阿里通义实验室与浙江大学联合发布UI-S1系统，通过创新的半在线强化学习方法，让AI掌握了复杂的手机操作能力。该系统在多个测试平台上表现优异，相比基础模型在AndroidWorld上提升12%，在AITW上提升23.8%，为实现真正的智能手机助手迈出重要一步。

2019年度数字化转型创新方案奖

苹果研究表明，模拟推理模型在高难度问题上多依赖模式匹配而非真正推理，这与 USAMO 最新发现不谋而合。

随着数字化时代的到来，网络安全威胁呈指数级增长。勒索软件、AI驱动的网络攻击和物联网设备漏洞成为主要威胁。企业需要建立全面的风险管理策略，包括风险评估、安全措施实施和持续监控。新兴技术如人工智能、区块链和量子计算为网络安全带来新机遇。组织应重视员工培训、供应链安全、数据治理和事件响应能力建设。

近日，华为与北京大学生物医学前沿创新中心（BIOPIC）、北京大学化学与分子工程学院、深圳湾实验室高毅勤教授课题组联合推出蛋白质多序列比对（Protein MSA）数据集。

IBM Security 《X-Force威胁情报指数》通过从网络和终端设备、事件响应参与和其他来源的数十亿数据点中提取数据洞察，追踪到了一些全新和早已存在的攻击趋势与模式。

英特尔致力于帮助客户和更广泛的生态系统保护数据，这是我们和其它业内领导厂商一起在Linux基金会下成立新的保密计算联盟的原因。我们很荣幸能够成为这个新行业组织的创始成员，并致力于让诸如保护使用中的数据等保密计算实践在如今的多云世界中更容易普及。

对于如今的HPC而言，变革势在必行，因为算力的需求永无止境。不管是Arm架构还是量子计算，NVIDIA在引领计算的潮流。

如果没有自愿的追随者，IT领导者就无法领导员工，建立职业网络的这个重要圈子的最佳方法，就是赋予他们权力。

据思科2017年度网络安全报告显示，在2016年遭遇过安全攻击的企业中，三分之一以上的企业损失了超过20%的重要客户、商业机会和收入。

英特尔公司首席执行官Pat Gelsinger今天在Intel Accelerated大会上表示，未来英特尔的产品创新将不再采用之前以纳米进行命名的惯例，相反会采用一种新的命名方法，Gelsinger称其将“更准确地反应整个行业的工艺节点”。

Nvidia宣布与高性能计算初创公司Rescale展开合作，简化在公有云基础设施上运行人工智能应用的任务。

清华大学与阿里巴巴通义实验室联合研发的MUSEG技术通过创新的时间戳感知多段定位方法，显著提升了视频中的时间理解能力。该方法引入多段定位任务和精心设计的阶段性奖励机制，使模型能够精确识别视频中的多个相关事件及其时间关系。实验表明，MUSEG在各类时间理解任务上全面超越现有方法，为未来视频智能分析开辟了新方向。

清华大学研究团队提出RLVR-World框架，通过可验证奖励的强化学习直接优化世界模型的预测质量，而非传统的最大似然估计。这一方法在文本游戏状态预测和网页导航中显著提升了准确率，在机器人视频预测中改善了视觉质量并减少重复问题。RLVR微调仅需几百个梯度步骤即可取得显著成效，远比传统训练高效。研究证明该框架可作为生成模型的通用后训练范式，为自动驾驶、机器人控制等应用提供更准确的环境预测能力。

清华大学研究团队开发出突破性的三维旋转优化方法，通过四维空间处理解决了困扰计算机图形学几十年的"万向节锁死"问题。该方法将旋转路径缩短15-25%，显著提升动画自然度，在用户测试中获得更高评分并能减少VR晕动症。技术已可实用化，预计将改善电影、游戏、虚拟现实等领域的视觉体验。

香港中文大学深圳校区团队提出CAKE方法，让大语言模型充当"智能厨师"为贝叶斯优化自动设计核函数。该方法能根据实验数据动态调整优化策略，在超参数优化、控制器调优和光子芯片设计等任务中均表现出色，特别是在实验次数受限时效果显著。CAKE不仅提升了优化效率，还能提供自然语言解释，为AI辅助科学研究开辟了新路径。

哈工大团队开创性地将3D高斯涂抹技术应用于图片修复，通过连续光斑融合替代传统像素拼接，结合DINO语义理解和分块处理策略，实现了更自然流畅的图片修复效果。该技术能处理20%-60%面积的缺失，在人脸和自然场景修复中表现出色，为图像处理领域提供了全新思路。

瞻博网络近日宣布针对城域网、边缘和核心网络解决方案的重要升级，旨在加速服务提供商的5G转型。

微信AI团队发现当前先进的搜索系统存在"粒度困境"：虽能处理复杂任务，但在简单的细节识别上却常出错。研究团队构建了专门测试平台，发现无论大小模型都在基础搜索任务上表现不佳。他们提出了新的训练方法，让小模型超越大模型，但同时发现了新挑战：过度关注细节会损害整体理解能力。

西班牙研究团队提出了一种创新的AI自我纠错方法SSC，让人工智能学会识别和修正规则中的漏洞。当AI发现自己在钻空子获得高分时，它会反思规则的合理性并主动改进。实验显示这种方法将AI的"钻空子"行为从50-70%降低到3%以下，同时提升了回答质量。这项技术有望让AI从被动执行指令转变为能够质疑和改进指令的智能协作伙伴。