浙江大学研究团队发现AI写作中的"时间振荡"现象：AI在生成过程的中间步骤往往给出正确答案，但最终输出时却被错误答案覆盖。团队提出"时间自一致性投票"和"时间一致性强化"两种解决方案，通过利用中间过程信息显著提升AI性能，在多个数学推理任务上实现2-25%的准确率提升，为AI系统的可靠性改进提供了新思路。

首尔大学团队提出QWHA方法，通过沃尔什-阿达马变换和智能参数分配策略，有效解决了AI大模型压缩后性能下降的难题。该方法在保持模型精度的同时大幅提升计算效率，特别在极低精度量化场景下优势明显，训练速度比传统方法快3-5倍，为AI技术在移动设备和边缘计算中的普及应用开辟了新路径。

西门子正在同戴姆勒卡车公司合作，利用西门子Xcelerator软件和服务组合建立数字工程平台。

慕尼黑大学对话AI专家：我们该如何理解机器智能？

2020年度人工智能行业创新奖

德州大学和清华大学研究团队运用强化学习技术成功优化量子纠错码设计，将物理量子比特开销最高降低73倍，并首次实现距离高达35的实用化编码。该方法通过"权重约简"策略，在保持纠错能力的前提下显著简化测量操作复杂度，为近期量子设备的容错计算实现提供了可行方案，代表了AI驱动量子技术发展的重要突破。

谷歌DeepMind发布了名为Gemini Robotics On-Device的新语言模型，可在机器人上本地运行任务而无需互联网连接。该模型基于3月发布的Gemini Robotics模型构建，能够控制机器人动作，开发者可通过自然语言提示进行控制和调优。谷歌称其性能接近云端版本，在演示中展示了机器人执行拆袋和折衣等任务。

NVIDIA团队开发的Cosmos-Reason1是首个专门针对物理推理的多模态AI系统，通过创新的训练方法让AI具备了理解物理世界和进行具身推理的能力。该系统包含70亿和560亿参数两个版本，采用物理AI监督微调和强化学习两阶段训练，在物理常识和具身推理评测中显著超越现有模型，为机器人、自动驾驶等应用奠定重要技术基础。

印第安纳大学研究团队提出AFRDA方法，通过自适应特征精炼模块解决跨域语义分割问题。该方法巧妙融合全局语义理解和局部细节分析，引入不确定性引导的双重注意力机制，在城市和森林环境适应任务中显著提升性能。轻量级设计确保计算效率，成功部署到真实机器人系统，为视觉导航和自动驾驶提供新技术路径。

当前，最著名的技术准则之一当数摩尔定律。在过去超过55年时间里，这一“定律”成功概括并预测了晶体管尺寸不断缩小，每两年左右实现一次技术节点升级的趋势。

在15日的大会上，华为网络技术实验室高级主任工程师蒋胜分享了“IPv6国际标准综述和未来发展方向”主题演讲。演讲中阐述了IP你v6国际标准的历史和可能的发展方式，以及IPV6加强安全特性和隐私保护可能性的一些趋势。

“政产研”三界大咖——国家信息中心信息化和产业发展部主任单志广，京东数科首席数据科学家、京东城市总裁郑宇，中国城市规划设计研究院未来城市实验室执行副主任杨滔共同讨论智能城市的现在与未来。

12月4日，明略科技举办了“让数据中台进入数智化时代”的媒体交流会，和在场的媒体朋友交流探讨了关于“中台”的实际价值，碰撞出新的火花，向业界传递了不一样的“中台声音”。

早在古罗马时代，诗人贺拉斯就在他的作品《诗艺》中提出“寓教于乐”的观点；而从小到大，没有一个孩子不希望能在玩乐中学习；教育教学不断改革创新的目的，又何尝不是于此。

为了解决这些问题，上海科瓴医疗科技有限公司第一时间协调公司产品、研发、运营多个团队成立攻关小组，投入到战“疫”行动中，用科技力量迎战疫情，决胜千里。

法国波尔多大学研究团队开发了一个突破性框架，用于神经退行性痴呆症的差异化诊断。该框架将3D脑部MRI转换为文本报告，并利用强化学习优化的大语言模型进行详细诊断推理。不同于传统"黑箱"方法，这一系统能生成透明、有因果关系的解释，同时保持高诊断准确率。研究显示，通过群组相对策略优化(GRPO)训练的轻量级模型能展现复杂推理行为，包括假设检验和非线性思考，提供与临床决策流程一致的排序诊断结果。

今年初，Gartner发布了其2018年商业智能和分析平台魔力象限，其中描述了现代分析和商业智能（BI）平台的构成。

Sa2VA是由UC默塞德等高校联合开发的突破性AI系统，首次实现图像视频的统一理解与精确分割。通过巧妙融合SAM-2视频分割技术和LLaVA多模态对话能力，Sa2VA能够同时进行自然对话和像素级物体标注。研究团队还构建了包含7万多个复杂视频表达式的Ref-SAV数据集，显著提升了AI在长文本描述和复杂场景下的表现。实验显示，Sa2VA在多个基准测试中达到业界领先水平，为视频编辑、医疗诊断、智能监控等领域带来新的应用可能性。

在本次端点安全访谈活动中，启明星辰终端安全产品线高级经理宋晓鹏向我们介绍了复杂的端点安全场景，可能面临的威胁及启明星辰的解决之道。

由于专家不足且高度依赖临床专业知识来评估视网膜成像情况，确定年龄相关性黄斑变性的高风险人群一直是个令人头痛的难题。但如今，人工智能/机器学习（AI/ML）等新兴技术的逐步普及，正为更准确、更高效的筛查方法铺平道路。