电商订单、支付、物流等核心链路，都是以数据库为基础。一旦数据库成为瓶颈、或任何细微的疏忽，整个618大促将会变成一个大型“灾难现场”。

随着生成式AI被嵌入到越来越多的设备中，赋予它自主决策权就将取决于实时数据，以及避免过高的云成本，这就是边缘计算的用武之地。

这项由香港科技大学领导的研究首次建立了大语言模型安全守护栏的系统性评估框架。研究团队对13种主流守护栏进行了全面测试，提出了六维分类体系和SEU三维评估标准，揭示了不同守护栏在安全性、效率和实用性方面的权衡关系，为AI安全防护技术的选择和部署提供了科学指导。

深入探讨超级高铁技术的利与弊。

坦率的讲，要是两年前，我肯定得自己去徒手建模了。但是如今，让我自己再去建模那肯定不可能，C4D和Blender我打开都不想打开，作为一个AI博主，要是再回去手工建模，那简直就是就回到原始人了。

Poolside联合创始人兼CEO Jason Warner在HumanX AI会议上表示，大多数公司应专注于构建AI应用，而非基础模型。他认为智能是与电力同等重要的商品，只有真正理解这一点的公司才应考虑构建基础模型。Warner强调，基础模型应该是产品的一部分，而非全部，特别是在竞争日益激烈的市场环境中。

KERL是一个创新的食谱推荐系统，由伦斯勒理工学院研究者开发，将食品知识图谱与大语言模型相结合，提供个性化推荐并生成食谱步骤和营养信息。系统包含三个模块：KERL-Recom（负责推荐菜品）、KERL-Recipe（生成烹饪步骤）和KERL-Nutri（提供营养分析）。研究团队创建了全新基准数据集评估系统性能，实验表明KERL在所有任务上均显著优于现有方法，为用户提供了考虑个人喜好、饮食限制和健康指南的完整食谱推荐解决方案。

加州大学伯克利分校研究团队首次系统分析多智能体AI系统失败原因，发现即使先进的AI团队成功率也仅30%左右。通过分析200多个案例，他们识别出14种失败模式，归类为规格说明、智能体协调和任务验证三大问题，并开发了MAST诊断工具。研究揭示失败根源在于系统设计缺陷而非AI能力不足，为改进AI团队协作提供了重要指导。

5月17日，京东金融副总裁、首席数据科学家、城市计算事业部总经理郑宇在2018世界智能大会上阐述京东金融的智慧城市理念和愿景

有媒体报道称，华为日前内部发文，宣布原则上停止社招，华为对此回应称该报道为不实报道。并将持续开放，面向全球吸收优秀人才，在公司新愿景下推进业务不断发展。

CIO应该应关注这五个风险，在这些风险成为影响深远的问题之前寻求补救措施。

华中科技大学与利哈伊大学研究团队开发的MMMR基准是首个专门评估多模态大语言模型推理思考过程的综合工具。通过1,083个跨六大领域的高难度推理任务和创新的推理过程评估管道，研究发现即使最先进的模型在推理任务上也与人类存在约10%的差距。研究揭示了答案准确性与推理质量间的脱节：模型常出现思考不一致(41.5%)、过度思考(20.5%)等问题。这一基准不仅评估答案正确性，更深入分析思考质量，为提升AI系统的可靠性和透明度提供了重要方向。

IBM将发展重点定为AI加混合云，同时关注量子计算。

华中科技大学研究团队开发的LaTCoder通过"分而治之"策略解决AI网页代码生成中的布局保持难题。该方法将复杂网页设计分割为小块，逐块生成代码后智能拼接，在多个评估指标上显著优于现有方法。团队还构建了更具挑战性的CC-HARD数据集，为行业提供了新的测试标准。这项技术有望大幅降低网页开发门槛，推动设计到代码的自动化转换。

OPPO研究团队通过系统性实验发现当前AI智能体研究缺乏统一标准，开发出模块化的OAgents框架，在GAIA基准测试中达到73.93%的领先成绩。该研究建立了严格的评估协议，将智能体能力分为事实获取和逻辑推理两个维度，为行业提供了标准化的工具和方法，推动AI智能体研究走向科学化和规范化。

威斯康星大学麦迪逊分校研究团队开发的DeepEDM框架，巧妙结合动态系统理论与深度学习，让AI像侦探破案般洞察时间序列背后的内在规律。该方法在多项预测任务中表现卓越，特别在处理噪声数据和复杂动态系统方面优势明显，为时间序列预测领域带来理论与实践的双重突破。

IBM高级副总裁Rob Thomas 于IBM Think Digital 大会上的主题演讲全文。

上一季度，超大规模数据中心运营商在新基础设施上支出了260亿美元，比2017年第三季度增长53％。

「“转码”正在成为不那么好找工作的——文史哲、土木、建筑、“四大天坑”生化环材（生化、化学、环境、材料）等专业毕业生们的主动选择。今日推荐后浪研究所（id：youth36kr）一篇文章，程序员依然是高性价比的工作选择。」

未来我们憧憬一个怎样的世界？万物智能应该是必不可少的条件之一。