NVIDIA研究团队开发的STORM系统实现了AI长视频理解的重大突破。该系统采用Mamba时间编码技术，能够像人类一样理解视频的时间脉络和内容关联，而非孤立分析每帧画面。通过创新的三种压缩策略，STORM在大幅提升处理效率的同时保持了理解准确性，在多项基准测试中超越现有系统5%以上，为教育、医疗、安防等领域的智能化应用奠定了技术基础。

今年是DEMO CHINA举办的第16年，作为中国创投界标志性的年度品牌活动，现已成为多维度、多元化、多角度融合的创投圈盛事。

明尼苏达大学团队开发的MPO系统让AI评判具备了类似人类的元认知能力，能够自我反思并动态调整评价标准。该系统有效解决了AI训练中的"奖励欺骗"问题，在文章写作、文档总结、道德推理和数学推理四个任务中都表现出显著优势，为构建更智能、更可靠的AI系统开辟了新路径。

斯坦福大学研究团队开发了UQ评测系统，用人类未解决的真实难题来测试AI能力，而非传统的标准答案题目。系统包含500个来自Stack Exchange的高质量未解问题，采用AI验证器初筛和人类专家终审的双重验证机制。测试显示，即使最先进的AI模型也只能解决极少数问题，揭示了当前AI在面对真正困难问题时的局限性，为AI评测开辟了更真实有效的新方向。

作为软件生态系统的重要组成部分兼合作伙伴，JFrog与Docker正在携手优化软件生态系统。JFrog安全研究团队的工作包括通过持续监控开源软件注册表，主动识别和定位潜在的恶意软件与漏洞威胁。

这项由香港科技大学研究团队开展的创新研究揭示了大型语言模型（LLM）执行指令能力背后的神经机制。研究者通过提出SPARCOM分析框架，成功识别并分析了"指令特定神经元"和"指令特定专家"这两类稀疏组件在模型内部的分布与功能。通过精心设计的HEXAINST数据集，研究发现这些组件不仅具有功能通用性和独特性，而且在模型微调过程中发生显著变化。研究结果表明，模型的指令执行能力主要源于这些稀疏组件的精确激活，为理解LLM内部工作机制提供了新视角，对构建更可靠的AI系统具有重要指导意义。

微软研究院开发出革命性的1位大语言模型BitNet b1.58 2B4T，仅需0.4GB内存就能运行2千亿参数规模的AI模型，相比传统模型内存消耗降低90%以上，能耗降低95%，推理速度提升40%，在保持相当性能的同时让AI技术真正实现普及化。

这篇文章是一系列创意写作提示的集合，每个提示描述了一个独特的场景或概念，旨在激发想象力和创作灵感。

PATIENTSIM是韩国科学技术院等机构最新研发的医患交流模拟系统，它突破了传统模拟器的限制，通过四个维度（性格、语言水平、记忆能力和认知混乱程度）构建了37种独特的患者角色。基于MIMIC数据集中的真实临床资料，系统利用Llama 3.3大型语言模型生成真实且多样的患者反应，经临床医生评估获得3.89/4分的高分。作为开源可定制平台，PATIENTSIM为医学教育和AI医生评估提供了安全、可靠且符合隐私规定的解决方案。

VerifyBench是首个专门评估大语言模型基于参考的奖励系统的基准测试，填补了现有奖励评估基准的关键空白。由浙江大学、美团等机构联合开发，包含VerifyBench和更具挑战性的VerifyBench-Hard两个数据集。研究发现虽然大型模型在标准案例上表现出色，但在复杂案例上仍有显著改进空间。该基准测试通过精心构建的数据集和评估框架，为提升大模型推理能力提供了标准化评估工具，对强化学习训练具有重要意义。

「 这两年，风向就突然不对了，内部绩效更为严苛，饭碗开始岌岌可危，降本增效这四个词就像一柄达摩克利斯之剑，一直悬在头顶。 今日推荐空白女侠（id：kongbainvxia）一篇文章，升不上去的职级，跳不出去的公司，回不去的家乡，到底该何去何从。」

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。

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。

DiMeR是由香港科技大学研究团队开发的创新3D网格重建模型，通过解构式设计将形状和纹理分离处理。模型使用法线图专门重建几何形状，再用RGB图像生成纹理，成功解决了传统方法中的训练歧义问题。实验表明，它在重建精度上比现有方法提升超过30%，并在多视图重建、单图像转3D和文本到3D生成等多任务中表现出色。这一突破性工作大幅降低了3D内容创作的门槛，为游戏开发、虚拟现实和电影制作等领域提供了强大工具。

在过去的2018年，我们做了一个对共享办公行业的分析报告，包括很多方面，我一一来说

8 月 20 日，「低代码究竟是“银弹”还是“泡沫”」TVP 低代码技术分享会火热开聊，用一场尖峰辩论和一场圆桌对话，共探低代码的过去、现在与未来。

8月15日，讯飞星火认知大模型V2.0升级发布会如约而至，科大讯飞董事长刘庆峰、研究院院长刘聪重磅发布代码能力和多模态能力升级，同时发布并升级搭载讯飞星火认知大模型V2.0能力的多项应用和产品。

对标GPT-4的更大参数规模的星火大模型正式启动训练，2024年上半年将实现对标GPT-4。

在传统数据传输方案中，内存数据访问和网络数据传输分属两套语义集合。数据传输中CPU承担了大量工作。应用程序先申请资源，再通知Socket，内核态驱动程序完成TCP/IP报文封装，最后由NIC的网络接口发送到对端。数据在发送节点需要依次经过Application Buffer、Socket Buffer、Transfer Protocol buffer。到达接收节点后同样需经过多次反向内存拷贝，内核态驱动程序完成TCP/IP报文解封装，应用程序最终将数据写入系统物理内存。

新加坡南洋理工大学研究团队首次提出概念感知微调方法，让AI同时预测多个词块而非单一词块，从而更好理解完整概念。该方法在编程、数学、文本生成、分子设计和蛋白质设计五大领域均显示显著改进，将多词块预测技术首次引入模型微调阶段，大幅降低成本门槛，为AI训练范式变革提供新思路。