Google 推出的 Gemini Live 不仅能进行对话,还能通过摄像头识别物体。这项功能可以帮助用户在日常生活中获取更多信息,如识别艺术品、导航等。它比简单的图像识别更强大,能与用户进行自然对话。目前该功能已开始在部分手机上推出,有望改变我们与周围世界互动的方式。

这项研究由哈佛大学团队开发的创新框架，解决了多机构数据共享的核心难题。他们巧妙结合联邦学习、局部差分隐私和公平性约束，使不同机构能在保护数据隐私的同时协作开发更准确、更公平的决策模型。实验证明，该方法在多个真实数据集上既保障了隐私，又显著提升了模型公平性，为医疗、金融和政府等领域的数据协作提供了实用解决方案。

面对发展初期RISC-V生态薄弱的难点，赛昉科技同样有自己的独到见解。“垂直整合”的落地模式是赛昉科技的破局之策，从处理器内核到处理器芯片，到开发板和生态，再到最终的系统和产品，赛昉科技一路同行。

企业云计算领导者Nutanix近日宣布，公司将正式发布全新渠道体系，旨在全方位赋能合作伙伴（Power to the Partner）。相比于传统的渠道政策，新体系更加重视合作伙伴对Nutanix的投入和支持……

卡内基梅隆大学研究团队开发了名为Multiverse的创新AI架构，让大语言模型首次具备了类似人类大脑的"多线程思考"能力。通过巧妙的MapReduce设计，该系统能够将复杂问题分解为并行处理的子任务，然后无损整合结果。在仅用1000个样本、3小时训练后，Multiverse-32B在数学竞赛中较基础模型提升23.6%，实现最高2倍计算加速，为AI推理效率的提升开辟了全新道路。

利用自动化机器人协助合规工作，从而使企业能够增加收入并节省宝贵的人工时间，让员工腾出时间来执行那些更高级别的任务。

“不管是唱歌作曲，还是写诗画画，其实我们的目的是想让小冰更像人类，这种在艺术、文学等方面的自主性，常常会让我们在某个瞬间产生一种错觉——她好像真的有自我意识。”

这项由加州大学伯克利分校研究团队开发的REOrder框架，通过重新排列图像块的处理顺序，显著提升了视觉模型性能。研究发现，传统的行主序排列并非最优选择，而通过信息论先验和强化学习寻找最佳排序，可在不修改模型架构的情况下，使ImageNet-1K分类准确率提升3.01%，卫星图像分类提升13.35%。这一发现挑战了传统认知，为视觉模型优化提供了一个全新且易于实施的方向。

在9月13日召开的“PEC 2025 AI创新者大会暨第二届提示工程峰会”上，一场主题为“新创意时代，AI如何定义‘第十艺术’？”的圆桌对话引发了热烈讨论。至顶AI实验室联合主理人路飞携六位数字艺术家与AI创业者，围绕AI在艺术中的角色、价值与未来展开了一场深度对谈。

笔记本电脑早已成为当年用户生活中不可缺少的办公娱乐工具,想要高效办公,轻松娱乐,不妨重点关注华硕全新推出的无畏系列2023新品

IEEE高级会员林道庄预计，未来几年生成式AI模型将能够更容易地从简短的文字片段中提供图像和视频，文本到图像、文本到视频和语音合成技术将得到改进，模型将在多样化输入中实现更好的上下文理解。

Astribot S1能像人一样去理解和决策、与人流畅交互，更能通过与真实世界交互持续学习进化。

快手科技和清华大学联合提出了Archer训练方法，通过识别语言中的知识型和推理型词语，对不同类型内容采用差异化约束策略。该方法让1.5B参数的小模型在数学推理和编程任务上达到了与大模型相当的性能，在AIME数学竞赛中准确率提升18%，训练效率比传统方法高8倍以上，为AI训练提供了全新的"小而精"发展路径。

英伟达推出基于3nm工艺的GB10超级芯片，搭载于DGX Spark工作站中。该芯片采用联发科设计的CPU和英伟达GPU通过NVLink互连，提供600GB/s双向带宽。配备128GB LPDDR5x内存，功耗仅140瓦，可支持700亿参数模型微调和2000亿参数模型推理。通过ConnectX-7网卡可实现多设备协作，为开发者提供从原型设计到生产部署的完整AI开发平台。

虽然分布式存储的SDS理念很好，横向扩展能力不错，自动添加和删除节点都是优势，但与传统集中式存储（磁盘阵列）相比，其稳定性和性能仍然存在明显的短板。

Roblox公司开发出REINA技术，实现语音边听边翻译的突破。该技术基于信息论原理，通过智能判断何时获得足够信息来决定翻译时机，避免传统方法需要等待完整句子的延迟问题。在13万小时开源数据训练下，REINA在多语言实时翻译任务中相比现有方法提升21%，为跨语言实时交流带来新突破。

在GTC 2022大会上，NVIDIA宣布推出NVIDIA Jetson AGX Orin开发者套件。这款性能强大、尺寸紧凑、且节能的 AI 超级计算机适用于先进的机器人、自主机器以及新一代嵌入式和边缘计算。

Together AI 和 Agentica 联合发布了 DeepCoder-14B，这是一款新型编码模型，其性能可与领先的专有模型相媲美。该模型基于 DeepSeek-R1 构建，为实际应用提供了更灵活的高性能代码生成和推理能力。值得注意的是，团队完全开源了模型、训练数据、代码、日志和系统优化，这将有助于研究人员改进工作并加速进展。

随着生成式人工智能的飞速发展，行业应用出现井喷式增长。

清华大学研究团队开发出TTRL技术，让AI无需标准答案即可自我学习。通过"多数投票"机制，AI分析自己的多个解答找出最佳答案并以此改进。在数学竞赛中表现卓越，AIME 2024正确率提升159%。这种"无师自通"能力标志着AI向真正自主智能迈进的重要突破。