归根结底，AI最大的价值实际在于降低管理成本。

这项研究由ISTA和谷歌研究院联合开发的"影响力蒸馏"方法，通过利用二阶信息为训练样本分配最优权重，实现了大语言模型训练数据的高效选择。该方法在数学上有坚实理论支持，并创新性地引入"地标"近似技术，仅需计算少量样本的精确影响力，再高效传播到其他样本，大幅降低计算成本。实验证明，该方法在多种模型和任务上均优于或匹配现有技术，同时实现了高达3.5倍的速度提升，为大模型训练开辟了更高效的路径。

写代码的人，被代码替代……

作为这家快餐连锁企业的IT负责人，Meister热衷于为客户、IT团队成员和2000多家门店员工提供出色体验。

在本期《对话数字中国——新数据时代 IBM存储焕新出发》节目中，至顶科技CEO兼总编辑高飞与IBM亚太区存储总经理叶明展开对话，共同探讨新数据时代IBM存储的新思考、新布局。

清华大学研究团队提出VERIF方法，通过结合代码验证和大语言模型验证解决AI指令遵循中的验证难题。该方法构建22000实例数据集VERINSTRUCT，将约束分为硬性和软性两类分别处理，在多个基准测试中显著提升模型性能，同时保持通用能力不下降，为强化学习训练提供可靠验证机制。

UniTEX是香港科技大学与Light Illusion团队联合开发的创新3D纹理生成框架，彻底突破了传统UV映射的限制。该技术引入了"纹理函数"概念，将纹理定义为3D空间中的连续函数，完全绕过了拓扑歧义问题。配合精心设计的大型纹理模型和高效的扩散Transformer微调策略，UniTEX能从单一参考图像生成高保真、完整的3D纹理，同时在艺术家创建和AI生成的复杂模型上都表现出色，为游戏、VR和数字内容创作领域带来革命性变化。

近年来，随着科技的发展，各行各业发展逐步精细化，医疗领域亦是如此，精准医疗的概念逐渐深入人心。

近日，在首届“SEMI SCC 碳中和与可持续发展高峰论坛”上，施耐德电气商业价值研究院联合德勤、国际半导体产业协会（SEMI）共同发布了《“绿”动“芯”篇章——电子行业低碳转型洞察》白皮书（以下简称白皮书）

虽然人工智能（AI）与机器学习（ML）计算一般都在数据中心内以规模化方式执行，但基于最新的处理设备，我们已经有可能将AI/ML能力嵌入于网络边缘位置的物联网设备中。

Nutanix董事长创始人兼首席执行官Dheeraj Pandey谈到，新冠疫情加速了数字化转型。把今后5-10年所谈的IT业务连续性，灾难恢复，突发工作量，上云等数字数字化转型技术和概念都浓缩到这半年里面。所有的改变对于Nutanix而言就是希望利用整合来控制混乱。

要利用AI显著加速药物的开发，科学家们还需要做大量的工作。

自中国电竞产业飞速发展以来，英特尔可以说是电竞二十余载发展下的一位见证者和推动者。如今电竞入亚运，英特尔与玩家共同见证电子竞技走上更大舞台，令许多用户感到欣慰。

在中国AIGC产业峰会的现场，20位大咖展开激辩。从软件应用、智能终端乃至具身智能等，AIGC正在全面席卷，「你好，新应用！」成为本届AIGC峰会主题。

AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞，开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容，成功率超过86%，完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险，对全球数十亿智能设备构成潜在威胁。

该研究揭示了语言模型蒸馏过程中的严重安全隐患：教师模型中微小的偏见会在传递到学生模型时被显著放大。Google DeepMind和东北大学的研究团队发现，仅需在教师模型训练数据中注入0.25%的偏见样本，就能使学生模型在未见过的任务上表现出高达33.4%的偏见响应率，是教师模型的6倍。更令人担忧的是，现有防御机制如困惑度过滤、偏见检测器和自动评估系统均无法有效识别这些精心设计的偏见样本，为AI系统安全带来新的挑战。

和当今的深度学习方法相比，我们大脑的效率高得不可思议。它们只有几磅重，大概只需要20瓦左右的能量消耗，这个能耗只能够给昏暗的灯泡供电。然而，它们代表了已知宇宙中最强大的智力形式。

下面就让我们来看看2018年值得关注的10家厂商，因为他们在开发下一代大数据和业务分析软件，打破着技术的壁垒，挑战已有的知名厂商。

智博会期间，高通公司（Qualcomm）中国区董事长孟樸出席以“数字化转型赋能制造业高质量发展”为主题的2021制造业数字化转型高峰论坛并发表演讲。

微软研究院联合清华大学提出"几何强制"方法，解决AI视频生成中的空间一致性问题。通过让专门的几何理解模型指导视频生成模型，实现了角度对齐和尺度对齐，使生成的视频在长时间序列和视角变化中保持几何一致性。实验显示该方法将视频质量评估指标FVD从364降低到243，显著提升了视频生成的真实感和连贯性。