2025年，SAP 将终止其对传统软件的支持，全面转战至其全新的云平台 SAP S/4HANA。作为 SAP 的顶级合作伙伴，IBM 凭借深厚的 SAP 专业，成为第一个完成 100个 SAP S/4HANA 迁移的云供应商。

这些才是成熟的数字化AI企业的本质所在。

思杰系统有限公司（Citrix Systems, Inc.）（纳斯达克股票代码：CTXS）的一项新研究表明，员工认为公司为他们提供了太多工具，但他们缺乏高效的使用方法，这会阻碍他们按时完成工作任务。

SqueezeBits和POSTECH联合研究团队提出了GraLoRA，一种改进的参数高效微调方法，解决了传统LoRA在高秩设置下的表现瓶颈。通过将权重矩阵分解成多个独立的子块，每块配备自己的低秩适配器，GraLoRA有效增加了表达能力并减少了梯度纠缠问题。实验证明，这种方法在代码生成任务中提升了高达8.5%的Pass@1准确率，并在常识推理任务中持续优于现有方法。GraLoRA无需额外计算成本，为大型语言模型的定制化提供了更高效的解决方案。

上海AI实验室团队开发的OREAL算法在数学推理领域实现重大突破，7B模型首次通过强化学习在MATH-500测试中达到91分，32B模型更创下95分新纪录，超越OpenAI o1系列。该算法通过正确样本行为克隆、奖励重塑和词级重要性评估三大创新，有效解决了稀疏奖励下的强化学习难题，证明了巧妙算法设计胜过简单规模扩张的AI发展新思路。

Nvidia今天宣布推出了一项新的生成式AI微服务，旨在允许企业将自定义聊天机器人、copilot和AI摘要工具连接到实时专有的企业数据以提供更准确的结果。

来自耶路撒冷希伯来大学的研究团队开发了WHISTRESS，一种创新的无需对齐的句子重音检测方法，能够识别说话者在语音中强调的关键词语。研究者基于Whisper模型增加了重音检测组件，并创建了TINYSTRESS-15K合成数据集用于训练。实验表明，WHISTRESS在多个基准测试中表现优异，甚至展示了强大的零样本泛化能力。这项技术使语音识别系统不仅能理解"说了什么"，还能捕捉"如何说"的细微差别，为人机交互带来更自然的体验。

MIT、哈佛和芝加哥大学研究人员提出"波将金理解"概念，用于描述大语言模型的新型失效模式。这些模型在概念基准测试中表现优异，但缺乏实际应用这些概念的真正理解能力。研究显示，模型能准确解释概念定义，却无法正确识别、生成或编辑相关实例。测试发现模型概念识别准确率达94.2%，但在实际应用中失败率高达40-55%。这种现象使基准测试结果产生误导性，表明AI距离真正的通用人工智能还有很长路要走。

FuseLIP是一项突破性研究，提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同，FuseLIP采用单一编码器同时处理图像和文本标记，实现了更自然的模态交互。研究证明，这种早期融合方法在多种多模态任务上表现优异，特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务，为多模态嵌入研究提供了宝贵资源。

人工智能概念普及的今天，人们谈及人工智能首先想到什么？谷歌的阿尔法狗？微软小冰？......它们都代表人工智能应用的一种形态，让人们对人工智能有了广泛的认识，但并没有改变现有的生产力。

韩国科学技术院研究团队开发出Simba方法，通过层次化稀疏化技术对状态空间模型进行"瘦身"，在保持性能的同时显著提升计算效率。该方法采用类似高速公路的架构设计，让AI模型的上层只处理最重要的信息，实现了最高80%的速度提升和更好的长序列处理能力。这项即插即用的技术为AI模型优化提供了新思路。

雅戈尔数字化转型的核心成果，在数字化的推进过程中形成了雅戈尔的品牌矩阵及其品牌升级，利用了科技赋能以及大数据应用到雅戈尔传统渠道，并通过数字化的能力进一步探索新商业模式，形成线上线下融合的新模式，走出适合雅戈尔的新商业之路。

IBM正致力于在未来几年内应用各类量子错误管理方法，减少噪音、实现真正的量子纠错（QEC）。

这项由KAIST和DeepAuto.ai研究团队开发的MetaSPO（元级系统提示词优化器）框架，通过元学习方法优化大语言模型的系统提示词，而不仅仅关注用户提示词。研究发现，一个经过优化的系统提示词可以在各种未见过的任务中表现优异，并能使用户提示词的优化过程更加高效。实验结果显示，MetaSPO在14个未见任务上显著超越基线方法，85%的用户提示词与优化后的系统提示词配对时性能得到提升。该方法还展现出强大的跨模型迁移能力，为提高大语言模型的通用性和实用性开辟了新途径。

这项来自加拿大滑铁卢大学的研究挑战了"更多训练数据总是更好"的观念，发现某些数据集反而会损害信息检索模型性能。研究者提出了RLHN方法，使用级联LLM技术识别并重标注训练数据中的"假负样本"。实验表明，这种方法显著提升了检索和重排模型在BEIR和AIR-BENCH基准测试上的性能，尤其在处理未见过的领域时效果更佳。人类验证结果证实了该方法的可靠性，为构建更准确、鲁棒的信息检索系统提供了新思路。

组织开发AI方案时采取的一大核心模式，正是目标驱动型系统模式。与其他AI模式一样，这种形式的AI能够解决一系列原本需要人类认知能力才能处理的常见问题。

新加坡联合研究团队首次全面解析R1-Zero训练方法，发现传统算法存在隐藏偏差，提出改进版Dr. GRPO算法。研究揭示AI"自我反思"能力的真相，并用极简配方在7B模型上创造AIME 2024新纪录，为AI推理训练提供重要洞察和实用改进方案。

这篇来自韩国科学技术院（KAIST）的研究介绍了ReFoCUS，一种创新的视频理解方法。不同于传统视频AI模型使用固定的帧采样策略，ReFoCUS通过强化学习教会模型选择最相关的视频帧来回答特定问题。研究团队巧妙地将策略优化从输出文本转向输入视觉层面，让AI能够像人类一样识别关键视觉证据。实验结果表明，这种方法在多个视频问答基准测试中显著提升了性能，特别是在处理复杂的长视频内容时。ReFoCUS代表了视频AI的一个重要范式转变，未来有望应用于更智能的视频内容理解系统。

主动型 AI 是人工智能的下一次进化,它不仅能生成内容,还能自主决策和追求目标。这种 AI 可以设定自己的目标,制定策略并根据情况调整方法,实现真正的自主性。它将彻底改变机器与世界的互动方式,为人机协作开启新的可能性,但也带来了透明度和伦理等挑战。

Check Point(R) 软件技术有限公司宣布推出领先的 SaaS 威胁防御解决方案 - Harmony SaaS。