谷歌正在分析其地图应用中承载的数据，希望借此指导市政部门调整交通信号灯的切换时长。

9月24日，在华为全联接2021的“数字内容云上生产，共创影视产业新高地”的主题论坛，华为云首席架构师顾炯炯为大家带来了今年华为云在云原生媒体及网络领域的重磅级创新服务：应用传送网络（Application Delivery Network），简称ADN服务。

通过思维链和内置专家模型的紧密协同工作，DeepSeek 能够高效地处理各种复杂问题，为用户提供高质量的回答和解决方案。

俄罗斯下尼诺夫哥罗德大学研究者开发出AI学术论文质量检查系统，能识别摘要和结论中的无根据信息和模糊代词。测试显示不同AI模型在特定任务中表现差异显著，为学术写作质量控制提供新工具。

RTX 5090 GPU 是迄今为止最快的 GeForce RTX GPU。它配备了920亿个晶体管，每秒可实现超过3352万亿次AI运算。其性能是上一代RTX 4090的近两倍。

如今无人车当道，全是 AI 老司机。

DeepResearchGym是一个创新的开源评估框架，专为深度研究系统设计，旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发，结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明，使用DeepResearchGym的系统性能与使用商业API相当，且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性，验证了该框架评估深度研究系统的有效性。

根据官方介绍，万知是一个专门为中国用户量身打造的一站式AI工作平台，可以做会议纪要、周报、写作助手、解读财报、论文、做PPT，中英双语且完全免费。值得注意的是，这是零一万物自创业以来首次面向C端用户发布一站式AI产品。同时，其CEO李开复也将亲自出任万知C“E”O（Chief Experience Officer），即“首席体验官”。

谷歌DeepMind发布SimpleQA Verified基准，通过严格筛选1000道测试题目和改进评分系统，更准确评估AI事实准确性。测试显示最先进的Gemini 2.5 Pro仅获55.6%准确率，揭示当前AI在事实知识方面仍有较大提升空间。该工具为AI研究提供了更可靠的评估标准，推动开发更值得信赖的AI系统。

云扩科技连续两年成功主办RPA论坛，以《激活数字化转型新动能》为主题线上线下同步呈现。

云扩科技连续两年成功主办RPA论坛，以《激活数字化转型新动能》为主题线上线下同步呈现。

亚马逊公布了截至2021年3月31日的第一季度财务业绩。2021年第一季度，亚马逊净销售额达到1085亿美元，相比去年同期的755亿美元增长44%。

在某种程度上被“催熟”的低代码，到底是有用的“利器”还是“炒”出来的“钝器”？

尽管各界广泛讨论 IT 行业女性人才短缺问题，但科技领域的女性比例仍然偏低。根据数据显示，美国 STEM 领域女性员工占比仅为35%，在五大科技巨头中这一比例更低至31%。女性在各级职位中的占比也呈下降趋势,从入门级的48%逐步下降到高管层的29%。为改变这一状况，许多致力于赋能和支持科技女性的组织应运而生。本文将介绍20个重要的女性科技组织,它们致力于提升女性地位、倡导职场包容性,并缩小多元化差距。

硅谷科技巨头多年来一直宣传AI智能体愿景，但现有技术仍然有限。强化学习环境被视为训练AI智能体的关键技术突破。这些环境模拟真实工作场景，让智能体学习复杂任务。顶级AI实验室正大量需求此类环境，催生了Mechanize、Prime Intellect等初创公司。数据标注巨头Scale AI、Surge也在转型。据报道，Anthropic考虑明年投资超10亿美元。尽管前景看好，但专家对强化学习环境的可扩展性存在分歧。

随着互联网的普及和移动设备的广泛应用,人们对于身份认证安全性和便捷性的要求也越来越高,Passkeys技术应运而生,为互联网安全和数字化进程注入了新的活力。

硅谷科技巨头多年来一直宣扬AI智能体能够自主使用软件完成任务的愿景，但现有的消费级AI智能体技术仍然十分有限。为了让AI智能体更加强大，业界正在探索新技术，其中包括模拟工作空间的强化学习环境。这些环境可以训练智能体执行多步骤任务，正成为智能体开发的关键要素。目前主要AI实验室都在内部构建强化学习环境，同时寻求第三方供应商提供高质量环境。

跳出游戏圈，荣耀Play的表现如何？是否能扛起日常生活、办公体验的大旗？今天我们就让一位手机重度患者感受一把荣耀Play。

Google Research团队开创性地研究了搜索增强型AI如何处理冲突信息，提出五类知识冲突分类体系，创建了首个专门评估数据集CONFLICTS。研究发现AI在处理冲突信息时表现不佳，但通过让AI明确识别冲突类型并相应调整回答策略，可显著提升其表现，为提升AI可靠性和实用性提供了重要指导。

耶鲁大学研究团队开发出ANCHOR方法，通过"分支点扩展"策略解决AI桌面操作训练数据稀缺问题。该方法从高质量种子演示出发，在关键界面变化点创造任务变种，生成平均17.24步的长序列轨迹，配合多层质量控制确保数据可靠性。实验显示在两个主流测试平台上模型性能显著提升，为实用化桌面AI助手奠定基础。