今年红帽成立了红帽客户成功团队来保障客户的成功，为企业使用开源软件提供全方位的规划、支持和保障，结合数字化转型及云原生转型大趋势，提供端到端的全生命周期解决方案。

Flora 是一个集成 AI 模型的交互式画布平台,可帮助用户生成、完善和实现创意。它提供文字、图像和视频生成等功能,支持节点式工作流程,适合设计师和艺术家使用。Flora 旨在成为创意伙伴,通过结构化工作流程和灵活功能提供真正的创作自由。这个平台特别适合专业人士使用,可以帮助他们在一个真正的空白画布上进行创意构思和实验。

当前以信息技术为基础的新一轮科技和产业革命正在萌发，数字经济发展成为全球广泛关注的重大课题，十九大提出要建设网络强国、数字中国、智慧社会，加强信息基础设施建设。而数字经济已成为拉动经济增长的重要抓手。

尽管企业的CIO们正加大对大模型的研发与投入，但仍要承担相当大的风险。某能源行业的CIO表示：“大模型不同于其他的数字化转型项目，有较为明确的投资、收益评价方式，实施路径也较为明确。企业在研发大模型用例时，有一些关键环节还存在诸多挑战。”

抢滩中国云市场虽然挑战不小，但微软决心很大。

跨越式的变革往往发端于某个远见，成就于群策群力的布道与施道。

更准确地获得个人行为和药物使用数据，对糖尿病患者可以产生积极的影响。

SmolVLA是由Hugging Face、巴黎索邦大学等机构联合开发的小型视觉-语言-动作模型，专为低成本机器人设计。与现有模型相比，它仅有4.5亿参数（小10倍），却能达到相当性能。SmolVLA采用精巧架构设计，可在单GPU训练、CPU部署，并使用社区收集的数据集训练。研究还引入异步推理策略，提高了机器人的响应速度和适应性。实验证明，它在模拟和真实环境中的表现均超越许多资源密集型模型，为机器人技术的普及开辟了新途径。

家用电器巨头Whirlpool的高级副总裁、首席信息官Danielle Brown详细介绍了协作团队和数据管理是如何成为他们产品领导力和整个客户旅程不可或缺的一部分。

今年618大促期间，华为音乐、华为阅读、华为视频、华为主题等产品带来了丰富、好玩、实惠的活动，让每位避暑的小伙伴宅家也能畅享美好生活。

这篇研究探讨了大语言模型知识蒸馏过程中教师模型选择的重要性。北科a-m-team团队从三个顶级模型（AM-Thinking-v1、Qwen3-235B-A22B和DeepSeek-R1）收集了189万个问题的推理答案，分析发现AM-Thinking-v1生成的数据表现出更多样的令牌长度分布和更低的困惑度。使用这些数据训练的学生模型在AIME2024（84.3分）、AIME2025（72.2分）、MATH500（98.4分）和LiveCodeBench（65.9分）等基准测试中，AM蒸馏模型始终表现最佳，并展现出根据任务难度动态调整输出长度的能力。

这项由俄罗斯AIRI研究所等多家机构联合完成的研究，首次系统揭示了LoRA技术在AI知识注入中的潜在风险。通过对Llama-3.1模型的大规模实验，研究团队发现AI在学习新知识时存在明显的"安全阈值"，超过500个新事实后性能显著下降。更重要的是，他们发现释义增强策略能有效缓解这些问题，为AI安全知识更新提供了重要指导。

Qlik在调研中发现,全球员工有一半以上表示做决策时很难不考虑领导意见而只参考数据。

Veeam 新产品在备份和恢复方面提供了强大的功能和可靠性，并提高了管理和部署的灵活性

VidText是一个全新的视频文本理解基准，解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容，提出三层评估框架（视频级、片段级、实例级），并配对感知与推理任务。对18个先进多模态模型的测试显示，即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分，远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响，为未来视频文本理解研究提供了方向。

意大利布鲁诺·凯斯勒基金会研究团队发布FAMA，首个遵循开放科学原则的英意双语语音基础模型。与Whisper等闭源模型不同，FAMA完全开放训练数据、代码和模型权重，在超过15万小时开源语音数据上训练。研究创建了包含1.6万小时伪标注数据的新数据集，实验表明FAMA性能可与现有语音基础模型媲美，同时速度提升8倍。这一突破不仅促进研究可重复性和公平评估，还为语音技术领域树立了开放科学新标准。

安全研究机构Group-IB详细分析了AI语音克隆诈骗的实施流程：攻击者首先收集目标人物仅需3秒的语音样本，利用AI语音合成引擎生成伪造语音，配合号码伪装技术发起诈骗电话。攻击可采用预录脚本或实时语音转换，冒充亲属、上司等紧急求助。研究显示此类攻击易于规模化复制且难以识别，建议采用预设暗号验证和回拨确认等双重防护措施。

南开大学团队开发的VisualCloze系统通过"视觉上下文学习"实现了通用图像生成，让AI能够像人类一样通过观察几个例子就学会新的图像处理任务。该系统采用统一架构处理多种任务，在风格转换、图像编辑、条件生成等方面都表现出色，并具备处理训练时未见过任务的泛化能力。

诺丁汉大学的一项研究表明，人工智能和机器学习可以预测过早死亡，从而彻底变革预防医疗领域。

Liquid Web对1000多名IT专业人士的调查显示，86%的IT专业人员目前在基础架构中使用专用服务器，42%正将工作负载从公有云迁移回专用服务器。55%的受访者认为完全控制和定制化是选择专用服务器的主要原因。合规性、性能可变性和控制权丧失成为云遣返的主要驱动因素，而意外成本和资源浪费也推动了这一趋势。