摩根士丹利，这家公司始终在考量如何利用生成式AI系统协助管理财富。事实上，微软在2022年10月宣布将OpenAI功能整合进自家产品时，也提到了摩根士丹利。过去一年半期间，这家财富管理机构一直在与OpenAI探讨如何更好地应用生成式模型。

这项由尼日利亚阿雷瓦数据科学学院主导的国际研究，通过对比DenseNet、ResNet、EfficientNet和Vision Transformer四种深度学习模型，为非洲野生动物保护提供了AI技术解决方案。研究发现DenseNet-201在实用性和准确率间达到最佳平衡，并成功部署了在线识别应用，为AI技术服务野生动物保护事业提供了完整的从理论到实践的范例。

Salesforce AI研究院开发的SFR-DeepResearch系统通过创新的强化学习方法，成功训练出能够独立进行复杂深度研究的AI代理。该系统采用单一代理架构，配备基础工具集，通过长度标准化奖励机制避免无效工具调用，在多个基准测试中表现优异，最佳版本在Humanity‘s Last Exam中达到28.7%准确率，为AI向自主问题解决者转变提供了重要突破。

马上步入不惑之年的老王，最近真是心力交瘁、夜不能寐。

4月8日，IBM在大中华区发布2019年重磅报告《认知型企业：发挥人工智能优势，全面重塑企业——七大成功要素》的中国洞察，对企业如何应用新技术打造面向未来的竞争优势进行了深入探讨。

有些企业通过制定“以Azure混合解决方案为先”的策略,兼具了公有云和私有云的优势,这是非常明智且适应未来需求的决策。

为应对AI基础设施连接缺乏标准的问题，通信基础设施提供商Zayo与数字基础设施公司Equinix联合发布业界首个AI基础设施蓝图。该框架明确定义了高容量网络、互连枢纽、训练和推理数据中心的角色及连接模式。随着AI驱动的带宽需求预计到2030年增长六倍，该蓝图为新云服务商和AI提供商提供可扩展的私有连接指导。

动化平台给软件开发人员带来的影响越来越明显。

在气温低到需要轻薄羽绒服保暖的旧金山夏天，英特尔第一届AI开发者大会（Intel AI DevCon 2018）正如火如荼上演。

MIT科学家开发的CellSAM人工智能系统能够仅通过普通显微镜的黑白照片预测细胞内部结构，准确率高达95%。该技术突破了传统荧光显微镜的局限，无需昂贵标记物就能同时观察多种细胞器，将加速药物开发、改善疾病诊断，并使高端细胞研究技术普及到更多实验室。

Adobe宣布携手网易有道（NYSE:DAO）面向中国的高等院校推出Adobe创意设计在线课程。

这项突破性研究首次系统性地揭示了多轮对话攻击对AI安全的严重威胁，开发了X-Teaming智能攻击框架和XGuard-Train防护数据集。研究显示当前AI系统面对精心设计的多轮攻击时失守率高达98%，但通过新构建的大规模训练数据集可将这一风险显著降低，为AI安全防护提供了重要工具和新思路。

Mistral AI首次推出推理模型Magistral，采用纯强化学习训练让AI学会深度思考。该模型在数学推理能力上提升近50%，能够展示完整思考过程，并意外获得多模态推理能力提升。研究团队开源了Magistral Small模型，为AI推理能力发展开辟新路径，证明了强化学习在培养AI思维能力方面的巨大潜力。

乡亲们对于各种新闻还是非常关注的，毕竟我们生活在一个新闻不断的时代。而且新闻强调权威性，所以大家还是倾向于选择权威媒体的账号。

英伟达在过去30年的旅程中，一直致力于加速一个又一个应用领域。从计算机图形学开始，英伟达的计算架构已经扩展到了多个行业，包括半导体制造、计算光刻、仿真、CAE、5G无线电等，这种加速计算的普及，使得英伟达的技术几乎覆盖了每一个重要的行业。

蚂蚁集团研究团队提出了革命性的"原子思考"AI框架Atom-Searcher，通过将复杂推理分解为细粒度功能单元，配合精细化奖励机制，让AI学会像人类专家般深度思考。该系统在七项基准测试中均达到最优表现，不仅能进行更深入的多步推理，还展现出强大的跨领域适应能力，为AI在科研、商业、教育等专业领域的应用开辟了新前景。

香港中文大学等机构联合发布TalkVid数据集，包含1244小时高质量说话视频，覆盖7729名不同背景说话者和15种语言。该数据集专门解决现有AI说话视频生成技术的种族、年龄、语言偏见问题。同时发布TalkVid-Bench评估基准，能够检测模型公平性。实验证明使用该数据集训练的模型在各群体上表现均衡，为构建更加公平包容的AI技术奠定基础。

数据驱动着现代商业的发展。今天，无论在制造、零售、物流，还是在互联网、金融等行业，数据都变得比以往任何时候更为重要。

中科大团队发布CRITICTOOL基准，首次系统评估大型语言模型工具调用自我批判能力。研究发现当前AI模型包括GPT-4o在内，遇到工具使用错误时恢复能力有限，最高仅达70%水平。该基准通过内部错误和外部环境错误两大类五种模式，结合数据进化策略，为AI工具使用可靠性评估提供重要参考。

11月6日不见不散！