北京大学与华为诺亚方舟实验室研究团队共同开发了TIME基准，这是首个专为评估大语言模型在真实世界场景中的时间推理能力而设计的多层级基准。该研究提出了三个层级的时间推理框架，包含11个细粒度任务，并构建了涵盖38,522个问答对的数据集，针对知识密集型信息、快速变化的事件动态和社交互动中的复杂时间依赖性三大现实挑战。实验结果表明，即使是先进模型在构建时间线和理解复杂时间关系方面仍面临显著挑战，而测试时扩展技术可明显提升时间逻辑推理能力。

科大讯飞为人形机器人行业带来一波巨浪。

科大讯飞为人形机器人行业带来一波巨浪。

微软Dynamics 365的更新将转向和Windows 10和Office 365相同的每年两次功能更新模式。

华南理工大学研究团队构建了迄今最大的中文字符识别数据集MegaHan97K，包含97,455个汉字类别和超过460万个样本，是此前最大数据集的六倍。该数据集首次完全支持最新的GB18030-2022中文标准，通过手写、历史文献和合成三个子集有效解决了长尾分布问题。实验表明，使用该数据集训练的模型性能显著提升，为古籍数字化保护和现代中文处理应用提供了强大技术支撑。

亚马逊云科技助力世界领先的快消品公司联合利华中国，建立起以数据、技术和洞察为核心的智能化运营云平台，进行数字化转型和创新。

清华大学研究团队提出RLVR-World框架，通过可验证奖励的强化学习直接优化世界模型的预测质量，而非传统的最大似然估计。这一方法在文本游戏状态预测和网页导航中显著提升了准确率，在机器人视频预测中改善了视觉质量并减少重复问题。RLVR微调仅需几百个梯度步骤即可取得显著成效，远比传统训练高效。研究证明该框架可作为生成模型的通用后训练范式，为自动驾驶、机器人控制等应用提供更准确的环境预测能力。

随着 OpenAI 推出多模态 AI 模型 GPT-4o，能够无缝处理文本、图像和音频，人工智能再次取得重大突破。这项技术提高了生成高度逼真数字内容的能力，同时也要求我们重新评估传统上依赖视觉和听觉证据作为可靠性指标的做法。文章探讨了 AI 技术的进步对信息真实性的挑战，以及如何在 AI 时代保持警惕和批判性思维。

在英特尔科技抗疫计划（PRTI）支持下，医疗软件解决方案供应商ConsenSys Health正在利用英特尔技术，推动基于区块链的数据安全，研究如何提高临床试验招募的效率和公平性，应用创新技术，帮助保护患者隐私，同时提高效率，以抗击新型冠状病毒。

Check Point 的完整端点安全解决方案 Check Point Harmony Endpoint 可提供最全面的威胁检测和可视性

去年年底，IBM方面宣布与美国银行建立合作伙伴关系，共同开发用于金融服务行业的公有云（美国银行将成为首家客户）解决方案。

Testin云测提供云测试服务，是云服务产业的重要一环，将测试服务以云服务的模式提供给互联网公司和数字化转型的传统企业客户以及政府和事业单位等，帮助他们提高生产效率，降低成本。云测试对企业减负赋能，将起到不可忽视的推动意义。

Menlo Research推出革命性AI模型Jan-nano，仅用4B参数就在SimpleQA测试中达到83.2%准确率，超越了6710亿参数的DeepSeek模型。该模型采用创新的"搜索优先"策略，通过多阶段RLVR训练系统，让AI学会高效使用工具而非死记硬背知识。研究发现大模型存在"过度思考"问题，反而影响性能。Jan-nano证明了在AI发展中，聪明的策略比单纯的规模扩张更重要，为资源受限的AI应用开发提供了新思路。

8月24日，浪潮信息正式发布大模型智算软件栈OGAI。

HPE GreenLake云服务强大而丰富的功能可以满足不同行业和企业的多元需求。近期，它又承载着由AI和机器学习驱动的解决方案，进入了一个相当“刺激”的领域——助力银行开展反洗钱调查。

最佳高端x86服务器

想象一下这个场景：一位刚从国外旅行回来的人出现了轻微发热和腹痛症状，担心可能感染了某种传染病。深夜时分，医院和诊所都已关门，这位患者拿起手机，向ChatGPT询问："根据英国卫生部门的建议，我应该怎么办？"

著名的教育家约翰·杜威这样定义思维：“以一种观察到的事物为依据，去推测或判断出其他的事物，然后将作为依据的事物当做后者推测数的事物的机遇或者基础，从而产生信念。”

IBM今天首次推出了号称业界首个专注于量子计算的开发者认证计划——IBM Quantum Developer Certification，此举代表了量子计算这项新兴技术实现了一个重要里程碑。

浙江大学研究团队开发的"自制动力训练"（Self-Braking Tuning，SBT）方法解决了大型语言模型在推理过程中的过度思考问题。该方法不依赖外部干预，而是培养模型自主识别冗余推理并适时终止的能力。研究者通过分析推理效率比率和过度思考标记比率，构建了两种数据策略：SBT-E（精确版）和SBT-D（动态版）。实验结果表明，经过训练的模型在多个数学基准测试上保持原有准确率的同时，将标记消耗减少了30%到60%，显著提高了推理效率。这项创新使AI系统能更像人类一样有效思考，为资源受限环境下的AI部署提供了新解决方案。