奔驰的下一件大事：电动汽车。

这项由俄罗斯AIRI研究所等多家机构联合完成的研究，首次系统揭示了LoRA技术在AI知识注入中的潜在风险。通过对Llama-3.1模型的大规模实验，研究团队发现AI在学习新知识时存在明显的"安全阈值"，超过500个新事实后性能显著下降。更重要的是，他们发现释义增强策略能有效缓解这些问题，为AI安全知识更新提供了重要指导。

微软团队开发的SIGMA是首个专为系统域任务设计的高效大语言模型，通过创新的DiffQKV注意力机制在保持性能的同时大幅提升推理效率，在长文本场景下速度提升达33.36%。该模型在系统管理任务上的表现全面超越GPT-4，为AI在专业技术领域的应用开辟了新路径。

浪潮商用机器有限公司副总经理黄家明表示，从研发的角度看，Power其实不再是一个封闭的系统，浪潮商用机器基于已有的小型机开发实践对K1 Power服务器进行了全新的设计，Power的整个生态系统正在从封闭走向开放。

快手科技发布Keye-VL 1.5多模态AI系统，创新性地引入"慢-快"双眼视频编码策略，能够智能分配计算资源处理视频内容。系统通过四阶段渐进式训练，将上下文理解能力从8K扩展至128K tokens，显著提升长视频理解能力。在多项国际基准测试中表现卓越，特别是视频理解任务上超越同类产品，为内容创作、教育、医疗等领域的智能化应用奠定技术基础。

2022 亚马逊云科技re:Invent全球大会进入第二天，亚马逊云科技首席执行官 Adam Selipsky 发表了“如何借助云的力量，在未知领域抓住机遇并茁壮成长”的主题演讲。

打拳、走秀、送货、踢球，WRC 2025成了人形机器人的“演武场”。

打拳、走秀、送货、踢球，WRC 2025成了人形机器人的“演武场”。

北京人工智能研究院发布突破性研究Infinity-Instruct，通过两阶段训练策略从1亿条指令中精选出740万基础指令和150万对话指令。该方法让开源AI模型首次在对话能力上超越GPT-4，其中LLaMA3.1-70B在对话测试中比GPT-4高出8.6%，同时保持强大的基础能力。研究完全开源，为AI技术民主化奠定基础。

作为新华三“融合平台 无界生态”战略的重要赋能项目之一，2018新华三论剑旨在从业务与人才维度全面赋能合作伙伴体系，建立并提升合作伙伴在无界生态时代的核心业务竞争力，更好地推动百行百业数字化转型进程。

斯坦福大学推出 AI4MH 项目，聚焦利用生成式 AI 改革心理健康诊断与治疗，探讨现有体系不足及未来发展。

五年，那个永远18岁少女的微软小冰，已经从当初机械呆板的对话系统，成长为一个无处不在的人工智能交互官，她有人设、有情感、还能主动创作，然而这还不足以定义「第七代微软小冰」。

上海交通大学联合多家机构开发的DeepRare系统在罕见病诊断领域取得重大突破，通过多智能体架构整合症状、基因和文献数据，实现57.18%首选诊断准确率，对1013种疾病达100%准确率。系统提供透明推理过程，95.4%获专家认可，已部署为Web应用供临床使用。

本研究提出了"能力-难度对齐采样"方法（CDAS），革新了大型语言模型强化学习训练中的数据采样策略。与传统方法不同，CDAS通过聚合历史表现差异实现更稳定的问题难度估计，并将模型能力与问题难度动态匹配。在多个数学推理基准测试中，CDAS达到了46.77%的最高平均准确率，同时比竞争策略提高了2.33倍的计算效率。研究还证明了CDAS在代码生成任务和更大型模型上的有效性，为提升大型语言模型的推理能力提供了高效可靠的新方法。

这个春天，酒仙桥论坛的 “探索 AI 新质生产力跃迁的范式革新” 主题圆桌对话环节上，一场思激荡的思辨，在智慧交响中雕琢出城市智变革的多棱远景！

Adobe Research与德州大学联手开发"自我强迫"训练法，让AI在视频生成时边做边学，彻底解决传统方法中错误会越积越多的问题。这种创新训练方式实现了真正的实时视频生成，在单GPU上达到17帧每秒的处理速度和亚秒级延迟，为直播、游戏和实时交互应用开辟了全新可能性。研究团队还引入滚动键值缓存机制，实现了理论上无限长的视频生成能力。

生成式AI的飞速发展使得企业难以有效地实施和衡量这项技术，同时防范偏见和风险。

快手科技和清华大学联合提出了Archer训练方法，通过识别语言中的知识型和推理型词语，对不同类型内容采用差异化约束策略。该方法让1.5B参数的小模型在数学推理和编程任务上达到了与大模型相当的性能，在AIME数学竞赛中准确率提升18%，训练效率比传统方法高8倍以上，为AI训练提供了全新的"小而精"发展路径。

4 月 15 日上午，InfoQ 主办的 DIVE 全球基础软件创新大会正式召开，本届大会通过云上展厅的形式进行，历时两天设置了 1 个主会场和 15 个分会场

HSE大学研究团队提出了RiemannLoRA方法，创新性地将黎曼几何引入大型模型的低秩适应训练中。该方法通过统一框架同时解决了初始化选择和过参数化两个关键问题，在常识推理和图像生成任务上都显著优于传统LoRA方法，为人工智能模型的高效训练提供了新的几何视角和实用工具。