腾讯与上海交通大学联合推出的DeepTheorem研究突破了大型语言模型在数学定理证明领域的限制。该项目创建了包含12.1万个IMO级别非形式化定理的大规模数据集，开发了专门的RL-Zero强化学习策略，并设计了全面的评估框架。研究表明，通过使用自然语言而非传统形式化系统，即使是7B参数的模型也能在复杂定理证明上取得显著成果，超越许多更大的专业模型。这一成果为AI数学推理开辟了新途径，使语言模型能够像人类数学家一样思考和证明。

Akamai全球广播运营和客户活动高级总监Harish Menon告诉记者，产业正在经历转型，尤其是在内容交付和直播领域，现在用户的期待越来越高。“业务线上化驱动在线直播发展，而这一过程涉及三大要素——规模、可靠性、安全性。”

2020年12月19日，搜狐视频在World大会上公布2021年新战略，升级打造自制内容，让价值直播成为中台，驱动媒体价值的提升，联动长短视频双引擎，坚定而不同地走出视频平台新价值之路。

IBM Quantum新近发布的全新127量子比特Eagle处理器，堪称全球量子生态系统发展道路上的又一重要里程碑。这份公告的出炉，也标志着IBM在2020年9月发布的量子技术路线图不仅可行、而且正在如期推进。

StorageReview的Microsoft SQL Server OLTP测试协议，采用事务处理性能委员会的基准C（TPC-C）最新规范，TPC-C是一种在线事务处理基准，用于模拟复杂应用程序环境中的活动。

首届中国国际智能产业博览会于2018年8月23日至25日在重庆举行。中国电信以“赋能数字经济 共筑美好生活”为主题，以“5G”、“智慧城市”、“智能连接”、“智慧+”等7大板块43项展项华丽亮相,全面地展现了中国电信的“智慧力量”。

2020京东11.11全球热爱季正式落下帷幕，截至11月11日24时，京东平台累计下单金额超2715亿元，成交额同比增长33％，再次打破记录。

高科技建筑理念的缔造者伦佐·皮亚诺说过这样一句话——“建筑的一大美丽之处在于，每一次它都像是重新开始的生命”，似乎是对正在迎来新时代的北京工人体育场的最好注解。

云计算是创新业务的基础承载，正全面融入社会生产生活中，我国正在加速实施“互联网+”行动计划，推进“数字中国”建设，给中国联通带来难得的发展机遇。

随着元宇宙和人工智能技术开始与剧本杀相结合，无论是基于虚拟现实的沉浸式体验，还是未来某天在同一剧情中的人和AI同台推理博弈都带来了无限的想象空间。

这项研究揭示了多语言大型语言模型内部的语言表示对齐现象，并开发出推理时语言控制技术（ITLC），能在不重新训练模型的情况下精确控制语言输出。研究团队发现模型中间层存在自然的跨语言对齐，基于此开发的语言控制方法在跨语言生成和缓解语言混淆方面表现优异，语言正确率达到近100%，为多语言AI应用提供了新的技术路径。

韩国AI芯片初创公司FuriosaAI本周获得重大客户突破，LG AI研究部门选择其AI加速器为搭载Exaone大语言模型的服务器提供算力支持。与主流GPU相比，RNGD推理加速器虽然性能指标看似平庸，但凭借仅180瓦的功耗实现了出色的能效比，在LLM推理任务中比GPU节能2.25倍。该芯片采用张量收缩处理器架构，大幅减少矩阵运算指令和数据移动。LG现计划向企业客户提供基于RNGD的服务器解决方案。

作为全球领先的半导体科技公司，英飞凌长期深耕于数字安全领域，积极寻求和解决行业痛点，让互联世界更加安全。借此向中国市场重磅推出基于硬件的安全解决方案OPTIGA Trust M2 ID2，重新定义物联网设备上云的安全标准。

对于当下时代的学生而言，这些充满了数字化与科技感的教育场景已经十分常见，其背后是以人工智能、大数据、实时音视频等为代表的新一代互联网技术。

AI技术改善现有定价及收入管理的十种重要方式。

这项研究探讨了多模态大语言模型在增强推理能力时出现的视觉幻觉问题。研究发现，模型生成更长推理链时，对视觉信息的关注减少，导致幻觉增加。研究者提出RH-AUC指标和RH-Bench基准来评估模型在推理与幻觉间的平衡，发现较大模型表现更好，纯强化学习训练优于监督微调加强化学习，且训练数据的类型比数量更重要。这些发现对开发既具推理能力又保持视觉准确性的AI系统具有重要意义。

智能加速引擎iTurbo是浪潮存储I/O软件栈的一套完整的智能加速算法，涵盖对介质、芯片、组件、OS等的优化，具备对I/O、路径、数据块、空间条带、计算存储网络资源等关键要素的智能调度能力。

MagiCodec是一种由上海交通大学与字节跳动联合开发的创新音频编解码器，通过高斯噪声注入和多阶段训练策略，成功解决了音频编码领域的关键挑战：如何同时实现高保真重建和优秀的下游生成能力。研究团队通过理论分析证明，噪声注入在频域上相当于对高频成分施加指数衰减正则化，使模型能更好地保留重要的低频语义信息。实验表明，MagiCodec不仅在重建质量上超越现有技术，在文本转语音、语音识别等下游任务中也表现卓越，其生成的标记分布更接近自然语言的齐普夫分布特性，为音频生成模型提供了更理想的基础。

约翰·霍普金斯大学研究团队开发出突破性的少样本学习方法，用于检测AI合成语音。该方法通过自注意力原型网络，仅需10个样本就能快速适应新的语音伪造技术，在日语深度伪造检测中实现32%错误率相对减少。这项技术为应对日益复杂的声音欺诈提供了高效解决方案，有望应用于金融安全、司法取证等领域。

英特尔携手开发者生态伙伴举办了以“聚力智能边缘，与开发者同行”为主题的交流会。