为了帮助促进内包和质量控制，丰田汽车北美公司正在利用生成式人工智能来满足人力资源和IT服务台的请求。

由致力于亚太地区市场的国际领先半导体元器件分销商大联大控股主办的、以 “驶向未来：预约下一个十五o五驰骋世界”为主题的汽车技术应用路演>深圳站今日圆满落幕。

今天在美国国家能源研究科学计算中心（NERSC）正式启用的超级计算机Perlmutter将为7000多名研究人员提供近4 百亿亿次的AI性能。

现在的我，只想给大家一个忠告，千万不要钓鱼，因为你也不知道你钓的到底是鱼还是囚服。

如果说AI产业现在有一个风向标公司，自然会是英伟达；如果看英伟达最新的动向，那无疑是每年一度的GTC大会；而如果说GTC最不能错过的环节，自然就是黄仁勋的主题演讲了。

电商平台Pietra推出AI助手套件，旨在帮助创始人管理品牌运营的复杂性。这些AI工具可处理供应商联系、库存跟踪、营销推广、订单履约和数据分析等电商核心环节，全年无休运转。系统通过品牌数据库积累知识，将原本需要6-12个月的供应链流程缩短至48小时。创始人可专注创意决策，让AI处理繁琐的后台操作，从实习生水平逐步成长为高效助手。

品牌竞争和核心是对消费者注意力的竞争，是占领消费者心智的竞争。零售品牌更加关注这种竞争。零售商们更将购物视频看做打开消费者钱包大门的利器。

这篇研究介绍了一种名为YAQA(Yet Another Quantization Algorithm)的训练后量化技术，由康奈尔大学研究团队开发。与传统方法不同，YAQA不仅关注局部激活误差，而是考虑整个模型的KL散度，通过Kronecker分解的Hessian矩阵估计来实现更精准的参数量化。实验表明，YAQA能将模型与原始版本的KL散度降低约30%，同时在下游任务上实现最先进性能，为大型语言模型的高效部署提供了新方案。

人工智能正迅速改变网络安全领域,为应对日益复杂的自动化威胁提供了前所未有的机遇。AI不再只是辅助工具,而正成为现代安全策略的核心支柱。从异常检测到自动化威胁响应,再到增强安全团队能力,AI使防御者能够更快速地行动、扩大运营规模并超越攻击者。然而,技术的进步也带来了重大挑战,如对抗性AI和传统系统的惯性阻力。

SAP实验室研究团队开发了DIAFORGE系统，通过三阶段训练显著提升AI助手在企业环境中的工具调用准确性。该方法专门解决AI助手面对相似工具时的选择困难，通过模拟真实企业场景训练AI主动澄清用户需求。实验结果显示，经过训练的模型比GPT-4o和Claude-3.5-Sonnet分别高出27和49个百分点，为企业AI助手的实际应用提供了重要突破。

“三十而立”对于一家企业而言可谓正当时，在30周年之际，思科不仅发布了面向下一代网络的Wi-Fi 7解决方案，可增强数字韧性的云端安全接入，以及人工智能就绪的数据中心解决方案，并启用上海全新现代化办公室。

要想真正推动统一的标记方法与标准化、可重复的Teams数字协作流程，丹佛市迫切需要一种强大的IT自动化解决方案。

清华大学和上海人工智能实验室联合开发的AutoMat是一个突破性工具，能自动将电子显微镜图像转换为精确的晶体结构模型并预测材料性质。系统整合了模式自适应降噪、物理引导模板匹配、对称感知结构重建和机器学习性质预测四大模块，由大语言模型代理协调运行。在自创的STEM2Mat-Bench基准测试中，AutoMat远超现有多模态大语言模型，为桥接显微镜成像与原子模拟提供了自动化解决方案，显著加速了材料科学研究流程。

本文介绍了Google DeepMind推出的升级版Gemini 2.5 Pro I/O版，其在代码生成方面表现卓越，刷新了相关基准测试成绩，并获得开发者一致好评，加速真实编程场景落地应用。

数据保护和管理软件开发商Veeam近日在美国拉斯维加斯举行的VeeamON 2022大会上，发布了Veeam旗舰数据保护技术的最新版本——Veeam Backup & Recovery v12。

缺乏信任是阻碍市场加快增长的最大瓶颈，而未来几周时间内，速度将是至关重要的。

新加坡国立大学研究团队开发了名为IEAP的图像编辑框架，它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色，但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作，并利用思维链推理技术智能分解用户指令，实验证明其性能显著超越现有方法，尤其在处理复杂多步骤编辑时。

AREAL是一个由清华大学和蚂蚁研究院开发的全新异步强化学习系统，专为提升大语言模型的推理能力而设计。与传统同步系统不同，AREAL完全解耦了生成和训练过程，推理工作器持续生成新输出，训练工作器则在收集到足够数据时更新模型。通过创新的过时性感知训练和解耦PPO目标函数，AREAL成功解决了异步训练中的数据过时和策略不一致问题。实验表明，AREAL在数学和代码推理任务上实现了高达2.57倍的训练加速，同时保持或提高了模型性能。

来自哈佛大学等顶尖学府的研究团队在这篇论文中挑战了传统观念，认为Token压缩不仅仅是提高AI模型运行效率的工具，更应成为生成式AI模型设计的核心原则。研究表明，精心设计的Token压缩策略可以促进多模态深度整合、减轻AI"幻觉"问题、增强处理长序列输入的能力，并提高训练稳定性。论文详细分析了现有方法的局限性，并提出了算法创新、强化学习指导和硬件协同设计等未来研究方向。

本研究首次系统评估了大型语言模型在真实代码性能优化任务中的能力。研究团队构建了包含140个真实案例的SWE-Perf基准，发现当前最先进的AI模型在性能优化方面仍远落后于人类专家。AI倾向于进行基础设施层面的修改，而人类专家更擅长高层次的系统优化。研究揭示了AI在复杂系统优化中的局限性，为未来AI编程工具的发展指明了方向。