这项来自南洋理工大学和商汤科技的开创性研究，首次系统性地为GUI自动化AI赋予了人类般的自我反思和错误纠正能力。通过创新的三阶段训练框架和自动化数据生成技术，成功让AI学会了识别错误、撤销操作和从失败中学习，在复杂任务上的成功率提升了138%。这一突破不仅推动了GUI自动化技术的发展，更为构建真正智能的AI系统提供了新的范式。

OpenAI 创新性地推出了其最先进、最前沿的模型 GPT-4o，这是标志着人工智能聊天机器人和大型语言模型领域实现重大飞跃的突破性举措。预示着人工智能能力的新时代 ，GPT-4o 拥有显着的性能增强，在速度和多功能性方面都超越了其前身 GPT-4。

上海AI实验室等机构联合开发的SongGen系统实现了AI音乐生成的重大突破，能够在单一阶段同时生成人声和伴奏，用户只需输入歌词和描述就能创作完整歌曲。该系统提供混合和双轨两种生成模式，支持语音克隆功能，在多项评估中超越传统多阶段方法。研究团队还构建了包含54万样本的开源数据集，并将完整代码和数据公开发布，为AI音乐创作的民主化奠定基础。

黄仁勋表示：“在将来的某一天，人们会意识到，智能手机革命只是物联网革命的第一步。在物联网革命中，万物皆是智能的。”他明确地表示NVIDIA将为企业网络边缘和虚拟无线接入网（vRANs）中的AI赋能，助力新一代5G无线服务。

近年来，开源作为一种平等、开放、协作、共享的创作模式，正在持续赋能全球数字化生态建设。

今天讲的出海故事，是微电机企业江苏雷利把马来西亚工厂推进到“合规能走、土地已定”，让海外产能从计划走到现场的过程。

5月15日，"与未来对话——百度大脑智能对话引擎及产品发布会"正式举行，会上首次曝光百度大脑智能对话生态，并推出全新的智能对话引擎，一场语音、语言与知识共舞的盛会拉开序幕。

Pravega为什么很重要？ 你看看人家阿强， 差点就把后半辈子规划想好了

Zebra Technologies从专业打印业务起步,现已扩展到打印、扫描、移动计算等领域,并逐步涉足机器视觉和人工智能等先进技术。公司致力于为企业提供实时洞察,帮助其优化零售、制造和仓储等场景的运营效率。Zebra CEO Bill Burns分享了公司的发展战略、未来愿景,以及新技术如何改变一线工作。

数据成为企业数字化转型成败的关键因素，可是数据安全是否也得到了企业的同等重视？在未来的数字化时代，企业将如何应对数据威胁的挑战？为此在第二十四期DWorks中对《数字化转型云安全问题》展开了调研。

网易有道研究团队开发了Confucius3-Math，这是一个专门针对中国K-12数学教育的14B参数AI模型。该模型在多项数学推理测试中表现出色，超越了许多规模更大的竞争对手，训练成本仅需2.6万美元，推理速度比DeepSeek-R1快15倍，能在消费级GPU上高效运行，旨在通过降低AI教育成本来促进教育公平。

浙江大学和新加坡国立大学联合开发的AutoSteer系统，为多模态大语言模型提供了创新的安全防护机制。该系统通过安全意识评分自动识别AI内部最佳监控点，结合智能毒性检测器和拒绝机制，实现了既强大又安全的AI防护。实验显示，AutoSteer在显著降低攻击成功率的同时，完全保持了AI系统的正常功能，为AI安全领域提供了实用的解决方案。

“你知道未来云数据中心会怎么发展，那你就知道应该攻克什么样的技术，给你的用户提供什么样的解决方案。比特管理瓦特，比特也要强，瓦特也要强，双管齐下。”何波说。

人类很难相信自己无法理解的机器，并最终阻碍了我们从这一创新技术中切实受益。

从提高效率到增强公共安全，再到足以改变病患生活的诊疗工具，本文将带大家深入了解爱立信、Abpro和Hexagon等厂商如何运用AI之力改善现实、拯救生命。

“我们既不是集成也不是被集成，而是邀请合作伙伴一起造一艘‘船’，然后和企业一起驶向‘数字世界’。”浪潮云董事长兼CEO肖雪在日前的2020浪潮云生态合作伙伴大会上说。

突如其来的疫情，极大影响了人与人之间的正常交流。企业为了保持业务的正常运营，主动或是被动的开始通过互联网实现数字化转型。然而转型的路途并非一帆风顺，下面我们就从安全的角度来看一下，在后疫情时代，企业的业务安全又会面临哪些新的安全挑战。

惯性的力量不容小觑，新晋竞争者必须给出真正有吸引力的体验。

这项研究提出了CURE框架，通过强化学习让大语言模型同时学习编写代码和生成单元测试两种能力，无需使用标准代码作为监督。团队开发的ReasonFlux-Coder模型在仅用4.5K编程问题训练后，便在多个基准测试中超越了同类模型，代码生成准确率提高5.3%，最佳N选1准确率提高9.0%。该方法不仅提升了模型性能，还提高了推理效率，同时为降低API调用成本和无标签强化学习提供了新思路。

中科院软件所团队发布LiveMCPBench，这是全球首个大规模MCP工具使用评估框架。该研究构建了包含527个工具的测试环境和95个真实任务，评估AI在复杂工具环境中的表现。测试显示Claude-Sonnet-4达到78.95%成功率，而多数模型仅30%-50%，揭示了AI工具组合使用能力的巨大差距，为未来智能助手发展指明方向。