业务对IT越来越依赖，同时IT架构越来越复杂，迫使人们向AI求助,而AIOps(智能运维)的应用确实给IT运维带来了新的变化。

这项研究探究大语言模型从真实文本中推断因果关系的能力，创建了首个真实世界基准数据集ReCAST。研究发现，即使最先进模型在此任务上表现也不佳，最高F1分数仅为0.477。模型尤其难以处理隐含因果关系、区分关键因素与背景信息，以及整合长文本中分散的信息。这揭示了当前语言模型在真实世界因果推理方面的重大局限，为未来研究指明了方向。

复旦大学和腾讯优图实验室联合推出StrandDesigner系统，首次实现通过手绘草图自动生成逼真3D头发的突破。该技术采用可学习多尺度放大策略和自适应条件控制机制，能处理从简单涂鸦到专业草图的各种输入，在多项指标上显著超越现有方法，有望革新游戏、影视等数字内容创作流程。

这项由莫斯科国立大学等机构完成的研究通过AI进化算法解决了CAD训练数据稀缺问题，创建了包含130万个脚本的工业级数据集CADEvolve，其中的AI模型能将图像直接转换为复杂的CAD程序，在三个权威基准上达到最先进性能，为AI辅助工程设计开辟了新方向。

从9月29日到10月4日，整整一周时间，26场不同主题的活动横跨苏黎世十多个场地：苏黎世联邦理工学院、大学医院、科技园、Prime Tower、艺术馆、StageOne活动中心。医学、机器人、艺术、环境、金融、教育，几乎每个领域都能找到AI的身影。

为什么选择做AI Agent？澜码科技创始人兼CEO周健的解释是：传统的系统是人适应机器，造成人成为数据的搬运工；今天有了大模型，我们有机会让机器去适应人，在这方面AI Agent前景广阔。

部署云计算系统的数据中心会对持续且稳定的供电有更加高的需求。如何才能为云计算数据中心提供稳定且可持续的能源保障，施耐德电气新近推出的 Galaxy VS也许是一个绝佳的选择。

亚马逊与加密货币一直保持着紧密且复杂的关联。

我们翘首以盼的自动驾驶时代终于到来。自动驾驶汽车最早或将于2018年上路。

数字人产业的发展并非一帆风顺，从虚拟数字人到视频数字人，每一次尝试都伴随着质疑和挑战。那么真人3D数字人能否突破瓶颈，真正成为开启元宇宙的大门呢？

为什么选择做AI Agent？澜码科技创始人兼CEO周健的解释是：传统的系统是人适应机器，造成人成为数据的搬运工；今天有了大模型，我们有机会让机器去适应人，在这方面AI Agent前景广阔。

这项由复旦大学等机构合作完成的研究提出了CodeI/O方法，通过让AI学习预测代码的输入输出来提升通用推理能力。该方法将45万个代码文件转化为350万个训练样本，让AI用自然语言推理代码逻辑，从而掌握逻辑规划、状态搜索等推理技能。实验显示，在14个评测基准上，CodeI/O训练的模型在符号、科学、逻辑、数学等推理任务上都实现了均衡显著的性能提升。

区块链行业带有很强烈技术至上的色彩，这个行业除了技术本身以外，商业也是重要元素和因素。

在AI、5G、大数据和物联网等前沿技术的创新驱动和深度融合下，实时感知、互联互通、智能服务等已逐渐成为当今智能汽车新“标配”。

IoTDB 将坚持全自研路线，坚持面向用户需求，坚持每年都有创新性突破，坚持成为物联网领域的强力基建。

苹果公司联合香港大学开发了DiffuCoder，这是首个采用扩散模型的AI编程助手，能够像人类程序员一样进行全局思考和并行生成代码。该模型通过创新的"耦合GRPO"强化学习算法，在EvalPlus等权威测试中性能提升4.4%，并实现了更快的代码生成速度。这项研究为AI编程助手从线性生成向智能化并行思考的转变奠定了基础。

利用 AI 技术追踪风暴：NVIDIA Research 最新研究成果推动天气预测和气候模拟发展。

这项由独立研究者完成的研究展示了如何在有限资源下从arXiv论文数据训练出专业的科学语言模型。研究者详细记录了24次实验的完整过程，从数据处理到模型训练的每个环节，为资源受限的研究者提供了宝贵的实战经验。最终训练的13.6亿参数模型能够理解数学公式和科学文献，证明了小规模专业化模型训练的可行性。

AWS制定2026年2000亿美元资本支出计划，大部分投资将用于网络服务。公司正通过中空光纤等新兴技术重新定义网络物理特性，降低延迟并避免潜在瓶颈。AWS网络工程副总裁马特·雷德表示，公司已在5-10个地理位置部署中空光纤，主要用于长距离互连。面对AI工作负载带来的挑战，AWS开发了专门的控制平面和自研网络硬件，实现亚秒级故障恢复。

清华大学团队开发的USER系统实现了机器人在现实世界中的直接学习，无需仿真训练。该系统统一管理异构机器人资源，采用云边协作和异步学习框架，学习效率提升4-5倍。在五个操作任务中表现出色，支持多种算法和大型视觉语言模型，为智能机器人实用化奠定基础。