如今，在网络安全攻防对抗模式不断升级的趋势下，以AI对抗AI必将是未来的发展方向。瑞数信息作为网络安全领域创新厂商也将持续提升AI技术，为企业用户搭建面向智能时代的新一代主动防御安全体系。

2024年CES盛况空前,宏碁携旗下最新科技力作亮相,再次引领科技潮流。期间,宏碁带来多款新品,不仅有当下大热的AI PC,更是将独家招牌的裸眼3D黑科技和环保永续发扬光大。

OmniSpatial是由清华、北大等多所顶尖高校联合开发的首个全面评估视觉语言模型空间推理能力的基准测试。研究团队将空间推理分为动态推理、复杂空间逻辑、空间交互和视角转换四大维度，涵盖50个细分任务类别，构建了1500多个高质量问答对。实验结果显示，即使最先进的AI模型在复杂空间推理方面仍存在显著局限，最高准确率仅为57%，远低于人类表现。研究还提出了PointGraph和SpatialCoT两种方法来增强模型的空间理解能力。

本文综述东南亚电信运营商如何由5G网络铺设转向借助人工智能推动企业应用和可持续商业模式探索。

这项研究揭示了大型语言模型的惊人能力：只需两个特殊训练的向量，冻结的语言模型就能在一次计算中生成数百个准确词汇，而非传统的逐词生成。研究者发现，这种能力要求特定的输入排列方式，且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力，还为快速文本重建开辟了新方向。

9月6日-8日,2021中国国际数字经济博览会在石家庄(正定)国际会展中心盛大开幕。

4月20日，在第20届华为全球分析师大会“华为云，一切皆服务，做好行业数字化云底座和使能器”主题论坛上，华为云Stack总裁尚海峰发表主题演讲“赋能政企深度用云，跃升数字生产力”。

展锐高级副总裁夏晓菲在会上分享了服务这一战略的三大底座技术，分别是：马卡鲁通信技术平台，AIactiver技术平台和先进半导体技术平台。

机器翻译越来越好用，但外语学习还是不能停。

RAVENEA是哥本哈根大学研究团队开发的首个多模态检索增强视觉文化理解基准，集成了超过10,000份人工标注的维基百科文档，用于评估视觉语言模型的文化敏感性。研究发现，轻量级视觉模型在配备文化感知检索功能后，在文化视觉问答和图像描述任务上分别提升了至少3.2%和6.2%的性能，证明了检索增强方法在提升AI文化理解能力方面的有效性，为构建更具文化包容性的视觉AI系统开辟了新路径。

AI工作负载已经集中为单一的深度学习领域，这也是市场需求所使然。

上海AI实验室开发的CompassVerifier是一个轻量级但高精度的AI答案验证系统，能够准确判断AI模型回答的正确性。该系统通过构建包含132万样本的VerifierBench评测数据集，采用错误驱动增强等创新技术，在验证准确率上显著超越GPT-4等大型模型。CompassVerifier不仅可用于AI性能评测，还能作为强化学习的奖励模型，有效提升AI训练效率和效果。

T-Tech团队发现传统AI变压器存在"表征崩溃"问题，即在深层处理中会逐渐忘记重要信息。他们开发了LIMe技术，让AI每层都能访问历史层信息，如同为AI配备"全能记忆库"。实验显示LIMe在相同计算成本下性能提升15.3%，复杂推理任务准确率提升8-30%，且额外开销仅0.08%。这项技术为提升AI效率提供了新思路。

新加坡国立大学研究团队开发了IPV-BENCH，首个专门评估AI视频模型处理"不可能场景"能力的基准测试平台。研究发现，当前最先进的AI视频模型在生成和理解违反物理定律、生物规律等不可能场景时表现不佳，最好的生成模型成功率仅37.3%，理解模型在时间推理方面尤其困难，揭示了AI技术在创造力和复杂推理方面的重大局限性。

宾夕法尼亚州立大学研究团队开发的AttnTrace技术，通过分析AI大模型的内部注意力机制，能够快速准确地追踪影响AI回答的关键文本内容。该技术解决了传统方法效率低下和准确性不足的问题，在多项测试中表现卓越，为AI安全防护和可解释性研究开辟了新方向。

当云计算成为数字经济发展的重要支撑力量，企业纷纷通过上云进行数字化转型和智能化创新。

在软件定义世界的今天，AI 与软件工程的融合正重塑测试行业格局。中国人工智能产业发展联盟发布的《AI4SE 行业现状调查报告（2024 年度）》显示，65.75% 的企业软件研发智能化成熟度已达 L2 及以上水平，标志着 AI 技术在软件工程领域从概念验证迈向规模化落地。

在11月7日-9日举办的华为全联接大会2022上，作为华为2022 年度优秀合作伙伴之“openEuler最佳实践伙伴”，麒麟软件受邀参加此次大会，并在会上分享了麒麟软件在CentOS迁移方案方面的实践成果。

计算机视觉最主要的应用是面部识别，这种技术经常被用于安全和执法领域。但是，在本文中，我想介绍一些计算机视觉技术不太明显的用途。特别是以下的三个行业，可能会从这种技术趋势的发展中受益匪浅。

这篇研究介绍了Meta公司开发的J1系统，这是一种通过强化学习训练大语言模型进行评判的创新方法。J1将可验证和不可验证的提示转换为具有可验证奖励的判断任务，从而鼓励模型在做出决策前先进行思考。研究表明，J1在8B和70B参数规模下都超越了同等规模的现有模型，甚至在某些测试中超过了更大的模型如o1-mini和DeepSeek-R1。这种方法的核心创新在于不仅优化最终判断，还优化思考过程本身，使模型学会制定评估标准、生成参考答案并重新评估回答的正确性。