12月7日,《重生边缘》联合杜比实验室在深圳湾万象影城杜比影院举行了黎明公测沉浸式发布会,一起来看看这场由杜比全景声特别呈现的发布会有些什么亮点内容吧!

西北大学等顶尖院校联合提出专家链(CoE)架构，通过让AI模型内部专家依次协作而非并行工作，在相同计算预算下将数学推理验证损失从1.20降至1.12，同时减少17.6%-42%内存使用。这种"接力式"处理方式为AI模型扩展提供了新维度，证明了智能协作比简单资源堆砌更有效。

今天各种产品或软件都声称自己内置了人工智能。虽然它们被用于生产、生活的各个领域，不过核心理念都是一样，帮助人们从简单劳动力中释放出来，无论在办公场所还是其他方面，都可以腾出更多的时间处理其他问题。

俄罗斯研究团队开发出首个针对俄语医疗记录的ICD自动编码系统RuCCoD，通过BERT、大语言模型和检索增强技术实现医疗诊断的智能编码。研究发现AI编码在训练诊断预测模型时比医生手工编码效果更好，准确率提升28%，为医疗信息化和临床辅助决策提供了新思路。

本古里安大学研究团队开发了Diff-Mamba，这是对高效AI架构Mamba的重要改进。该技术通过创新的"差分"机制解决了AI系统容易"走神"的问题，让AI能够更好地专注于重要信息、过滤无关内容。实验证明，Diff-Mamba在语言理解、信息检索和长文本处理方面都有显著提升，为构建更可靠、更高效的AI系统提供了新思路。

过去三年,中国跨境电商行业跌宕起伏,既经历了销售额的快速增长,也经历了封闭管理带来的爆仓。

几个月之前，曾有一篇题为《数字化反乌托邦：算法对穷人的惩罚》的文章，概述了技术成果对于极弱势群体产生负面影响的强大能力。而这不禁令我想到，技术创新在房地产行业是否也在扮演着同样的角色？

中山大学团队针对OpenAI O1等长思考推理模型存在的"长度不和谐"问题，提出了O1-Pruner优化方法。该方法通过长度-和谐奖励机制和强化学习训练，成功将模型推理长度缩短30-40%，同时保持甚至提升准确率，显著降低了推理时间和计算成本，为高效AI推理提供了新的解决方案。

上周，AWS公布了Open Distro for Elasticsearch之后，引发了口水战，这是开源公司日益增长的痛苦的最新例证。虽然过去一年中，新的开源许可证数量激增，但这个陈旧的开放核心模型真的能证明保持开源是一个可行的更好选择吗？

2021年10月21-23日，第十七届2021CCF全国高性能计算学术年会（CCF HPC China 2021）上，中国科学院院士陈润生发表了《从大数据精准医学到核酸药物》主旨报告。

蒙特利尔大学等机构联合开发的LATENTLENS工具揭示了AI视觉理解的新秘密。研究发现，传统方法严重低估了AI系统的视觉理解能力，实际可解释性从23%飙升至72%。更令人惊讶的是发现了"中层跃迁"现象——视觉信息进入语言模型时直接对应到中间层的语义理解，而非基础层。即使完全没有语言训练的视觉系统也展现出高度可解释性，暗示视觉与语言认知存在深层共性，为人工通用智能发展提供重要启示。

UC伯克利团队通过理论分析和实证研究发现，许多重要AI任务（如复杂推理、物理模拟、决策制定）本质上需要串行计算，无法通过并行加速解决。研究提出"串行缩放假说"，证明当前主流AI架构在这些问题上存在根本局限，呼吁开发支持深度串行推理的新型AI系统，为未来AI发展指明新方向。

作为百年科技企业，IBM正在用行动传递这样的价值观：让科技造福于人，这既是科技发展的起点也是归属。

从游戏引擎这个梦开始的地方，到更多应用落地的广阔天地，看Unity是如何炼成的。

清华大学团队开发出革命性的张量积注意力技术，让AI系统学会"智能遗忘"，将传统AI的完整记忆模式转变为类似人脑的选择性记忆。该技术通过巧妙的数学分解，将复杂信息压缩为关键特征，在保持甚至提升性能的同时，内存占用减少90%，处理速度显著提升，特别适用于长文档处理，为AI应用的普及和效率提升开辟了新路径。

近日，中国电子报总编辑胡春民与刘启航就云计算产业发展展开了深度对话。

上周在美国丹佛举行的SIGGRAPH 2024大会的炉边对话环节中，这家AI计算巨头的首席执行官、创始人就AI的变革力量、他对科技行业应对AI重大挑战的信心、以及他为什么相信Nvidia在可预见的未来仍将占据核心地位发表了几项大胆声明。

苏黎世联邦理工学院团队通过大规模实验发现，当前主流大语言模型在预测人类标注分歧方面存在显著局限。研究对比了RLVR和RLHF两类模型，发现RLVR模型虽然擅长处理标准化任务，但在理解观点多样性方面表现不佳。这一发现对AI标注系统的实际应用具有重要指导意义。

威胁情报本身与令威胁情报在组织范围内可执行的因素之间存在脱节。在当今威胁订阅源非常丰富的情况下，收集威胁情报并不是问题所在，不过威胁的数量却令安全分析人员难以确定需要优先处理的关注事项

这项由斯坦福大学、Meta公司和密歇根大学联合完成的研究，开发了能够实时观看视频并主动提供任务指导的AI助手系统。研究团队创建了包含30万对话的PROASSIST数据集，设计了创新的评估方法，并开发了能处理流媒体视频的端到端模型。实验显示，该系统能够在烹饪、组装等多种任务中提供及时准确的指导，为开发真正智能的人工助手奠定了基础。