区块链服务网络（BSN）由国家信息中心牵头研发和顶层设计，并协同中国移动通信集团有限公司、中国银联股份有限公司、北京红枣科技有限公司共同发起建设的区块链底层公共基础设施。

2023年6月10日上午，2023第五届双态IT北京用户大会两大主题峰会之一的“云原生运维峰会”成功举办。

赵昱在华为的第一课就是《把信交给加西亚》，在美西战争中，中尉罗文要把信交给不知身在何处、不知模样的“加西亚将军”，在没有任何援助的情况下，他仍然完成了任务。

字节跳动团队开发出T-PPO算法，通过"边做边学"的训练方式，让AI训练效率提升2.5倍。该技术突破了传统PPO必须等待完整推理的限制，采用截断式训练和独立优化机制，在AIME数学竞赛中获得62分优异成绩。这一创新不仅降低了AI训练成本，还为推理模型的发展指明新方向，有望推动AI技术在教育、科研等领域的广泛应用。

杭州电子科技大学等多所院校联合研究团队开发出革命性AI系统Drawing2CAD，能够直接从工程图纸自动生成精密三维CAD模型。该系统采用创新的双解码器架构和柔性损失函数，使用矢量格式图纸保留精确几何信息，在多项测试中显著优于传统像素化方法。研究团队还构建了包含15万多个样本的大规模数据集CAD-VGDrawing，为工程设计自动化提供了重要突破。

华盛顿大学研究团队开发出世界首个主动式耳机AI助手LLAMAPIE，能够在用户对话中主动提供简短关键词提醒，无需用户主动询问。该系统采用双模型架构，在真人测试中将问答准确率从37%提升至87%，同时保持对话自然流畅。这项技术为人机交互带来新突破，在教育、商务和辅助医疗等领域具有广阔应用前景。

剑桥大学和伦敦大学学院的研究团队提出了一种名为"视觉规划"的全新范式，让人工智能系统能够完全通过图像序列而非文本进行推理。与传统依赖语言的方法不同，这种方法模仿人类在解决空间问题时直接在"心眼"中想象解决方案的能力。研究团队开发的基于强化学习的视觉规划框架(VPRL)在导航任务上比基于文本的方法平均提高了40%的准确率，证明了非语言推理在特定任务中的优越性，为AI系统开辟了一条更接近人类直觉思维的新路径。

NVIDIA领导的国际团队开发出DIFIX3D+系统，通过单步扩散模型DIFIX解决3D重建在极端视角下的画质瑕疵问题。该技术既能在训练阶段渐进式优化3D表示，又能在推理时实时修复残余瑕疵，在多个数据集上实现FID分数2倍改进和PSNR超1dB提升，且兼容NeRF和3DGS两种主流3D表示方法。

AI赋能「前沿企业」通过智能体协作重构工作模式，破解无边界工作日困局。

AI赋能「前沿企业」通过智能体协作重构工作模式，破解无边界工作日困局。

香港浸会大学等机构联合开发的AdamMeme框架，通过多AI智能体协作，能够动态生成个性化测试样本来评估AI模型理解网络表情包恶意内容的能力。该框架突破了传统静态评估的局限，针对每个模型的弱点进行深度探测，实验显示即使是GPT-4o等顶级模型也存在认知盲点，为AI安全评估提供了新思路。

如果想要像人类种群那样经历数百万年的进化并最终站在地球食物链的顶端，我们首先得掌握一系列重要能力。

多年来，计算机硬件一直是一个乏善可陈的市场。占主导地位的x86微处理器架构正在触达可通过小型化实现性能增长的极限，因此制造商们的目光聚焦于在芯片中封装更多核心上。

北京交通大学与阿里巴巴AMAP团队合作开发FE2E框架，首次将图像编辑模型应用于单目深度估计任务。该方法仅用71K训练图像就在ETH3D数据集上实现35%性能提升，超越了使用100倍数据的DepthAnything系列。通过重新设计训练目标、采用对数量化和联合估计策略，FE2E证明了选择合适基础模型比单纯增加数据量更有效，为资源受限环境下的高精度几何估计开辟了新路径。

比亚迪本身就是一个开拓者。公司 2003 年才开始生产汽车，是最早使用电动动力系统并逐步淘汰纯汽油动力车型的公司之一。

对标GPT-4的更大参数规模的星火大模型正式启动训练，2024年上半年将实现对标GPT-4。

加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架，让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式，包含指令、验证函数、示例解决方案和失败案例，确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中，仅使用自生成训练数据，Llama-3.1-8B模型性能提升了两倍多，证明AI可以通过自我挑战实现有效学习，减少对人类标注的依赖。

浙江大学团队开发的SAFEPRED系统通过赋予AI助手"预见未来"的能力，解决了传统安全防护只能被动应对眼前威胁的局限。该系统能预测操作的长期后果，在97.6%的测试案例中成功识别潜在风险，同时将任务效率提升21.4%。研究还推出了可在普通设备运行的轻量版本，为AI安全防护技术的普及应用奠定了基础。

LangGPT创始者云中江树的双面人生

伊利诺伊大学香槟分校研究团队开发了SafeScientist，一个安全优先的AI科学家框架，能主动拒绝不道德或高风险任务，并在整个研究过程中确保安全。该框架整合了四层防御机制：提示监控、智能体协作监督、工具使用控制和伦理审查。团队还创建了SciSafetyBench基准测试集，包含240个高风险科学任务和120个工具相关风险场景，用于评估AI科学家的安全性。实验表明，SafeScientist比传统框架提高了35%的安全性能，同时不影响科学输出质量，为AI驱动的科学探索提供了安全与创新并重的新范式。