职场正在经历一场悄然的变革。最新盖洛普研究显示，虽然算法工具越来越普及，27%的员工经常使用AI工具，但员工对与AI系统协作的准备度却在下降。欧盟AI法案强调透明度，要求用户了解何时与AI交互。研究提出"双重素养"概念，即同时具备人类和算法领域的流利度。成功的人机协作需要信任校准，在过度依赖和充分利用AI能力之间找到平衡。组织文化需要培养好奇心、同理心、创造力和勇气四种品质，以实现有意识的人机协作。

如果已经将Jetbot智能小车组装好的话，现在就可以开始执行Jetbot提供的实验，在接下来的操作都在以下环境中执行。

部署难，应用繁，费用高--小微企业上云的种种问题，阿里考虑到了，群晖也考虑到了，于是他们联合发布了SkyNAS--轻量级企业云服务平台。

特拉维夫大学研究团队提出用"混合因子分析"方法重新理解AI语言模型的内部机制，发现AI思维呈现社区化结构而非简单线性排列。这种新方法将AI的激活空间分解为语义相关的区域中心和局部变化方向，在概念定位和行为控制任务上显著优于传统方法，为精确控制AI、个性化应用和提升AI可解释性开辟了新路径。

一家身陷危机的公司返璞归真，并迅速掀起病毒式传播。但如此赤裸裸地复制Twitter，能否为这家老迈的科技巨头注入新的活力？

Meta团队开发的ViTok突破了视觉AI压缩技术的瓶颈，发现压缩质量的关键在于存储的浮点数总量而非模型复杂度。该方法在保持图像和视频重建及生成质量的同时，计算效率提升2-5倍，在多个基准数据集上创造新纪录，为高效视觉AI应用提供了重要技术基础。

Google正式发布了这一蓝图的下个篇章——Cloud AutoML Vision，让任何人都可以通过上传一组示例并单击几个按钮来构建自己的深度学习计算机视觉模型。在一个点击式深度学习的世界中，AI的未来可能会是什么样的？

随着数据和AI技术的不断发展，数智基建将成为支撑企业数字化转型的关键基石。通过加强生态合作，企业不仅能更好地应对不确定性带来的挑战，还能在快速变化的市场环境中抓住机遇，实现持续的增长与创新。

这项研究由人民大学与中科院联合团队开发的STAR-R1，通过创新的强化学习方法显著提升了AI的空间变换推理能力。与传统监督学习不同，STAR-R1采用细粒度奖励机制让AI学会像人类一样思考，在物体属性变化识别任务中取得了61.4%的准确率，远超GPT-4o等顶级模型。研究发现AI在训练中展现出人类般行为模式：面对简单场景快速判断，遇到复杂视角变化则全面比较所有物体。这一突破不仅在所有11个评估指标上表现最佳，尤其在跨视角场景中比传统方法高出23%，为AI空间认知发展提供了新方向。

万古科技作为国内专业的HR管理信息化及HR管理云服务提供商，疫情爆发后便迅速做出反应，为满足企业客户疫情期间的人力资源日常管理，全面升级全线产品模块，助力企业健康复工，于困境中前行。

人工智能正在快速发展，影响着从医疗到招聘等多个领域。像 ChatGPT 这样的工具让个人和组织能以前所未有的方式利用 AI 的潜力。然而，AI 也带来了风险，如可能加剧偏见和系统性不平等。我们需要将 AI 视为一个成长中的孩子，通过负责任的方式引导其发展，确保它成为造福社会的力量。

2024年全球公有云终端用户支出预计将从2023年的5636亿美元增长20.4%，达到6788亿美元。

2023年9月13日-15日，2023 SuperMap开发者大会(2023 SuperMap Developer Conference，简称SDC 2023) 将在线举办。

小米公司发布了MiDashengLM，这是一个革命性的音频理解AI系统，能同时理解语音、音乐和环境声音，并用自然语言描述听到的内容。该系统采用创新的"通用音频字幕"训练方法，在多项测试中全面超越现有顶尖系统，运行速度提升4-20倍。研究团队承诺完全开源所有数据、代码和模型权重，为音频AI领域树立了新标杆，有望改变我们与数字设备的交互方式。

对今天的企业来说，数字化转型已成为应对正在变化世界的一个新演化节点。

Check Point 在恶意软件防御、漏洞攻击防御、安全配置管理、数据安全、移动安全和零信任框架调整方面获得了最高分

斑马技术承诺，到2030年，将范围1和范围2温室气体（GHG）排放量绝对值降到其2020基准年的50%。公司还承诺在同一时间范围内将采购货物和服务以及在用售出产品的范围3温室气体排放量绝对值减少15%。

阿里巴巴集团高德地图团队与北京邮电大学合作开发的FantasyPortrait系统，实现了突破性的多人肖像动画技术。该系统采用隐式表情控制和遮罩交叉注意力机制，能够让静态照片中的多个人物同时展现不同的表情动作，在跨身份重现和多人协调动画方面显著优于现有方法，为影视制作、虚拟通信和游戏娱乐等领域带来革命性突破。

谷歌公司的科学家们研究出一种新的计算机视觉方法，用于实现手部感知。该方案能够在实机实验中仅凭一帧图像识别出一只手（或者多只手）上的21个3D点位。只要在手机上就能进行实时追踪，并且还能同时追踪多只手，可识别遮挡。

UniR（Universal Reasoner）是一种创新的推理增强方法，可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发，该方法将推理能力分解为独立的轻量级模块，无需改变主模型结构。UniR的核心优势在于高效训练（仅更新小型推理模块）、出色的模型间迁移能力（小模型可指导大模型）以及模块组合能力（多个专用模块可通过logits相加组合使用）。在数学推理和翻译测试中，UniR显著超越现有微调方法，展示了轻量级模块如何有效增强大语言模型的推理能力。