2018年4月11日，新任中国人民银行行长易纲在2018年博鳌亚洲论坛上宣布了11项将在今年落地的金融开放措施。中国金融服务行业对外开放进入了执行阶段。

这项研究首次从神经元层面揭示了大型语言模型(LLM)评估中的"数据污染"机制。研究团队发现当模型在训练中接触过测试数据时，会形成特定的"捷径神经元"，使模型无需真正理解问题就能给出正确答案。他们提出了一种新方法，通过识别并抑制这些神经元（仅占模型总神经元的约1%），成功恢复了模型的真实能力表现。实验证明，该方法与权威可信基准测试结果高度一致（相关系数>0.95），并在不同基准和参数设置下都表现出色，为解决LLM评估可信度问题提供了低成本且有效的解决方案。

德国的百年老店不少，但至今仍然骄傲地以家族企业形象示人的不多，德国“工业巨鳄”博世集团便是其中之一。

近日，全球权威AI基准评测MLPerf公布最新榜单Inference（推理）V1.1，NVIDIA在使用x86及Arm CPU进行AI推理时取得了最佳成绩。这是NVIDIA连续第三次在MLCommons推理测试中创造性能和能效纪录。

随着生成式AI实现了日常任务的自动化，人们可以专注于那些需要明显人类品质例如解决问题、批判性思维和创造力的高价值活动上。

在光子之间交换基本属性的拟议实验，将对我们探索现实、理解现实的旅程产生深远的意义。

钢铁是如何炼成的？本期《数字中国.践行者》，带大家走进钢铁重镇——唐山，看看东华钢铁厂如何用数字化技术，炼出智慧钢铁。

这是由新加坡Sea AI Lab等机构联合完成的突破性研究，提出了FlowReasoner查询级元智能体系统。该系统能为每个用户查询定制专门的多智能体解决方案，突破了传统"一套方案解决一类问题"的局限。通过推理能力结合外部执行反馈的强化学习，在多个代码生成基准上综合准确率达81.89%，相比o1-mini提升10.52%，代表了AI系统从标准化向个性化发展的重要转折。

这项研究介绍了TokenAdapt，一种通过混合启发式初始化策略帮助大型语言模型实现分词器灵活性的创新框架。研究团队同时探索了学习多词"超级词元"技术，以增强压缩效率并减少标记碎片化。实验证明TokenAdapt显著优于现有方法，在零样本困惑度测试中表现突出，甚至比ReTok方法提高约2倍性能。该项工作为解决LLM分词器锁定问题提供了计算效率高且广泛适用的解决方案。

近年来，众多企业都已经看到了AI未来的前景，纷纷想踏入这片沃土，孕育新的商机。AI是新的且是"计算密集型"的领域，在应用开发前，首先要做的是要拥有一套高效运转的AI架构。

在第三波Arm服务器芯片研发浪潮中，超大规模厂商、云服务商（包括亚马逊云科技、微软、谷歌、阿里巴巴和腾讯）以及部分独立芯片设计商（主要有Ampere Computing、HiSilicon、英伟达和SiPearl）纷纷与Arm公司合作。

MBZUAI研究团队开发的GG技术突破了跨架构程序翻译难题，通过AI将x86程序准确翻译为ARM版本，准确率达99.39%。与苹果Rosetta 2相比，性能快73%、省电47%、内存占用少141%。该技术采用大型语言模型结合严格测试验证，为硬件架构迁移提供了高效解决方案，将推动ARM处理器在数据中心的快速普及。

中网信通的智慧农业解决方案里，智慧农业，并不局限于农业及农产品。还要包括深加工、品牌包装、电商新零售，构成产品的完整产业链，优化农业园区的产业结构，纳入生态旅游、科普教育、健康养生等功能选项，改变农业单一的经营模式，打造农业田园综合体。

AI驱动的人形机器人产业继续竞速。

AI驱动的人形机器人产业继续竞速。

Facebook使用Instagram上数十亿公开的照片来训练人工智能（AI）对图像自行分类的算法，这些照片包含Instagram用户提供的17000个井号标签。

剑桥大学和伦敦大学学院的研究团队提出了一种名为"视觉规划"的全新范式，让人工智能系统能够完全通过图像序列而非文本进行推理。与传统依赖语言的方法不同，这种方法模仿人类在解决空间问题时直接在"心眼"中想象解决方案的能力。研究团队开发的基于强化学习的视觉规划框架(VPRL)在导航任务上比基于文本的方法平均提高了40%的准确率，证明了非语言推理在特定任务中的优越性，为AI系统开辟了一条更接近人类直觉思维的新路径。

为响应“数字中国”战略及“数字化转型伙伴行动”方案，成都市成华区人民政府和数字产业创新研究中心将于2021年12月16日-18日共同主办2021中国数字化年会。

Meta发布了Llama 4系列大型语言模型，包括适合单GPU运行的Scout和媲美GPT-4o的Maverick，均拥有170亿参数。更强大的Behemoth模型仍在开发中，将拥有2880亿活跃参数。这些模型采用专家混合系统技术，在性能、效率和安全性方面均有显著提升，体现了Meta推动开源AI成为行业领先力量的战略。

但这并不意味着你更换掉的硬件就毫无价值了，应该扔掉了。相反，有多种方法可以利用这些硬件，延长过时数据中心硬件的使用寿命也有充分的理由，包括但不限于提高数据中心运营的可持续性。