这篇研究重新审视了循环神经网络中的双线性状态转换机制，挑战了传统观点。高通AI研究团队证明，隐藏单元不仅是被动记忆存储，更是网络计算的积极参与者。研究建立了一个从实数对角线到完全双线性的模型层级，对应不同复杂度的状态跟踪任务。实验表明，双线性RNN能有效学习各种状态跟踪任务，甚至只需极少量训练数据。研究还发现，纯乘法交互比加法交互更有利于状态跟踪，为循环网络设计提供了新视角。

美国加州大学洛杉矶分校等机构联合开发的Xolver系统，创新性地让AI学会像奥数团队一样协作解题和积累经验。该系统通过多智能体协作和双重记忆机制，在数学竞赛和编程挑战中取得突破性成绩，即使使用小型模型也能超越大型商用AI，为人工智能的发展开辟了新路径。

2022是关键的一年：协作式Web App颠覆了企业各个职能的运作方式；人工智能发展到关键的节点；市场环境的变化正在重置企业，以及更多。以下，是我认为对未来几年有意义的预测。

当前企业的数字化进程明显加速，但是传统企业，尤其是中小企业在进行数字化平台搭建时却困难重重。下面让我们来探讨一下，最近开始火爆起来的Web 3可否成为新一代数字化平台。

这项研究分析了混合专家模型（MoE）的"局部路由一致性"特性，即连续词元激活相似专家的程度，这对内存受限设备上的模型部署至关重要。研究者提出了两种测量指标：段路由最佳性能（SRP）和段缓存最佳命中率（SCH），分析了20个不同MoE模型。结果表明，在每层都使用MoE且不含共享专家的模型局部路由一致性最高，领域专业化的专家比词汇专业化的专家对一致性贡献更大。研究还发现，缓存大小为激活专家数量2倍时能取得最佳平衡，为MoE模型设计和部署提供了重要指导。

为什么增加在恢复方面的投资可以提高投资回报率？

本文讲从四个方面与您分享选择星环科技自主研发的大数据基础平台TDH替代来CDH/HDP的“4点原因”。

Ampere公司计划在今年晚些时候开始批量生产加工产品。该芯片目前的迭代是基于16纳米工艺，而下一个版本将采用7纳米晶体管。James说，她的团队目前总共有三种不同的产品在开发中，未来路线图上还有四款产品。

ElevenLabs是一家刚刚完成1.8亿美元融资的人工智能初创公司，主要以其音频生成能力而闻名。该公司通过推出首个独立的语音转文本模型Scribe，迈出了另一个技术方向。该初创公司估值为33亿美元，已帮助许多其他公司提供语音转文本服务，利用其庞大的声音库。然而，该公司现在希望进入语音检测领域，与Gladia、Speechmatics、AssemblyAI、Deepgram和OpenAI的Whisper模型竞争。

韩国科技院研究团队创建ViExam数据集，首次全面评估视觉语言模型在越南语多模态考试中的表现。通过2548道涵盖七个学科的题目测试，发现顶级AI模型平均准确率仅57.74%，低于人类学生66.54%的水平。研究揭示AI在多模态推理方面的局限性，为多语言AI发展提供重要参考。

Yandex研究院开发出SWD技术，通过"阶梯式"分辨率策略让AI绘画速度提升2-10倍。该方法从低分辨率开始逐步升级，避免在早期高噪声阶段处理无效细节，同时创新了分片分布匹配技术确保质量。在多个主流模型上的测试显示，SWD在保持相近质量的同时显著提升了生成效率，为AI内容创作的实时化应用奠定了基础。

2019年6月26日，2019世界移动大会在上海开幕。中国电信以“你的智慧未来”为主题，展出智慧家庭、智慧社区、智慧城市、智慧工业、云网融合5大板块、28个展项。

亚利桑那州立大学的研究团队开发了RefEdit，这是一种新型图像编辑AI系统，能够准确理解和处理指代表达（如"中间那个人"、"右边的猫"）。通过创建RefEdit-Bench基准测试，研究者们证明现有模型在多物体场景中表现不佳。他们设计了一种创新的数据生成流程，仅用2万样本就训练出的RefEdit模型超越了使用数百万样本训练的大型模型。这一突破使AI图像编辑在复杂场景中更加精确和实用。

印度理工学院团队开发REFINE-AF框架，让小型AI模型通过强化学习自动生成训练指令，无需大量人工标注。该方法在119项测试任务中，63-66%的表现超越传统方法，证明了小模型也能通过巧妙设计获得优异效果，为降低AI训练成本提供了新思路。

对于消费者来讲，AI仍是一个非常非常新的领域。谁能告诉我，AI手机与智能手机到底有何区别？——问题摘自围观了很多场“AI手机”发布会的网友。基于此，我们注意到了荣耀V10，它是近期比较热门的“AI手机”，同时也是本文的主角，话题只围绕“AI”展开...

阿里云演示了如何借助“通义点金”智能平台的银行业工作流中，实现多智能体协同驱动的、全自动化生成信贷尽调报告。

将这45条新闻连起来看，您会发现Dell EMC一刻不停的创新脚步。通过整合原有两家公司的优势技术，Dell EMC力图为客户提供更优化、更完善的解决方案，更好地助力客户的数字化转型。

2025年，我们迎来了人形机器人第一个量产之年，也将迎来通用机器人的ChatGPT时刻。

要留住观众，就必须转型。于是，重庆广电在四五年前果断引入了各种数字技术，积极推进融合媒体发展——人工智能的落地和应用，便是其中的尝试之一。

现代数据中心的去重技术已成为标配，但各系统间独立运作造成数据在跨系统边界时反复重新去重，浪费CPU、内存和网络资源。基础设施级去重通过统一元数据和跨层运作，将存储、计算和网络层的去重能力整合，可减少40-60%的I/O操作，降低70-90%的网络复制流量，消除30-50%的资源开销。面对VMware转型、AI工作负载增长和预算压力，将去重从通用功能提升为战略能力成为关键。