制造业的数字化转型水平仍不高已成行业共识。

香港城市大学、OPPO研究院与香港理工大学研究团队提出了VisualQuality-R1，一种通过排序强化学习训练的推理增强型图像质量评估模型。该模型将Thurstone排序模型无缝集成到组相对策略优化中，使用连续保真度奖励取代传统二元反馈，生成上下文丰富的质量描述。实验表明，它在多种失真场景中始终优于现有方法，无需感知尺度重校准即可支持多数据集训练，为图像处理领域提供了更可靠的质量评估工具。

全球电动车竞争已经入白热化，以至美国白宫周二决定将我国电动汽车进口关税从25%左右提高到100%，然而这次欧盟成员国并没有跟进。德国总理奥拉夫·肖尔茨和瑞典首相乌尔夫·克里斯特森警告不要对中国电动汽车征收关税。

想象一下，你有一张自己特别喜欢的照片，但照片中有些地方不太完美——也许背景有些单调，或者你希望将照片中的猫咪变成一只狗，又或者你想改变照片的整体风格。过去，这些编辑工作需要你具备专业的Photoshop技能，或者花费大量时间手动修改。

这篇研究介绍了"对角线批处理"技术，该技术解决了循环记忆Transformer模型在处理长文本时的并行计算瓶颈。通过重新编排计算顺序，研究团队实现了在不破坏依赖关系的情况下进行并行计算，使LLaMA-1B模型处理长文本的速度提升3.3倍，同时内存使用减少167.1倍。这种纯运行时优化不需要重新训练模型，为实际应用中的长文本处理提供了高效解决方案。

IBM云计算与认知软件全球副总裁Rob Lamb表示，IBM与红帽的结合，为业界带来开源技术与企业级的技术与服务的完美结合，奠定了IBM作为智慧、开放的企业级混合云及多云领导者的地位，帮助各行各业的客户更深入、广泛地利用云计算。

人工智能在企业中正快速普及，这与人工智能技术的成熟密不可分，企业已经意识到数字化转型需要利用新技术来帮助企业获得竞争优势，而人工智能可以渗透到每一个数字化战略和应用中。

定位于划时代智臻豪华全能MPV的腾势D9绝对称得上是这个市场中的佼佼者，产品力全面超越一众传统豪华MPV，拥有多项同级第一，可以说完美满足了当下高端出行的多场景需求。

清点系统与流程，关注正确数据，绘制生态系统图，这三招能帮助企业成功迈出AIOps探索之旅的第一步。

近日，戴尔商用终端创新分享会在上海举办，戴尔科技集团商用终端产品及研发领导团队出席并分享了对于商用市场的洞察及用户需求的解读。

多年以来，各组织一直在努力解决其供应链中的数据管理问题，并为企业寻找正确解决方案，与此同时，一个强大的替代方案一直在幕后渗透，这就是逻辑数据仓库（LDW），它是转换和交付数据的基础，具有较高敏捷性。

我国太阳能行业上一次大洗牌始于 2013 年，当时尚德电力控股公司未能偿付债券，后来破产。自那时以来，需求量猛增。全球太阳能光伏发电装机容量已扩大了约十倍，预计在未来三年还将增加一倍。

OpenAI 的 ChatGPT 不断推出新功能，包括记忆偏好、实时语音交互和 GPT 商店等。本文详细介绍了 ChatGPT 的各种订阅计划，从免费版到高级付费版，涵盖个人、企业、教育机构和非营利组织等不同用户群体的需求。文章对比了各计划的功能特点和价格，帮助读者选择最适合自己的方案。

在JetBlue担任首席数字和技术官近10年后接受了Tailwind Capital的运营主管这一新职位。Tailwind Capital是一家专注于商业和工业服务市场内中端市场公司的私募股权公司。

英特尔中国研究院将继续秉持英特尔中国“植根中国、服务中国、共同发展”的理念，发挥在技术、资源等方面的优势，推进整个医疗生态的更广泛合作，与各界伙伴一起打造本地化的数医融合解决方案，让医护服务更人性化、更有温度。

伊利诺伊大学研究团队提出LaTtE-Flow架构，创新性地将多模态理解和图像生成统一在单一模型中。通过层级时间步专家和时间步条件残差注意力两大技术突破，实现6倍推理加速和4倍参数效率提升，同时保持高质量的图像生成和理解性能，为高效多模态AI应用奠定基础。

自互联网诞生以来，还没有出现过像人工智能这样强劲的技术顺风趋势，许多公司都在争夺AI战场上的王者地位，而Nvidia占据了先机。

为助力中小企业创新发展，8月28日，华为联合3万家生态伙伴，共同发起了全国首个基于数字赋能的828 B2B企业节，此次节日以“成就好生意，成为好企业”为主题，旨在为中小企业搭建一个创新发展平台。

商业世界也已经看到了自动化的力量，问题是“未来会怎样？”对于一直关注新科技趋势的福布斯技术委员会成员来说，未来自动化在工作方面带来的影响可能并不是人们期望看到的。

这篇论文介绍了美团研究团队开发的"自适应自恢复推理"（ASRR）框架，解决了大型推理模型在简单问题上过度思考的效率问题。研究发现模型具有"内部自恢复机制"，能在生成答案时隐式补充推理。ASRR通过无思考模式抑制不必要推理，并引入基于准确率阈值的动态长度惩罚，使模型根据问题难度自适应分配推理资源。实验表明，ASRR在保持高准确率的同时，大幅减少了推理长度（最高减少32.5%），并显著提升了安全性（无害率提高21.7%）。