斯坦福最新ICLR论文提出ACE框架：不改模型参数，只让上下文越用越聪明。通过x26quot;生成—反思—整理x26quot;三角色协作，积累可读的领域经验剧本，用开源小模型追平GPT-4.1生产级智能体。

宾汉姆顿大学研究团队评估了八个开源大语言模型检测反犹言论的能力，使用国际大屠杀纪念联盟定义作为标准。研究开发了"引导式思维链"新方法，显著提升了所有模型的检测性能。Llama 3.1 70B表现最佳，甚至超越了专门训练的GPT-3.5。研究还分析了AI模型的常见错误类型和解释差异，为AI在敏感内容审核领域的应用提供了重要参考。

希捷科技最新发布的《数据新视界》报告认为，在通过数据运营来提升数据管理方面，制造业落后于其他行业（数据运营是将数据创建者与数据使用者联系起来的一种方法）。在这个领域，制造业需要迎头赶上。

早在多年前，用友就已在思考未来软件架构的演进方向。那时强调的是从单体架构向微服务转型，也就是云原生的发展路径。然而，随着大模型的崛起，下一代软件架构正逐步迈向AI原生，软件与云的交互数据流将以大模型为中枢。

通过云计算武装企业后，如何继续武装家庭，就成了一个时代的命题。

文章探讨了驱动存储技术发展的三大因素:数据量增长、成本压力和访问速度需求。从存储介质到数据访问方式,18项重要技术创新正在改变存储格局,包括大容量SSD、3D NAND、CXL内存池、HAMR硬盘、激光存储、GPU直接访问、分布式架构等。这些创新旨在提供更大容量、更快速度和更低成本的存储解决方案。

2022年，低代码平台将会有哪些重要变化？请看中国软件行业协会、海比研究院联合国内低代码平台的领导品牌——葡萄城共同研究发布的“低代码领域十大趋势”。

Kimi团队发布的K1.5模型通过强化学习实现突破，让AI学会长链条思考和多模态推理。在数学、编程等测试中表现卓越，AIME得分77.5，MATH-500达96.2分，与OpenAI o1相当。创新的"长转短"技术让AI既能深度推理又能简洁回答，为AI智能化发展提供新思路。

新思科技软件质量与安全部门高级安全架构师杨国梁告诉记者，BSIMM是一个对于不同的公司数据真实情况的评估结果，所以它并不是一个指导性地告诉你应该怎么做，而是反映一个真实世界，大家怎么开展安全的活动，以及整个安全活动如何开展的一个趋势模型。

人工智能在艺术创作中的应用引发争议。许多艺术家反对 AI 图像生成器，但也有人尝试创新性地利用 AI 进行艺术创作。本文探讨了艺术家如何通过"故意误用" AI 来进行创意工作，以及这种做法所面临的挑战和机遇。文章还讨论了 AI 艺术的版权问题，以及 AI 对艺术创作和欣赏的潜在影响。

上海人工智能实验室的研究团队通过大量实验发现，AI在数学、编程、逻辑推理三个领域的跨域学习中表现出复杂的相互影响：数学与逻辑推理能力相互促进，编程训练效果因模型类型而异，多领域组合训练虽然在单项上可能不如专门训练，但整体表现更均衡。同时，模板一致性、课程学习、奖励设计等因素对AI学习效果影响巨大，中文训练的AI推理能力普遍低于英文训练。

DevOps方法论以及促进这些方法论的协作工具，对于那些正在受到新冠病毒危推动迅速发展的数字化转型项目来说，是能否取得成功的关键。

这项研究提出了SWE-Flow框架，通过测试驱动开发方法自动生成AI编程训练数据。研究团队从真实GitHub项目中构建运行时依赖关系图，将复杂开发任务分解为循序渐进的步骤，生成了16061个训练实例。实验表明，使用该数据训练的AI模型在软件开发任务上表现显著提升，为AI编程能力提升提供了新思路。

但尽管微软、谷歌、Meta以及亚马逊等科技巨头先后投入数十亿美元来开发能够处理各种任务的大语言模型（LLM），但对于AI这颗堪称人类智慧皇冠上的明珠之一，一刀切的作法显然并不适合所有情况。换言之，适合那些科技巨头的大模型未必能够满足普通企业的需求。面对重重炒作疑云与各行业对于AI泡沫的普遍担忧，现在的高管团队比以往任何时候都更需要深入理解并把握这些技术的现实影响。

4月15日下午，深信服SASE战略升级发布会在线上成功举办，会上公布了全新的SASE安全架构模式——深信服SASE 3.0。

企业平均使用100-300个SaaS应用，导致流程分散、数据孤岛和成本激增。Nintex CEO认为，低代码开发、AI和自动化平台的融合正推动CIO从"购买"转向"构建"思维。企业可创建定制应用解决特定问题，整合技术栈。AI代理成为产品战略核心，能改善构建体验并实现流程互联。随着AI技术发展，采购决策权重新回归CIO，通过统一平台实现更好的治理模式。

2023年10月19日，以“教学相长 数智创新”为主题的2023英特尔智能边缘行业应用巡展·智慧教育站在天津举办。

LTXV-13B 速度比现有同类模型快达 30 倍，且能够运行在消费级 GPU 上。

LTXV-13B 速度比现有同类模型快达 30 倍，且能够运行在消费级 GPU 上。

剑桥大学研究团队创建了史上最难的AI视觉测试ZeroBench，包含100道精心设计的视觉推理题目。在这项测试中，包括GPT-4o、Claude、Gemini在内的20个全球最先进AI模型全部得了0分，暴露了当前AI在基础视觉理解上的严重缺陷。研究发现AI主要在计数、空间推理等基础任务上失败，而非逻辑推理能力不足。