生物计算公司(TBC)宣布完成2500万美元种子轮融资，同时推出全球首个用于计算机视觉和生成式AI的生物计算平台。该公司将活体神经元与现代AI基础设施连接，创建比传统大语言模型更稳定、可扩展和高效的前沿模型。通过利用神经元的自然动力学特性，该平台可大幅减少AI模型生成输出所需的计算量，支持持续学习和改进记忆功能，同时功耗仅为传统硅芯片的一小部分。

2022年10月，国家市场监督管理总局、国家标准化管理委员会正式批准发布GB/T 18801-2022 《空气净化器》国家标准

明尼苏达大学研究团队提出了一种创新方法，通过回合级信誉分配显著提升大语言模型(LLM)智能体的多回合推理能力。传统方法只对整个过程进行评价，而他们的MT-GRPO算法能够精确评估每个决策步骤的价值，就像为每一步提供具体反馈。在维基百科搜索工具使用场景中，该方法实现了100%的工具执行成功率和50%的答案精确匹配率，远超传统方法。这一突破不仅提高了AI在多步骤任务中的表现，也为开发更复杂的AI系统提供了重要思路。

2025年4月1日，PTC宣布推出Codebeamer 3.0应用生命周期管理（ALM）解决方案，为企业带来更快、更可持续且更高质量的产品开发体验，同时确保符合严格的法规要求。

Gartner公司于近日发布2024年网络安全重要趋势。根据Gartner公司的研究，推动2024年主要网络安全趋势的因素包括生成式人工智能（生成式AI）、持续威胁暴露、第三方风险、隐私驱动的应用和数据解耦和网络安全技能重塑等。

在经济充满变数的这一年中，基础设施和运营（I&O）团队需要支持新的技术和工作方式，因此Gartner于近日重点发布影响2023年云、数据中心和边缘基础设施的四大趋势。

英国大都市市长们都希望在本地做出数字化转型决策，但在所需时间和资金等方面存在认知不足。这些地区在更换legacy系统方面面临与银行过去十年类似的挑战，但缺乏相应的技能和财务资源。研究发现，尽管市长们认识到技术的重要性，但对所需技能、投资和时间的理解仍有不足。

本文介绍了量子计算在金融交易优化、药物研发、量子安全网络、锂电池材料模拟和真随机数生成等领域的五大突破性应用，展示了量子技术如何以比传统计算机高出数百万倍的速度解决复杂问题，从而推动各行业的革命性进步。

UC伯克利研究团队发现，仅用17000个训练样本就能让AI获得强大推理能力，关键在于推理的逻辑结构而非具体内容正确性。即使训练数据包含错误答案或错误计算，AI仍能学会推理，但一旦打乱逻辑结构，性能就会急剧下降。该发现颠覆了AI训练需要海量完美数据的认知，为资源有限的团队提供了经济高效的AI推理能力培养方案。

在经济充满变数的这一年中，基础设施和运营（I&O）团队需要支持新的技术和工作方式，因此Gartner于近日重点发布影响2023年云、数据中心和边缘基础设施的四大趋势。

南加州大学研究团队开发出一种名为PILS的新技术，能够通过分析AI模型输出时的概率信息来破解隐藏的系统指令。这种方法通过观察AI生成文本过程中多个步骤的"思考轨迹"，将隐藏提示的恢复成功率提高了2-3.5倍。研究发现AI模型的概率输出存在于低维空间中，可以用数学方法进行压缩和逆向分析。这项发现对AI安全具有重要影响，揭示了当前依赖隐藏指令的安全机制可能存在漏洞，为AI安全防护提出了新挑战。

VMware正在构建软件定义的广域网工具产品组合，以推进“虚拟云网络”愿景——跨多个云平台连接和保护应用、数据和用户。

浙江大学团队创新性地将人类点击行为的高斯分布特征应用于AI界面操作训练，开发出GUI-G2方法。该方法摒弃传统二元奖励机制，采用连续高斯奖励建模，包含点精度评估和区域覆盖评估两大机制，并引入自适应方差处理不同尺寸元素。实验证实该方法在多个测试集上显著提升AI界面操作准确率，最高达24.7%的性能提升。

斯坦福大学研究团队开发了Paper2Agent，这是一个能将学术论文自动转换成交互式AI智能助手的框架。该系统通过构建MCP服务器，让静态论文变成能回答问题、演示方法、处理数据的智能实体。研究团队成功将AlphaGenome、TISSUE、Scanpy等工具转换成智能助手，验证结果显示100%准确性。这项技术彻底改变了科研方法的传播和应用方式，让复杂分析变得像聊天一样简单。

并非每一个问题都可以通过机器学习来解决，也并不是每个企业都为AI的应用做好了准备。为此，本文将具体阐述使用人工智能、深度学习和机器学习时，企业需要做的10项准备工作。

经验丰富的泥瓦匠通常具备老道的习惯性技巧和技术以减轻负载于身上的压力。然而，这些技巧并不总能很轻松地传授给新一批建筑工人，这批人往往面临着相对较高的受伤风险，比如扭伤筋骨、拉伤韧带和肌肉。

Check Point新任CEO Nadav Zafrir在本周于曼谷举行的CPX 2025大会上，提出了关于网络安全的大胆愿景，重点是“混合网状架构”和人工智能（AI）驱动的安全性。他强调，在充斥着流行词和炒作的世界中，“真正的安全”至关重要。尽管AI带来了机遇和挑战，但Check Point的核心使命依然是保护关键基础设施和敏感数据免受日益复杂的攻击。Zafrir指出，混合网状架构允许组织整合本地和云安全解决方案，提供灵活性和更好的用户体验，同时确保安全性和成本控制。

时下人口不断地老龄化，老年人孤独的问题更加普遍，而不堪重负的医疗卫生系统则意味着要解决这个问题面临的挑战也越来越大。专业服务巨头埃森哲（Accenture）认为，人工智能技术的突破可以提供帮助。

Meta加速开发新大模型，追赶OpenAI。

基于深入的用户洞察和研究，戴森工程师们发现，消费者习惯将空气净化设备置于家中一隅，而非房间中心。其中被不少人忽视的是，这一使用习惯可能对空气净化设备的整屋均匀净化表现带来挑战。