近日，华为云应用运维管理平台参与了中国信息通信研究院（以下简称“中国信通院”）主办的“稳保行动”的可观测性平台能力评估。

“黑客攻击计算机现在是个热门话题，但很快我们就不会关注这个话题了。黑客攻击人类将成为下一个热门话题。”

城市治理不仅是国家治理体系的重要组成部分，同时也是全球互联网治理体系的重要载体和构建网络空间命运共同体的重要基础，在疫情反复等不确定因素下，政府和企业的数字化的进程正不断加速，智慧城市也在新时代被赋予新的重任、新的使命。

麻省理工学院研究团队发现大语言模型"幻觉"现象的新根源：注意力机制存在固有缺陷。研究通过理论分析和实验证明，即使在理想条件下，注意力机制在处理多步推理任务时也会出现系统性错误。这一发现挑战了仅通过扩大模型规模就能解决所有问题的观点，为未来AI架构发展指明新方向，提醒用户在复杂推理任务中谨慎使用AI工具。

SenseTime研究院发现AI在理解长视频时存在"语义聚合幻觉"现象——AI能正确识别每个画面，但会错误地将不同事件的信息混合，如将第一个新闻段落的主持人与第三个段落的星巴克信息错误组合。研究团队创建了全球首个长视频幻觉检测基准ELV-Halluc，测试16个主流模型后发现这一问题普遍存在，并提出了有效解决方案，将错误率降低27.7%。

北京大学研究团队提出诊断驱动渐进演化（DPE）框架，突破传统多模态AI训练瓶颈。该方法像"AI医生"般精准诊断模型弱点，针对性生成训练数据，仅用3000个样本就超越传统47000样本训练效果。在11项基准测试中全面胜出，甚至让8B参数模型超越72B商业模型，开启诊断式AI训练新范式。

Ansys、是德科技、诺基亚和三星率先使用 NVIDIA Aerial Omniverse 数字孪生、Aerial CUDA 加速的无线接入网络和 Sionna 神经无线电框架来帮助实现电信业的未来

大多数SaaS团队只记得用户流量快速增长的日子，却很少注意到机器人开始攻击的时候。表面上一切看起来不错：更多注册、更多会话、更多API调用，但实际上注册增加而用户未激活，服务器成本增长超过收入。SafeLine是一个自托管的Web应用防火墙，通过语义分析引擎、反机器人挑战、速率限制等功能，有效阻止虚假注册、凭证填充、API爬取等攻击，帮助团队专注于产品开发而非安全防护。

Astronomer 公司推出了 Astro Observe，标志着其从单一产品公司向竞争激烈的数据操作平台市场的扩展。随着企业在实现 AI 计划和维护可靠的数据管道方面面临挑战，该平台旨在通过将编排和可观察性功能结合在一个解决方案中，帮助组织更有效地监控和排查数据工作流。

目前，数据驱动已成为数字化转型主线。区别于“以数据为中心进行决策”，数据驱动强调的不是用数据被动支撑决策，而是机器基于数据和模型主动帮助或者替代人做出决策。

清华大学联合多家机构发表突破性研究，提出AI训练数据的五层分级管理框架（L0-L4），从原始数据到精炼知识逐层优化。研究发现高质量数学数据具有"超级食品"效应，不仅提升数学能力还增强跨领域表现。实验证明分层训练比传统方法性能提升1.49个百分点，团队已开源相关工具和数据集供社区使用。

12月8日，第二届百度Apollo生态大会在广州举行。百度Apollo全面展示了其在智能交通、智能汽车和自动驾驶领域的最新进展。

威斯康星大学和Salesforce联合推出SkillOrchestra框架，通过技能感知编排让多个AI模型智能协作。该系统建立技能手册记录各AI的专长和成本，根据任务需求动态选择最合适模型。实验显示准确率提升22.5%，成本降低数百倍，并解决了传统方法的路由崩塌问题，技能手册还可在不同系统间迁移使用。

元宇宙，已经成为了一个更好的数字化空间，来承载人类未来的生活方式。那么，当元宇宙的大幕徐徐拉开时，我们需要的是什么样的底层技术？在技术的土壤上，将诞生什么样的商业机会？又该如何找到与现实世界协同的落地场景？

德国、日本和波兰的超级计算机利用 Grace-Hopper 和量子-经典加速超算平台推进量子计算研究。

麦肯锡 (McKinsey) 最近的一项全球研究显示，55% 的公司报告说他们的组织已经采用了 AI，主要是在产品开发或服务运营能力方面。对许多人来说，AI 已经成为推动各行各业转型的引擎，提供曾经难以想象的预测洞察、自动化和决策能力。

近期，新华三集团路由器产品线首席产品经理曾富贵、新华三集团核心路由器产品开发部部长顾伟平在记者发布会上向我们展示了新华三核心路由器的创新发展之路。

上海AI实验室推出CompassJudger-2，这是一个能够像人类专家一样评判文本质量的AI模型。通过创新的批判性思考训练方法和高质量数据处理，这个7B参数的模型在多个评估基准中超越了更大规模的竞争对手，展现出专业化训练的威力。

这是由新加坡Sea AI Lab等机构联合完成的突破性研究，提出了FlowReasoner查询级元智能体系统。该系统能为每个用户查询定制专门的多智能体解决方案，突破了传统"一套方案解决一类问题"的局限。通过推理能力结合外部执行反馈的强化学习，在多个代码生成基准上综合准确率达81.89%，相比o1-mini提升10.52%，代表了AI系统从标准化向个性化发展的重要转折。

国内的低代码领域，已经从成长期开始进入成熟期。这是否预示着，大企业数字化转型的低代码时代将要到来？