韩国首尔国立大学研究者提出HACO框架，解决手部接触估计中的数据不平衡问题。论文《Learning Dense Hand Contact Estimation from Imbalanced Data》针对手部接触数据中的类别不平衡（大多数样本无接触）和空间不平衡（接触主要集中在指尖）提出两大创新：平衡接触采样和顶点级类别平衡损失函数。他们利用14个数据集的84万张图像进行训练，在多种手部交互场景中显著超越现有方法，F1得分从之前最佳的0.197提升至0.531，同时在3D抓取优化和物体重建等下游任务中也展现出强大应用价值。

中国AI初创公司MiniMax发布最新开源大语言模型MiniMax-M1，采用Apache 2.0许可证，支持商业应用。该模型拥有100万输入token和8万输出token的超大上下文窗口，采用创新的混合专家架构和强化学习技术。训练成本仅53.47万美元，计算效率比DeepSeek R1高75%。在数学竞赛等基准测试中表现优异，为企业提供了高性能、低成本的AI解决方案。

这篇研究介绍了字节跳动团队开发的AdaCoT框架，通过强化学习实现大型语言模型的自适应思维链触发。该框架将问题设计为帕累托优化，平衡推理质量与计算效率，使模型能根据输入复杂度自主决定是否使用详细推理。研究结果显示，在维持高性能的同时，AdaCoT能将思维链使用率降低至3.18%，响应令牌数减少约70%，大幅提升模型效率和用户体验。

致力于实现一线工作流程的数字化和自动化，全球解决方案提供商斑马技术公司今日发布最新《2025全球仓储愿景研究报告》。本次《报告》指出，仓库一线员工明确表达了仓储运营自动化的益处，以及自动化落实不够迅速的风险。

在“主动安全·共筑产业生态”为主题的2020 HCS合肥网络安全大会上，紫光股份旗下新华三集团、中国电信携手合作伙伴一起加入合肥市网络与信息安全产业链，形成了安全产业集群发展效应，为持续提升产业链稳定性和竞争力提供了保障。

过去 24 个月，生成式 AI 让软件测试第一次真正意义上进入了“自驱”时代。据世界质量报告指出，高达 75% 的公司正在积极投资于 AI 以提升质量保证能力。

随着对大模型技术的深入探索,依托TCL 40多年的工业制造经验及数据积累,格创东智正式推出自主创新研发的工业智能大模型引擎底座——章鱼智脑OctopusGPT。

本文探讨了判断AI是否达到通用人工智能（AGI）和人工超级智能（ASI）水平所需的问题数量。目前缺乏确定的测试方法来评估是否达到顶级AI水平。基于图灵测试的分析，作者提出仅通过少量问题难以全面评估智能水平。参考美国国会图书馆主题标引（LCSH）的40万个主题领域，如果每个领域提出1万个问题，将需要40亿个问题来全面测试AGI。这种大规模测试虽然在逻辑上合理，但在实际操作中面临巨大挑战。

瞻博网络重点公布了企业未来发展战略，将以“至简”为宗旨，通过业界领先的技术、全面的产品组合、灵活的解决方案为用户打造通向网络现代化的至简路径。并凭借多年的积累与业界领先的技术，瞻博网络在新的一年也采取了多项新的行动，以推动“至简”之路。

麻省理工学院的研究人员最近开发出一种神经网络，能够以相对较高的准确度对个人患有认知功能障碍的可能性做出预测。因此在一定程度上，我们可以将其理解为一种抑郁症检测器。

上海交通大学研究团队开发了SWE-Debate框架，通过让多个AI代理进行结构化辩论来解决软件bug问题。该方法首先构建代码依赖图谱生成故障传播路径，然后组织AI代理进行三轮辩论选择最优修复方案。实验显示问题解决成功率达41.4%，故障定位准确率提升14.67%，证明了多智能体协作在复杂软件问题解决中的优势。

这项由耶鲁大学联合纽约大学和艾伦人工智能研究所完成的研究，首次构建了专门针对科学文献任务的AI评估平台SciArena。通过收集超过13000张来自102位真实科学家的投票，研究揭示了当前AI助手在科学文献理解方面的真实水平，同时指出了AI自动评估系统的显著局限性，为科学研究领域的AI应用提供了重要参考。

香港中文大学团队发现AI推理过程中存在高达80%的冗余步骤。通过创新的"步骤熵"方法，他们能够识别并删除这些多余的推理步骤，在保持准确性的同时实现35-57%的效率提升。研究开发了两阶段训练策略，让AI学会自动生成压缩的思考链。这项突破为AI系统的高效部署提供了新途径，有望显著降低AI服务的计算成本和响应时间。

12月10日,2021云上架构与运维峰会在线上正式举行,本次峰会旨在通过分享云上架构与运维的最佳实践,促进业内DevOps与IaC理念的落地,帮助企业“用好云管好云”,释放云的技术红利。

Kevin Wheel在一次长达1个半小时的深度访谈中，讨论了OpenAI的产品思维、AI对工作和产品的影响、OpenAI可能不会做的市场、在AI时代最重要的技能是什么、甚至他教自己的孩子关注什么等等一系列干货。本文特此梳理其中的十条经验之谈，为AI创业者和AI爱好者带去思考。

MIT研究人员开发出自适应语言模型(SEAL)框架，让大型语言模型能够持续学习并通过更新自身内部参数进行适应。SEAL教会模型生成自己的训练数据和更新指令，永久吸收新知识并掌握新任务。该框架采用双循环系统和强化学习算法，让模型学会创建个性化学习指南。在知识整合测试中准确率达47%，在少样本学习中成功率达72.5%。这对企业AI应用具有重要意义，特别适用于动态环境中的AI智能体，但仍存在灾难性遗忘等局限性。

近年来，作为重庆支柱产业的工业、汽车、电子信息等产业的发展陆续遇到瓶颈，企业在数字化、智能化过程中面临的诸多技术发展痛点。

Skoltech等机构联合开发了首个多语言"常青问题"识别系统EverGreenQA，能准确区分问题答案的时效性。研究创建了包含7种语言4757个问题的数据集，训练的EG-E5分类器准确率达90.6%，超越现有大型语言模型。该技术可改善AI自我认知、优化数据集质量，并能预测GPT-4o的检索行为，为构建更可信的AI问答系统提供重要突破。

浙江移动提供包括数据加工能力、产品孵化能力、销售能力、运营能力。而且在开放大数据能力的同时，浙江移动也在建立大数据开放生态，不断完善一个精益惠民的产业体系。

AlphaOne 框架使开发者能在模型推理过程中灵活调节“慢思考”与“快思考”，从而提高复杂任务的准确性与效率，同时降低计算成本。