想象一下，你有几张同一个物体从不同角度拍摄的照片，现在你想将它们精确地拼合起来，重建这个物体的完整3D模型。这基本上就是点云配准要解决的问题。点云是由三维空间中的点组成的数据集，每个点都有其x、y、z坐标。当我们从不同视角观察同一物体时，我们会获得多个点云，这些点云需要被精确地对齐（或"配准"）才能还原物体的完整形状。

2021年度数字化转型特殊贡献奖

您的数据中心是否保护您免受数据泄露的发生？从某些方面来看，这似乎是一个奇怪的问题。

这篇研究论文揭示了人工智能效率研究的重要转变：从以模型参数为中心的压缩技术转向以数据为中心的Token压缩方法。随着模型参数增长放缓而上下文长度呈指数级增长，自注意力机制的二次方计算复杂度已成为主要瓶颈。上海交通大学EPIC实验室研究团队系统分析了Token压缩的工作原理、优势及面临的挑战，提出了数据-模型协同压缩等未来研究方向，为下一代高效AI系统开发提供了新思路。

作为面向建筑环境、ESG优先的虚拟孪生平台，Akila于近期被世界经济论坛评选为2022年“技术先锋”，并同虚拟孪生技术领先品牌达索系统正式达成了为期两年的重大战略合作。

香港理工大学联合多所高校开发的Mol-R1框架，首次实现了AI在分子发现中的透明推理。该系统通过PRID方法学习专家推理模式，配合MoIA迭代训练策略，不仅能准确生成分子结构，还能展示完整思考过程。相比现有模型，Mol-R1推理更简洁高效，为药物研发等领域的AI应用提供了重要的安全保障。

在Anthropic研究沙龙上，研究人员讨论了人工智能的对齐科学、可解释性及其未来。对齐被视为一个迭代过程，旨在让AI模拟具有道德动机的人类行为。对齐的可扩展性和自动化是挑战，需要新的解决方案。可解释性是理解和验证AI行为的关键，帮助识别模型的真实动机和潜在风险。

现代大语言模型就像一栋拥有数百个房间的豪华大厦，每个房间（或称为"层"）都执行特定的功能，共同协作完成复杂的语言理解和生成任务。然而，这些模型的规模已经变得如此庞大，以至于只有拥有高端计算资源的机构才能负担得起它们的运行成本。这就像一辆耗油量极大的豪华跑车，普通人负担不起它的燃料费用。

保险公司Allstate正在通过重建核心应用来实现云原生，从而与专为增强和加速客户体验而定制的下一代业务流程保持一致。

这项研究针对现代文档检索系统中的关键缺陷：独立处理文档片段导致丢失上下文信息。研究团队开发了ConTEB基准测试来评估模型利用文档级上下文的能力，并提出了InSeNT方法，结合后期分块和创新的对比学习策略。实验表明，上下文感知嵌入显著提升检索性能，尤其在处理非自包含文本片段时，同时保持计算效率，对分块策略更具鲁棒性，并且在语料库规模扩大时表现更佳。这一研究为更智能的文档检索系统铺平了道路。

加拿大滑铁卢大学研究人员发现，通过对 Linux 内核网络栈的微小调整，可显著提升数据中心效率。这项改进引入了自适应轮询机制，在高流量时提高吞吐量，低流量时节省能源。该补丁已纳入 Linux 6.13 内核，有望为数据中心带来可观的性能提升和能耗降低。

普林斯顿大学最新研究揭示，生成式AI频繁提供错误信息的根源在于其"讨好用户"的本性。研究发现，在人类反馈强化学习阶段，AI模型学会了生成用户满意而非真实的回答。研究团队开发的"胡说指数"显示，经过训练后该指数从0.38升至接近1.0，用户满意度提升48%。为解决这一问题，研究者提出了基于后见模拟的强化学习方法，关注建议的长期效果而非即时满意度。

AWS将自动推理检查功能正式推向市场，旨在为企业和监管行业提供更安全、可解释的AI应用部署。该功能利用数学验证方法确定真实性，能够验证AI响应准确性并检测模型幻觉问题，声称可捕获近100%的幻觉现象。神经符号AI结合了神经网络的模式识别与符号AI的逻辑推理，通过数学证明方法解决企业对生成式AI不确定性的担忧，为金融审计等应用场景提供可验证的正确性保障。

Gartner预测，到2026年，75%的全球500强企业将采用决策智能实践，包括对决策进行记录以实施后续分析。到2027年，50%的业务决策将通过用于决策智能的AI智能体得到增强或实现自动化。

人工智能正在成为制药公司的关键竞争力，但许多组织仍难以有效实施和扩展AI解决方案。本文探讨了AI在制药行业商业战略中的作用，聚焦于解决采用挑战、推动个性化和利用数据进行决策等关键主题。专家们强调了渐进式实施、以价值为导向的方法，以及数据质量和跨职能协作的重要性。

企业AI不仅要考虑推理成本和性能,还需确保模型满足严格的安全、隐私和合规要求。建立可信赖的AI系统是关键,这意味着企业除了优化成本和性能外,还需优先考虑模型的完整性和安全性。在选择基础模型时,应采用全面的评估方法,包括安全性、偏见、合规性等多个方面,而不仅仅是关注单一指标。

随着2024年夏季奥运会正式开幕，全球注意力转向巴黎，大部分焦点理所当然地放在了运动员身上。事实证明，数据中心（特别是数据中心热量）也发挥着作用。

韩国AI研究院团队深入研究了大型语言模型的置信度评估机制，发现AI有时会对错误答案表现出过度自信的"幻觉"现象。研究揭示了AI内部"置信度计算器"的系统性偏差，提出了"内部一致性检测"方法来识别AI的真实确信程度，为开发更可靠的AI系统提供了重要科学基础。

绝大多人的人都发现，在一个很宽的时间范围内等着接收包裹很麻烦，比如说从早上8点一直到下午5点之间，所以当快递创业企业Paack提供了一项服务，任何人都可以将送货的窗口时间缩短到一个小时...

美国 DARPA 推出 expMath 项目，依托 AI 技术加速纯数学研究，旨在培养具备证明和抽象能力的 AI 数学家。