微软Project Bonsai以图形化的方式，连接那些通过编程可执行AI功能的软件模块，工程师们无需利用数据科学，就可以实现AI驱动的自动化。

随着5G、AI、AR/VR等新兴技术的发展和社会环境的改变，人们的工作模式也在发生变化，越来越多的企业正处于又一个颠覆性趋势的关口：转向混合办公模式。

如何依靠AI探索新模式、让数据变成个性化服务？如何整合现有AI应用，规划和建设统一的AI平台？如何全方位打造自主可控的AI技术能力，使AI真正成为企业大脑？电力能源企业只有正确回答这“三道试题”，才能顺利地进入智能化发展轨道。

想象你正在选择一辆汽车。传统观念认为，想要强大的性能就必须购买大排量的豪华车型，但如今的技术让紧凑型车也能通过精巧的工程设计获得令人惊讶的动力和效率。这正是Bielik v3语言模型背后的理念。

VxRail提供给客户的是业内真正的软硬件一体化升级方案，VxRail将所有的升级包验证，排序打包，帮助客户简化运维，规避风险。

Opera 今日宣布在 Android 版 Opera Mini 上引入结合 OpenAI 和 Google 模型的 Aria AI 助手，为低端设备用户提供新闻获取、信息咨询与图像生成等多元服务，同时进一步探索 AI 在浏览体验中的应用。

这位印度艾哈迈达巴德管理学院的信息系统与战略教授认为，首席信息官完全有能力在日益高涨的挑战浪潮中实现数字化转型，将自己转变成业务领导者。

近日，作为国家计算机病毒应急处理中心技术支撑单位的瑞星公司，收到了由该中心发来的感谢信，以表彰瑞星公司在2023年第一季度对该中心在信息汇集、技术分析、态势研判、安全预警等工作上的支持。

这位印度艾哈迈达巴德管理学院的信息系统与战略教授认为，首席信息官完全有能力在日益高涨的挑战浪潮中实现数字化转型，将自己转变成业务领导者。

NExT-Search是一项创新研究，旨在解决生成式AI搜索中的用户反馈断层问题。传统网络搜索通过丰富的用户点击和停留时间等信息不断优化，而生成式AI搜索虽提高了便利性，但用户只能对最终答案提供粗粒度反馈，无法指出具体环节问题。该研究提出双模式解决方案：用户调试模式允许在查询分解、文档检索和答案生成三个关键阶段进行干预；影子用户模式则利用个性化代理模拟用户偏好，减少交互负担。

Chapter 是由 Ramaswamy 联合创办的 Medicare 咨询平台，近日获得7500万美元融资，估值达15亿美元，致力于通过数据分析帮助老年人选择最佳医保方案。

斯坦福大学研究团队开发出名为"投机采样"的AI训练新方法，通过引入小型草稿模型提供候选方案，让主模型无需从零开始计算，训练速度提升2-640倍，同时将能源消耗降低80%以上。这项技术大幅降低了AI模型训练成本，让普通人和小团队也能负担得起高质量AI模型开发，有望推动AI技术民主化普及。

按照计划，HPE将解决社会问题、环境问题、企业问题和提升生活福祉等作为企业创新方向，并为客户推动数字化转型、减少碳足迹、在价值链中的各个环节维护相关方权益，帮助客户和社区应对特殊时期带来的巨大挑战。

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。

你选工作时,会选择喜欢的?还是大家眼里稳妥的“好工作”?

数字敏锐度已经成为战略业务的当务之急，尤其是对于那些IT遗产很少的现有企业而言。本文中，有多位CIO分享了他们是如何在整个组织中发展数字化和数据敏锐性的，以推动获得更好的支持、更多的IT资金和新的商机。

北京大学研究团队创建了首个能够同时测试人类、仿人机器人和传统机器人工具使用能力的对比平台ManiSkill-HAB。通过六个日常工具使用任务的测试，研究发现机器人在学习效率和适应性方面仍远落后于人类。该研究开发的基于观察学习的新方法显著提高了机器人的学习效率，为未来智能机器人发展提供了重要基准和方向。

Stripe 年度报告显示，AI 初创企业增长速度远超传统 SaaS 公司。顶级 AI 企业仅用 24 个月就实现 500 万美元年化收入，而 SaaS 公司则需 37 个月。Stripe 认为，将这些初创企业称为"LLM 包装器"忽视了它们在特定行业中的重要价值。报告还指出，垂直 SaaS 仍有巨大潜力，尤其对小企业而言。

子芽表示，应用开源是大势所趋，但是避免不了Web通用漏洞、业务逻辑漏洞、开源成分的缺陷及后门等漏洞问题，而用开源的方式做开源风险治理，可以让开源用多样性拥抱不确定性，形成开源新范式。

上海交通大学研究团队利用影响函数揭示了数据特征如何刺激大型语言模型的数学和代码推理能力。研究发现高难度数学问题能同时提升数学和代码推理，而低难度编程任务对代码推理最有效。基于此，他们提出了"任务难度翻转"策略，使模型在AIME24准确率翻倍至20%。细粒度分析还显示，探索性思维行为对推理有积极影响，而数学推理偏好逻辑连接词，代码推理则强调结构化语法。这些发现为优化AI训练数据提供了重要指导。