CityLens是清华大学和北京交通大学联合开发的基准测试系统，旨在评估大型语言-视觉模型通过城市图像预测社会经济指标的能力。研究团队构建了一个覆盖17个全球城市的多模态数据集，包含经济、教育、犯罪、交通、健康和环境六大领域的11项指标。通过直接指标预测、归一化指标估计和基于特征的回归三种评估方法，他们测试了17种最先进的大型语言-视觉模型。结果表明，虽然这些模型展示了有希望的感知和推理能力，但在准确预测城市社会经济指标方面仍有明显局限。

随着互联网的迅猛发展，依赖于互联网业务的公司都在不断的建设和扩充信息化后台，尤其x86平台的兴起，自动化部署一直是热门话题。

这场疫情已经造成了商业活动的中断，甚至某些情况这个世界都有些停滞不前了，导致几乎所有行业都在重新思考运转方式。对于某些企业而言，技术系统和运营所要做出改变远大于其他企业，如果你所在的公司正在面临疫情之后的重大变革，你就必须做好准备。

ByteDance研究团队开发了PaSa智能学术搜索系统，通过双AI代理架构解决传统搜索局限性。系统能自动阅读论文、追踪引用网络，实现深度文献挖掘。在真实测试中，PaSa相比现有最佳方法在相关论文发现率上提升近40%。该系统已开源，为全球学术研究提供高效文献调研工具。

Raffaele Spazzoli是红帽PaaS和DevOps咨询部架构师，在加入红帽之前 ，他在超级KeyBank担任解决方案架构师，实现了将交付周期从3个月变成一周，在本文中，他将以第一视角讲述这段神奇的经历。

“数字之花”正加速开遍山城， 6月8日，记者来到泰山电缆生产现场，实地调研工业互联网机器视觉技术破解电缆行业发展痛点，助力制造业高质量发展的实践。

Veritas研究表明,73%的中国企业认为勒索软件攻击在Kubernetes环境中是一种风险。然而直到目前为止,企业在扩展数据保护解决方案方面的进程仍旧非常落后。

虽然作为终端用户，我们还未感受到巨变，但业内人士一直在努力。

Duncan说，VMware的产品在全球取得了良好的增长，驱动增长的原因之一就是因为客户改变了他们看待IT基础设施的方式。因为客户面临更大的竞争压力，他们希望IT基础设施更加灵活，这样他们可以更快地进行创新。

主要硬件比较好解决,毕竟玩游戏只要CPU和GPU到位了,不会差到哪里去

英国芯片厂商Arm今天表示，将在最新的Armv8-M架构中添加“Arm Custom Instructions”功能。

在技术演进和人类需求的共同推动下，元宇宙场景的实现，元宇宙产业的成熟，只是一个时间问题。作为真实世界的延伸与拓展，元宇宙所带来的巨大机遇和革命性作用是值得期待的，但正因如此，我们更需要理性看待当前的元宇宙热潮，推动元宇宙产业健康发展。

德国图宾根大学研究团队发现现代AI视觉模型具备强大的图像排序能力，能够理解年龄、美观程度等连续属性并进行准确排序。研究测试了7种AI模型在9个数据集上的表现，发现CLIP模型表现最佳，且仅需极少样本就能学会排序。这一突破为照片管理、电商展示、社交媒体等领域提供了新的技术方案。

这项由电子科技大学、香港中文大学等机构联合完成的研究，创建了PersonaFeedback基准来评估AI的个性化能力。研究包含8298个测试案例，分为三个难度等级，发现即使最先进的AI模型在个性化任务上表现也不理想。研究还发现推理能力提升不等于个性化能力提升，直接提供用户信息比让AI推测更有效。

“头号”优先事项无它——防勒索韧性与数据保护管理不仅是关键时刻可以兜底的“金钟罩”，更是企业行稳致远的基石。

人工智能（AI）引发了半导体创新的“新黄金时代”——机器学习带来独特的市场需求，第一次激发了企业家们，去重新思考芯片架构的基本原则。

WebNovelBench研究为评估AI的长篇故事创作能力提供了突破性方法，利用4000多部中国网络小说建立基准，将AI小说家与人类作品进行直接比较。研究者设计了"摘要转小说"任务，通过八个叙事维度进行评估，发现顶级AI模型如Qwen3-235B-A22B已接近高质量人类创作水平。研究揭示了开源模型正快速追赶专有模型，并为AI创意写作评估提供了可靠标准。这项工作不仅展示了AI在叙事创作领域的进步，也为理解人工智能与人类创造力的关系提供了新视角。

土耳其萨班哲大学研究团队开发了突破性AI系统TCSSM，能够结合卫星图像和地理灾害描述，自动评估全球各地的自然灾害损失。该系统通过分析216万个问答样本，在跨地域测试中达到87.68%的平均准确率，为国际救援提供快速精准的损失评估工具。

清华北航等联合开发Droplet3D系统，通过观看视频学习3D创作。该系统构建了包含400万3D模型的Droplet3D-4M数据集，每个模型配有85帧环绕视频和260词详细文本描述。用户只需提供一张图片和文字描述，即可生成高质量3D内容，支持精确的语言控制和风格化输入处理。实验显示其性能全面超越现有方法，在场景级生成方面展现独特优势。

社会要信任人工智能需要什么？人工智能算法生成的每一个决策、预测和洞察都依赖于数据的可用性和质量。为了充分发挥人工智能的潜力，数据必须有效且高效地存储。换句话说，数据支撑着人工智能，而存储则支撑着数据。这种相互促进的关系使得人工智能也推动了当今存储创新的发展。要理解人工智能如何帮助创造更好的存储解决方案，我们首先需要考察它与数据的关系。