这项研究提出了"多轮分解"(MinD)方法，将大型推理模型的冗长思维链重构为结构化的多轮对话形式，每轮包含一个思考单元和一个答案。通过监督微调和强化学习相结合的训练策略，MinD在MATH等基准测试上实现了高达70%的标记使用量和首个标记延迟(TTFT)降低，同时保持了竞争性能。研究表明，传统推理模型中存在大量冗余思考过程，而MinD通过"完成比完美更重要"的理念，使模型学会生成更简洁高效的推理过程。

软思维是一种创新方法，让AI能在连续概念空间而非离散语言中思考。通过保留词汇表的完整概率分布而非选择单个词，这种无需训练的技术让大型语言模型能同时考虑多种推理路径。实验表明，软思维在数学和编程任务上提高了准确率（最多2.48%），同时减少了生成长度（最多22.4%）。这一研究打破了AI推理的传统限制，展示了更接近人类抽象思维的推理方式。

上海AI实验室联合复旦大学提出MIG方法，通过构建语义标签图和最大化信息增益来自动筛选AI训练数据。该方法能用5%的精选数据达到完整数据集的训练效果，在多项评估中提升1-6%，计算效率比传统方法快100倍以上，为AI训练提供了高效的数据选择解决方案。

尽管区块链技术的确能有效提高跨境支付效率，且能以消除中间商的方式降低成本，但其尚未证明自己可以是工业规模型工具。

互联网的寒冬已至，当大龄程序员抓住上岸的稻草，他的生活会如预期的美好吗

如果富士康工业互联网是富士康从工业到高科技的跨界，陈永正作为掌门人则是反向，从高科技跨界到制造业。在多年职业生涯中，陈永正拥有丰富的高科技公司管理经验，从摩托罗拉到微软，都留下过他的足迹。

微软Azure于2010年2月1日起全面上线。转眼之间，Azure社区与合作伙伴生态系统已经在为上线十周年庆贺，我们自然有理由从头梳理微软云平台的发展道路，同时回顾期间迎来的一个个重大里程碑。

多伦多大学团队开发出μ?Tokenizer智能医学系统，能够自动分析CT扫描并生成精准诊断报告。该系统采用创新的多尺度多模态处理技术，在保持高准确性的同时显著提升诊断效率。尽管参数量仅为同类系统的14%，但在多项医学评估指标上都显著超越现有技术，为缓解医疗资源紧张、提升诊断质量提供了重要技术支撑。

Facebook的品牌亦是人们难以相信Libra项目的原因所在。

2022 亚马逊云科技re:Invent全球大会进入第二天，亚马逊云科技首席执行官 Adam Selipsky 发表了“如何借助云的力量，在未知领域抓住机遇并茁壮成长”的主题演讲。

作为新华三“融合平台 无界生态”战略的重要赋能项目之一，2018新华三论剑旨在从业务与人才维度全面赋能合作伙伴体系，建立并提升合作伙伴在无界生态时代的核心业务竞争力，更好地推动百行百业数字化转型进程。

腾讯与西门子联合研究团队开发出AdaptCLIP通用异常检测方法，突破传统方法只能处理特定领域的局限。该系统采用交替学习和对比学习策略，在12个工业医疗数据集上表现卓越，仅需少量样本即可跨域检测异常。相比现有方法，AdaptCLIP参数量减少9倍以上，性能提升10个百分点，为工业质检和医疗诊断提供了更实用的AI解决方案。

随着以数据为中心的转型不断深化，英特尔将以集成AI加速的至强可扩展平台为基石，提供全面的XPU芯片平台，携手产业生态，赋能“智者更强”，以改变世界的技术造福个人、企业和社会。

UC伯克利和POSTECH研究团队开发了REVERSE系统，这是首个能让AI视觉模型在生成描述时实时自我监控和纠错的技术。通过创新的"边生成边验证"机制，该系统在多项基准测试中将AI幻觉率降低12%-34%，为构建更可信的人工智能奠定了重要基础。

工信部网站2月10日消息，工信部再次公开征求对《工业和信息化领域数据安全管理办法（试行）》的意见。

在制药界，流传着一个残酷的“三十定律”：一款新药的诞生，平均需要耗费十年光阴、投入数十亿美金、而最终成功率却不足10%，这是悬在每一家药企头上的达摩克利斯之剑。在这个以高投入、高风险、长周期为标签的行业里，不确定性，是永恒的主题。

本研究提出了"能力-难度对齐采样"方法（CDAS），革新了大型语言模型强化学习训练中的数据采样策略。与传统方法不同，CDAS通过聚合历史表现差异实现更稳定的问题难度估计，并将模型能力与问题难度动态匹配。在多个数学推理基准测试中，CDAS达到了46.77%的最高平均准确率，同时比竞争策略提高了2.33倍的计算效率。研究还证明了CDAS在代码生成任务和更大型模型上的有效性，为提升大型语言模型的推理能力提供了高效可靠的新方法。

边缘计算，通过直接部署在网络的接入端，成为对数据进行分布式处理和即时处理的主力军，减少数据传输所消耗的时间，其平台分布式特征还能够很好地解决海量数据处理及海量终端连接的问题。

Adobe Research与德州大学联手开发"自我强迫"训练法，让AI在视频生成时边做边学，彻底解决传统方法中错误会越积越多的问题。这种创新训练方式实现了真正的实时视频生成，在单GPU上达到17帧每秒的处理速度和亚秒级延迟，为直播、游戏和实时交互应用开辟了全新可能性。研究团队还引入滚动键值缓存机制，实现了理论上无限长的视频生成能力。

生成式AI的飞速发展使得企业难以有效地实施和衡量这项技术，同时防范偏见和风险。