，更为未来AI发展指明了从追求规模向提升思维质量转变的新方向。

Gensyn公司研究团队提出了名为NoLoCo的新型大语言模型训练方法，该方法通过避免传统的全归约通信模式，显著降低了分布式训练的通信开销。研究采用随机配对同步和动态流水线路由策略，不仅减少了对高带宽网络的依赖，还在多种模型规模（125M-6.8B参数）上实现了比现有低通信方法最多4%的收敛速度提升，为大规模AI训练提供了更经济高效的解决方案。

通常来讲，1-2岁的婴幼儿不能戴口罩。N95口罩透气度较差，不适合孩子使用。对于儿童，推荐佩戴儿童专用的防护口罩，且家长需随时注意孩子有无呼吸困难等不适情况。

腾讯微信AI团队开发的ComoRAG系统通过模仿人脑认知机制，让AI具备了动态记忆和循环推理能力，在长文本理解任务上相比传统方法准确率提升高达11%。该系统采用三层知识组织结构和五步认知循环过程，能够像侦探破案一样主动探索线索、整合信息、构建完整推理链条，特别在处理复杂叙事推理问题时表现优异，标志着AI从信息检索工具向智能推理伙伴的重要转变。

面对无法阻止的更迭，IBM并不认为随波逐流会有任何帮助，与IBM一起积极拥抱变化，早先一步做好准备，未知，也许会是最好的礼物。

阿里巴巴集团高德地图团队与北京邮电大学合作开发的FantasyPortrait系统，实现了突破性的多人肖像动画技术。该系统采用隐式表情控制和遮罩交叉注意力机制，能够让静态照片中的多个人物同时展现不同的表情动作，在跨身份重现和多人协调动画方面显著优于现有方法，为影视制作、虚拟通信和游戏娱乐等领域带来革命性突破。

聊聊AI对艺术家和知识工作者们的影响。

2023年AI成为热词，OpenAI的Chat-GPT引领第一波AI浪潮。2024年，苹果Vision Pro带来空间计算概念，OpenAI的Sora掀起第二波AI浪潮。Sora的文本到视频转换技术，结合Vision Pro的空间视频功能，展现了AI与XR设备的融合潜力。

HPE新任GreenLake全球合作伙伴和服务提供商销售副总裁Ulrich Seibold希望确保合作伙伴了解GreenLake在多云方面的实力，以及使用GreenLake计量功能提供单一的多云消费客户账单功能。

T-Tech团队通过系统性研究发现，各种看似不同的AI直接对齐算法实际效果相近。研究统一了ORPO、ASFT等算法框架，发现只需5-10%训练数据即可达到近最佳性能，并揭示比较式学习通常优于独立评价式学习。该发现简化了AI训练理解，为降低成本、提升普及性提供重要指导。

2020年的天津，同样的时节，同样积蓄着新生的力量，迎接着生命力更为强壮的盛夏。

Cohere Labs研究团队提出了一种革命性的多语言AI优化方法，无需重新训练模型即可显著提升非英语语言的表现。通过"多重采样+智能选择"策略，让AI生成多个候选答案后选出最优回应。实验显示该方法让8B参数小模型在多语言任务上挑战大型商业模型，平均性能提升6.8-17.3个百分点，为AI多语言应用开辟了高效可行的新路径。

腾讯优图实验室提出AnoGen方法，仅用3张异常图片就能训练出高精度工业检测AI。该方法通过扩散模型学习异常特征并生成大量逼真样本，在MVTec数据集上将检测精度提升5.8%，为解决工业异常检测中样本稀缺问题提供了突破性方案。