MIT研究团队开发的调制掺杂技术首次在硬件层面解决了AI芯片的"灾难性遗忘"难题。该技术通过在忆阻器中加入特殊掺杂原子，创造双层记忆系统，让AI芯片能像人脑一样持续学习而不遗忘旧技能。测试显示，该技术让AI对原任务的准确率保持在85%以上，同时减少70%的训练能耗。这项发表于《自然电子学》的研究将为智能手机、自动驾驶汽车等设备带来革命性改进，预计三到五年内实现商业化应用。

麻省大学团队开发PatchInstruct方法，通过"补丁分解"技术让大型语言模型无需重新训练即可准确预测时间序列数据。该方法在天气和交通预测中表现优异，短期预测误差降低85%，速度提升100-500倍，为实时预测应用提供了轻量级、高效的解决方案，展现了通用AI适应专门任务的新可能。

GLiClass是由乌克兰基辅Knowledgator工程公司开发的创新文本分类模型，基于GLiNER架构改进而成。该模型通过联合编码文本和标签，在单次前向传递中完成多标签分类，实现了准确性与效率的完美平衡。测试显示，GLiClass不仅在准确性上超越强基准模型5.5%，处理速度更是比传统交叉编码器快2.3-16倍，特别是在大标签集场景下优势明显。模型已开源并提供多个规模版本以适应不同应用需求。

中国科学院脑科学与智能技术卓越创新中心研究团队首次完整揭示了大脑在休息状态下巩固记忆的神经机制。研究发现大脑通过"神经回放"将短期记忆转化为长期记忆，海马体与大脑皮层通过精密的时序协调完成知识永久存储。这一突破性发现不仅解开了记忆形成的根本机制，还为治疗阿尔茨海默病、优化学习策略提供了科学依据，同时为人工智能发展提供了重要启发。

爱上一个虚拟偶像，从来就不是羞耻的事。

北京中科江南信息技术股份有限公司结合在财政信息化领域的经验，研发了基于微服务架构的财政预算管理一体化系统，实现全国政府预算管理一体化、各部门预算管理一体化、预算全过程管理一体化、预算项目全生命周期管理一体化、全国预算数据管理一体化。

事实上，想要真正让各安全产品之间高效联动，最关键的还是行业标准的问题，这也是网络安全未来的发展趋势。

ByteDance研究团队推出的M3-Agent是首个具备长期记忆能力的多模态AI代理。它能同时处理视频、音频信息，像人类一样积累经验和知识。系统采用情节记忆和语义记忆双重机制，以实体为中心组织信息，并通过多轮推理解决复杂问题。在专门构建的M3-Bench测试中，M3-Agent全面超越现有技术，为智能助手的发展开辟了新方向。

想象一下，这就像是在一场马拉松比赛中，有些选手获得了高级跑鞋和专业训练营，而其他选手却只能穿着普通鞋子，自行训练。结果可想而知——差距只会越拉越大。Trillion Labs的研究人员正是看到了这一问题，决定寻找一种新的解决方案。

对于戴尔来说，我们认为数据中心业务仍然处境艰难，尽管存储产品进入新的周期。不过戴尔将继续受益于远程办公的趋势，因为我们认为笔记本电脑产品还有新的需求空间，会在戴尔未来的财报中占据一席之地。

引言：一场盛会、一众大咖，在江城齐聚，以计算绘就“新质”，以智能创新未来。

哈佛大学伯克曼·克莱因中心探讨人类智能是否实际上就是一种计算智能形式。谷歌技术与社会首席技术官在秋季演讲系列中力挺"大脑即计算机"观点，认为大脑不仅像计算机，本身就是计算机。该理论将大脑比作预测性处理器，类似大语言模型通过预测下一个词元工作。支持者认为通过扩大计算规模可实现AGI，但也有声音质疑当前架构可能遇到瓶颈。研究者希望通过破解AI内部机制来理解人类思维。

香港科技大学研究团队开发出首个开源长篇音乐生成模型YuE，能根据歌词创作5分钟完整歌曲。该系统采用双阶段架构和轨道解耦技术，在人工评估中与商业系统性能相当，支持多语言创作和风格转换，为音乐创作民主化奠定基础。

互联网的寒冬已至，当大龄程序员抓住上岸的稻草，他的生活会如预期的美好吗

阿里巴巴通义实验室开发的LHM系统能够在几秒钟内将单张人物照片转换成可自由运动的3D虚拟人物。该技术采用多模态变换器架构，结合3D高斯分布表示和自监督学习策略，在重建质量和生成速度上都显著优于现有方法，为虚拟现实、游戏制作和数字内容创作提供了新的可能性。

这项由清华大学、上海AI实验室等顶级研究机构联合完成的研究，系统分析了当前大推理模型存在的"过度思考"问题，并提出了从推理过程、训练方法、强化学习到架构创新的全方位解决方案。研究发现AI模型经常对简单问题进行冗长推理，浪费大量计算资源，通过多种优化技术可显著提升推理效率，为AI技术的普及和产业化应用提供重要支撑。

中国企业技术出海与马来西亚的数字化征程。

麻省理工学院经济学家Arnaud Costinot与Iván Werning探讨拟议的“机器人税”。

中国企业技术出海与马来西亚的数字化征程。

北京邮电大学联合腾讯团队开发的We-Math 2.0系统，通过构建491个知识点的数学知识体系、创新的三维难度建模和渐进式强化学习框架，让AI模型获得了真正的数学推理能力。该系统仅用9800个高质量样本就达到了与大规模数据训练相当的性能，在多个基准测试中表现优异，为AI数学教育应用开辟了新道路。