NVIDIA等机构联合开发的PhyCritic系统首次让AI具备了物理学家般的评判能力。该系统采用创新的"自我参照"机制，在评判其他AI回答前先基于物理原理给出自己的答案作为参考标准。通过两阶段训练策略，PhyCritic不仅掌握了深度物理推理能力，还能准确评估涉及物理世界交互的AI回答质量，在多项评估中显著超越传统方法。

代尔夫特理工大学研究团队首次实现了完全分布式的多无人机协作搬运系统，通过多智能体强化学习让三台无人机在无需相互通信的情况下精确控制悬挂重物的6自由度姿态。该方法仅通过观察被搬运物体状态实现隐性协作，计算效率比传统集中式方法提升13倍，并展现出优异的容错能力。

数字经济的大潮，数字化转型业已成为企业创新进取的根本，推动着企业迎来业务发展的新机遇。而在数字化转型中，最重要的就是IT转型，也就是基础设施现代化。

马斯克接管以来，X公司内部、外部的混乱始终没有停过。

北京邮电大学等机构研究发现，AI系统在封闭环境中自我进化时会出现必然的安全退化现象。通过对Moltbook AI社区的观察和小规模实验验证，研究团队证明了AI系统无法同时实现持续进化、完全隔离和安全保障的"不可能三角"。他们提出了四种解决方案来缓解这一问题，为构建安全可控的AI系统提供了重要指导。

除了HPE之外，还有谁愿意帮劳伦斯伯克利国家实验室打造下一代NERSC-10超级计算机，还有橡树岭国家实验室的未来OLCF-6超算系统？好的，微软举手了，还有亚马逊云科技。收到，还有没有其他感兴趣的？

尽管分析师警告AI投资回报预期过高，但多家企业已从AI中获得实际价值。AMD、联想、Upwave和Trimble等公司的成功经验表明，有效的AI战略需要四个关键要素：优先选择实用的高影响用例，建设鼓励AI应用的企业文化，创新性地衡量投资回报率，以及在立足当前的同时进行长远规划。这些企业通过将AI工具集成到现有工作流程中，实现了显著的效率提升和成本节约。

「“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。」

这项研究介绍了MIKU-PAL，一种突破性的自动化多模态情感语音标注系统，能以低成本、高一致性(Fleiss κ达0.93)自动标注语音情感。研究团队基于心理学理论扩展了情感分类系统至26种类别，并发布了131.2小时的MIKU-EmoBench数据集。系统在MELD上达到68.5%的人类水平准确率，为情感语音合成领域解决了长期存在的数据瓶颈问题，推动语音合成技术迈向更自然、丰富的情感表达。

各行各业的企业组织正在挖掘行业云的价值，行业云可以满足他们的基本需求，从而让他们能够以自己的方式进行创新。

这项研究提出了强化蒸馏（REDI）框架，创新性地利用大型语言模型生成的正确和错误推理过程进行训练。传统方法仅使用正确样本，浪费了包含宝贵信息的错误样本。REDI采用两阶段方法：先用正确样本建立基础，再通过非对称加权的目标函数利用错误样本进一步优化。实验表明，仅用131k个公开数据样本训练的Qwen-REDI-1.5B模型在MATH-500等基准上达到83.1%准确率，与使用800k专有数据训练的同类模型相当或更优，为小型模型离线学习复杂推理能力提供了高效途径。

随着2025年的到来，CIO们面临的IT格局与一年前大不相同。AI曾经被视为一种新鲜的创新，现在已经成为主流，影响着企业的方方面面。在接下来的12个月里，IT领导者将会看到有更多的创新，以及一些严峻的挑战。

新思科技软件安全构建成熟度模型（BSIMM）基于真实数据，旨在帮助企业规划、执行并评估其SSIs。BSIMM将软件安全划分为4个领域、12个实践、113个活动，以衡量软件的安全性。

深入探讨超级高铁技术的利与弊。

虽然“云混搭”的方式可以很好满足企业对于各类业务的不同负载需要，兼顾成本和性能需求，但是要让这个复杂架构变成一个“有机整体”，“搭配和混合”的技巧就会很重要。

虽然“云混搭”的方式可以很好满足企业对于各类业务的不同负载需要，兼顾成本和性能需求，但是要让这个复杂架构变成一个“有机整体”，“搭配和混合”的技巧就会很重要。

复旦大学联合牛津大学等机构发布MOSEv2数据集，这是目前最具挑战性的视频目标分割基准。数据集包含5024个复杂场景视频，涵盖恶劣天气、密集人群、目标消失重现等真实世界挑战。测试结果显示，包括SAM2在内的先进AI模型性能大幅下降，从理想数据集的90%+准确率降至50%左右，揭示了AI技术与实际应用需求的巨大差距。

由于具备了这些“天时地利人和”的条件，近几年来，开源开始“出圈”，从开发者世界大步走进了各行各业的诸多业务场景。

上海AI实验室团队通过分析100多个多模态大语言模型在20多个基准上的表现，系统揭示了AI评测领域的三大冗余问题：基准内部维度重复、测试实例数量冗余、跨基准领域重叠。研究发现至少50%的测试题目是多余的，且模型能力越弱冗余度越高，为构建更高效的AI评测体系提供了科学依据和设计原则。

作为英特尔的招牌，至强是王牌，一直引领数据中心市场。目前至强已经迭代到第四代，相比前几代产品，全新的至强处理器系列产品又带来哪些新期待呢？