10月25日，以“拓界·成真”为主题的2019戴尔科技峰会在北京国家会议中心隆重举行。戴尔科技集团董事长兼首席执行官迈克尔·戴尔先生出席峰会，发表主题演讲。

剑桥大学等机构研究发现，AI模型在长期任务执行中存在致命缺陷：微小的单步改进会带来指数级的长期能力提升，但传统模型会被自己的历史错误"带偏"，出现自我设限效应。思考型模型如GPT-5能执行超过1000步任务，打破了这一限制。研究重新定义了AI价值评估标准，认为长期执行能力比单次交互表现更重要。

冯轶春、王嘉伟等研究人员开发了DoctorAgent-RL，一种基于强化学习的多智能体协作医疗对话系统，彻底改变了AI医疗咨询模式。与传统单轮问答系统不同，该系统通过医生智能体与患者智能体间的多轮互动，动态优化提问策略，实现主动信息收集。实验表明，DoctorAgent-RL在诊断准确率和临床推理能力上均优于现有模型，展示了在辅助临床咨询中的实际应用价值。

华东理工大学团队提出I2CR框架，通过"文字优先、视觉辅助"的多轮反思机制解决多模态实体链接难题。该框架模仿人类认知过程，先用文字信息判断，再通过内部一致性检查和跨模态验证，必要时引入OCR、图像描述等视觉线索进行迭代优化。在三大数据集上准确率分别提升3.2%、5.1%、1.6%，达到业界最佳性能。

高性能计算机也被称作并行计算机，由很多台计算机同时并行计算，以解决一个复杂的问题。搭建高性能计算的演示环境之前，需要有一些考虑和准备。

互联网如何走过了从“高分贝的猫语”到“丝滑无声上网”？

NVIDIA等机构联合开发的PhyCritic系统首次让AI具备了物理学家般的评判能力。该系统采用创新的"自我参照"机制，在评判其他AI回答前先基于物理原理给出自己的答案作为参考标准。通过两阶段训练策略，PhyCritic不仅掌握了深度物理推理能力，还能准确评估涉及物理世界交互的AI回答质量，在多项评估中显著超越传统方法。

代尔夫特理工大学研究团队首次实现了完全分布式的多无人机协作搬运系统，通过多智能体强化学习让三台无人机在无需相互通信的情况下精确控制悬挂重物的6自由度姿态。该方法仅通过观察被搬运物体状态实现隐性协作，计算效率比传统集中式方法提升13倍，并展现出优异的容错能力。

数字经济的大潮，数字化转型业已成为企业创新进取的根本，推动着企业迎来业务发展的新机遇。而在数字化转型中，最重要的就是IT转型，也就是基础设施现代化。

马斯克接管以来，X公司内部、外部的混乱始终没有停过。

北京邮电大学等机构研究发现，AI系统在封闭环境中自我进化时会出现必然的安全退化现象。通过对Moltbook AI社区的观察和小规模实验验证，研究团队证明了AI系统无法同时实现持续进化、完全隔离和安全保障的"不可能三角"。他们提出了四种解决方案来缓解这一问题，为构建安全可控的AI系统提供了重要指导。

除了HPE之外，还有谁愿意帮劳伦斯伯克利国家实验室打造下一代NERSC-10超级计算机，还有橡树岭国家实验室的未来OLCF-6超算系统？好的，微软举手了，还有亚马逊云科技。收到，还有没有其他感兴趣的？

尽管分析师警告AI投资回报预期过高，但多家企业已从AI中获得实际价值。AMD、联想、Upwave和Trimble等公司的成功经验表明，有效的AI战略需要四个关键要素：优先选择实用的高影响用例，建设鼓励AI应用的企业文化，创新性地衡量投资回报率，以及在立足当前的同时进行长远规划。这些企业通过将AI工具集成到现有工作流程中，实现了显著的效率提升和成本节约。

「“转码”正在成为不那么好找工作的——文史哲、土木、建筑、“四大天坑”生化环材（生化、化学、环境、材料）等专业毕业生们的主动选择。今日推荐后浪研究所（id：youth36kr）一篇文章，程序员依然是高性价比的工作选择。」

IBM研究院推出革命性AI诊断工具CLEAR，能够自动分析AI系统错误并生成详细报告。该工具采用"AI评判AI"的创新方法，将复杂的错误分析过程自动化，帮助开发者快速发现问题模式。用户研究显示75%的开发者认为该工具比传统手工分析更高效，已开源供全球开发者使用。

这项研究介绍了MIKU-PAL，一种突破性的自动化多模态情感语音标注系统，能以低成本、高一致性(Fleiss κ达0.93)自动标注语音情感。研究团队基于心理学理论扩展了情感分类系统至26种类别，并发布了131.2小时的MIKU-EmoBench数据集。系统在MELD上达到68.5%的人类水平准确率，为情感语音合成领域解决了长期存在的数据瓶颈问题，推动语音合成技术迈向更自然、丰富的情感表达。

各行各业的企业组织正在挖掘行业云的价值，行业云可以满足他们的基本需求，从而让他们能够以自己的方式进行创新。

这项研究提出了强化蒸馏（REDI）框架，创新性地利用大型语言模型生成的正确和错误推理过程进行训练。传统方法仅使用正确样本，浪费了包含宝贵信息的错误样本。REDI采用两阶段方法：先用正确样本建立基础，再通过非对称加权的目标函数利用错误样本进一步优化。实验表明，仅用131k个公开数据样本训练的Qwen-REDI-1.5B模型在MATH-500等基准上达到83.1%准确率，与使用800k专有数据训练的同类模型相当或更优，为小型模型离线学习复杂推理能力提供了高效途径。

随着2025年的到来，CIO们面临的IT格局与一年前大不相同。AI曾经被视为一种新鲜的创新，现在已经成为主流，影响着企业的方方面面。在接下来的12个月里，IT领导者将会看到有更多的创新，以及一些严峻的挑战。

新思科技软件安全构建成熟度模型（BSIMM）基于真实数据，旨在帮助企业规划、执行并评估其SSIs。BSIMM将软件安全划分为4个领域、12个实践、113个活动，以衡量软件的安全性。