帝国理工学院的研究团队开发了AlphaMed，这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型，无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响，研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩，甚至超越了更大的封闭源模型，同时展现出自发的步骤推理能力，为医疗AI发展提供了更加开放、高效的新路径。

攻击者之所以会关注中小型企业，是因为他们在供应链中发挥着重要作用。通过利用网络钓鱼等策略，网络犯罪分子可以通过中小企业的网络对整个供应链网络发起恶意软件攻击、窃取数据和凭证或挑起勒索软件攻击。

本月早些时候，AWS在纽约举行的AWS峰会上宣称自己是AI领域的领导者。

今天开幕的英特尔On技术创新峰会（Intel Innovation），归根溯源重新拥抱广大开发者，强调对开发者社区的承诺，以及英特尔横跨软件和硬件的开发者至上的理念。

斯坦福大学研究团队构建了包含2400万医学图像的BIOMEDICA数据库，并开发出性能卓越的BMC-CLIP医学AI模型。该项目通过从600万篇科学文献中提取图像和文字，创建了医学领域最大的开放数据集，在40项医学任务测试中平均性能提升6.56%，计算效率提高10倍，为医学AI发展提供了重要基础资源。

AI热潮催生了众多专用AI数据中心的建设，但大多数项目需要数年才能完成。为满足不断增长的AI基础设施需求，行业必须同时改造现有设施和投资新建专用AI数据中心。改造传统数据中心通常比新建更快速、经济且可持续，但AI工作负载对电力、冷却、机架布局和网络的特殊要求给传统设施带来挑战。企业需要详细分析现有设施能力与AI需求的差距，决定是进行改造升级还是完全重建。

人工智能正从软件故事转向AI工厂基础，芯片、数据管道和网络协同工作形成数字化生产系统。这种新兴模式重新定义了性能衡量标准和跨行业价值创造方式。AI工厂将定制半导体、低延迟结构和大规模数据仪器整合为实时反馈循环，产生竞争优势。博通、英伟达和IBM正在引领这一转变，通过长期定制芯片合同和企业遥测技术，将传统体验转化为活跃的数字生态系统。

文章探讨了AI在心理健康治疗领域应用的现状和挑战。作者认为，虽然AI治疗具有可及性强、成本低廉、使用便捷等优势，但通用生成式AI并非专为心理治疗设计，存在不确定性风险。文章提出治疗师-AI-客户三方模式，建议在专业指导下合理使用AI辅助治疗。作者强调需要更多理性、深入的讨论来正确认识AI心理治疗的机遇与风险。

随着Wi-Fi 6等新技术的引入，共享频谱的推出，专用网络关注度的增加以及5G网络的持续推出，2020年将是消费者和企业成为无线连接大发展的一年，不论是Wi-Fi 6还是5G都将同步配合迅猛发展。

基于多年对银行、金融业应用场景分析，Check Point安全专家认为当下银行业信息安全的复杂性主要源于以下几个方面：

微软再次展示了技术提供商在疫情期间的蓬勃发展。今天，微软发布了季度财报，云服务和个人计算机软件的强劲增长，让业绩轻松超过收入和销售预期。

约翰霍普金斯大学研究团队开发了ETTIN模型套件，首次实现了编码器和解码器模型的公平比较。研究发现编码器擅长理解任务，解码器擅长生成任务，跨界训练效果有限。该研究为AI模型选择提供了科学依据，所有资料已开源供学术界使用。

让你承认这些可能很难：承认你已经失去了对企业组织部署技术方式的控制、或者你的网络是充满漏洞的、或者你的代码写得很糟糕。

北京大学团队推出TransMLA技术，可将现有GQA架构语言模型直接转换为高效MLA架构，无需重新训练。该技术通过RoRoPE、FreqFold和BKV三项创新实现了最高10.6倍的推理速度提升，在93%内存压缩下仅需60亿词元微调即可恢复性能，为AI模型优化提供了经济实用的解决方案。

7月7日，华为开发者大会2023（Cloud）拉开帷幕，本次大会遍布国内外40+城市，200+专题论坛，内容涉及AI、大数据、云原生、应用现代化、媒体等多个维度。

在很长一段时间里，互联网通信云厂商都是在幕后安静的运作，并没有得到其应有的关注。疫情的突袭，使得通信云厂商被越来越多的人注意到，其价值也开始得到更多企业的认可。

英特尔精选开源云解决方案2.0版本（Intel Select Solutions for Open Cloud 2.0）参考设计正式发布。英特尔携手精选开源云认证合作伙伴浪潮，新华三，中移软件，思询科技和华云数据，精彩亮相主会场演讲舞台。

毋庸置疑，Veeam Availability Suite v10 堪称 Veeam 史上最重要的版本。我们在这一版本中融入了许多强大特性，现在请允许我介绍这些特性（统称为“Linux 增强特性”），它们可帮助您实现突破，充分利用 Linux 生态系统。

曼彻斯特大学研究团队发现，尽管AI语言模型在多数任务中表现优异，但在理解"Drivelology"（一种表面荒诞但蕴含深意的语言现象）时却频频失误。研究团队构建了涵盖六种语言的1200多个样本数据库，通过四项测试发现AI模型难以掌握这类文本的讽刺意图和文化内涵，揭示了当前AI在语用理解方面的根本局限。

通过镜像网络设备及组网环境，由社区专家协助快速处理网络故障，这样的例子自HCLHub社区上线以来比比皆是。HCLHub已经成为ICT网络工程师知识交流、学习及获得技术支持和解决方案的最爱。