在软件定义世界的今天，AI 与软件工程的融合正重塑测试行业格局。中国人工智能产业发展联盟发布的《AI4SE 行业现状调查报告（2024 年度）》显示，65.75% 的企业软件研发智能化成熟度已达 L2 及以上水平，标志着 AI 技术在软件工程领域从概念验证迈向规模化落地。

本文探讨了 AI 代理在 2025 年的发展前景。作者预测,2025 年将是 AI 代理的关键之年,但企业在实施时仍面临诸多挑战。文章以一个自动回复电子邮件的工具为例,分析了当前 AI 系统的局限性,并提出了构建企业级 AI 代理的框架,强调了系统集成、上下文理解、安全保障等关键因素的重要性。

2022年7月2日，2022全国工商联主席高端峰会暨全国优强民营企业助推黑龙江高质量发展大会在哈尔滨市举行。

这项研究介绍了FinTagging，首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法，它将XBRL标记分解为数值识别和概念链接两个子任务，能同时处理文本和表格数据。在零样本测试中，DeepSeek-V3和GPT-4o表现最佳，但在细粒度概念对齐方面仍面临挑战，揭示了当前大语言模型在自动化XBRL标记领域的局限性，为金融AI发展提供了新方向。

Elastio推出模型上下文协议服务器，将无代理勒索软件检测和备份验证直接嵌入AWS工作流程、开发工具和AI助手中，声称具备零日检测能力。该方案通过机器学习驱动的RansomwareIQ数据完整性引擎，对AWS和Azure环境中的备份进行行为检测，能够识别加密异常和威胁模式，隔离被感染的恢复点并确保干净的数据恢复。

IBM近日进行了大量的产品发布，其中闪存阵列增加了容量，一系列使用FC加速数据访问的阵列新增了对NVMe-oF的支持。

New Media新媒体联盟（简称“新盟”）于1月14日，在北京歌华开元酒店举办“2019新盟盛典暨中国新媒体领袖峰会”。遍邀文化学者、名人大咖、创投大佬等各界精英，共同探索未来新媒体的健康发展之路。

麻省理工学院、BITS Pilani大学和达特茅斯学院的联合研究发现，当前最先进的视觉语言模型在做决策时会被图片的视觉呈现方式显著影响，即使比较对象本质相同。研究通过大规模实验证实，仅改变背景、光照等视觉因素就能让AI选择概率变化20%-40%，并开发出三种系统性操控这些偏好的方法。

卢森堡大学研究团队提出TRC?架构，模仿人脑丘脑-皮质回路机制，通过智能路由、预测学习、记忆整合和快速矫正四大创新，首次实现AI的真正持续学习能力。实验显示该架构在保持已学知识方面远超传统模型，遗忘率降至几十分之一，为构建能与人类共同成长学习的AI系统开辟了新路径，有望应用于智能助手、教育和医疗等领域。

这项研究展示了如何将传统图书馆的珍贵藏品转化为现代人工智能训练的高质量资源。哈佛团队不仅创建了一个包含2420亿文字标记的大型数据集，更重要的是建立了一套完整的数据处理、质量控制和版权管理体系。他们的工作证明了学术机构在人工智能时代的独特价值，展示了如何在保持学术严谨性的同时推动技术创新。这种将历史文献与现代技术相结合的做法，为解决当前人工智能训练数据稀缺和质量参差不齐的问题提供了一个优秀的解决方案，同时也为其他知识机构开展类似工作树立了标杆。

浙江大学团队开发的LAPO方法成功解决了AI推理模型"过度思考"问题，通过两阶段训练让AI学会根据问题复杂度自主调整推理深度。实验显示该方法将计算用量减少40.9%的同时准确率提升2.3%，为AI系统的智能化和实用化发展提供了重要突破。

最近的一项研究表明，看到机器抢走任务会让人类员工士气低落。这项研究是由康奈尔和耶路撒冷的希伯来大学的研究人员进行的，旨在通过一系列游戏研究人类是如何对抗机器的。

经过多年的风风雨雨，当初世界上存在几十家与硬盘相关的厂商，现在硬盘市场只剩下了三家富有代表性的供应商，包括东芝Toshiba、希捷Seagate、西部数据 Western Digital。

近日数据存储和AI公司Databricks和云数据库公司Snowflake在上周举办了各自的峰会，双方发布了一系列新闻公告。

我参加了HPE Aruba举办的第二届Atmosphere数字大会。这一次，Aruba将一系列重要用例与去年大会上发布的边缘服务平台（Edge Serviecs Platform，简称ESP）增强功能完美结合了起来。

近日，安谋科技（中国）有限公司（以下简称“安谋科技”）获得ISO 26262：2018 ASIL D级别以及 IEC 61508：2010 SIL 3级别功能安全流程认证与产品认证双证书，该认证由国际领先的功能安全认证机构exida颁发。

在此次沙龙上，联想与全球知名咨询机构IDC正式发布《“超时空”智慧办公白皮书》（以下简称“白皮书”），就未来办公趋势进行预测和解读。

在今年的测试中，至顶懂云帝不但在公有云上搭建了Docker应用测试平台，还购买了一个小工控机，并同样尝试在上面部署Docker应用。想不到这一下就掉到了坑里……

这项由复旦大学等机构合作完成的研究提出了CodeI/O方法，通过让AI学习预测代码的输入输出来提升通用推理能力。该方法将45万个代码文件转化为350万个训练样本，让AI用自然语言推理代码逻辑，从而掌握逻辑规划、状态搜索等推理技能。实验显示，在14个评测基准上，CodeI/O训练的模型在符号、科学、逻辑、数学等推理任务上都实现了均衡显著的性能提升。

想象你正在教一个孩子认识世界。你会选择重复同一个知识点上千次，还是会精心挑选各种不同类型的有趣知识点来丰富他的认知？大语言模型的学习过程也有类似的道理。