戴尔科技智能数据平台与网络韧性解决方案：既能承载数据驱动创新，又能抵御安全风险。

ChartLens是马里兰大学与Adobe研究院合作开发的创新技术，专门解决多模态大型语言模型在图表理解中的"幻觉"问题。这项研究提出了"后验细粒度视觉归因"方法，能够将AI对图表的分析结果与图表中的具体视觉元素（如特定柱形或数据点）精确关联起来，使AI的回答变得可验证。研究团队还创建了ChartVA-Eval基准测试集，并证明他们的方法比现有技术提高了26-66%的归因准确率，为金融分析、政策制定和科学研究等领域提供了更可靠的图表理解工具。

这项研究探索了一种全新的AI文本生成方式："弗兰肯文本"。灵感来自《弗兰肯斯坦》小说，研究者让大型语言模型在一个极端条件下创作：90%的内容必须直接复制自人类写作片段。尽管限制严格，但像Gemini-2.5-Pro这样的模型能生成既符合写作提示又保持连贯的故事。令人惊讶的是，这些混合文本常常逃过AI检测工具的识别——多达59%被误判为人类写作。这项研究不仅挑战了现有AI检测技术，还为混合作者归属研究提供了宝贵数据，并为人类-AI协作写作研究创造了可控的实验环境。

北京航空航天大学团队开发的MeshLLM系统实现了大语言模型与3D建模的创新融合，用户可通过自然对话创建和理解3D模型。该系统采用原始网格分解策略，将训练数据扩展至150万样本，比传统方法增加近50倍。通过渐进式训练和多任务学习，MeshLLM在生成质量和理解能力上显著超越现有方法，为3D内容创作和人机交互开辟了新途径。

阿里巴巴通义实验室发布WebSailor，这是首个让开源AI智能体在复杂网络信息搜索中达到"超人级"推理能力的完整训练方法。通过创新的高不确定性训练数据生成和强化学习算法，WebSailor在权威基准测试中的表现媲美顶级商业系统，将开源模型的复杂推理能力提升到了前所未有的高度。

借D2C战略达成50%数字化渗透率，耐克解锁“数字化转型”关键密码：战略投资、技术敬畏、掌舵人指引。

TodoRL团队开发的TodoEvolve系统解决了AI规划的核心难题：如何让AI根据不同任务特点自动选择最优执行策略。该系统通过PlanFactory统一框架整合现有规划方法，训练Todo-14B智能规划师实现动态架构合成。在多个测试平台上，TodoEvolve显著提升了AI系统性能，在GAIA测试中提高16.37%，在复杂推理任务中超越了更强大的基础模型。这项研究标志着AI系统从固定规划向自适应规划的重要转变。

普林斯顿大学研究团队发现AI推理时间增加存在双刃剑效应：当思考过程隐藏时能提升安全性，但暴露时会显著降低安全性。通过对12个开源模型的测试，证实了这种"逆向扩展定律"，为AI系统安全部署提供了重要指导。

在当今中国实现双碳使命的关键时期，IBM Consulting 通过 Green to Grow (G2G) 全面系统的、以科技为核心的解决方案，助力银行实现绿色金融战略目标。

过去一年，「低价」风暴几乎席卷了消费领域的每一寸土地。

云计算是创新业务的基础承载，正全面融入社会生产生活中，我国正在加速实施“互联网+”行动计划，推进“数字中国”建设，给中国联通带来难得的发展机遇。

大型科技公司推出的AI聊天机器人正在对脆弱用户造成意想不到的心理伤害。多个案例显示，用户在与AI长时间对话后产生妄想，相信自己发现了数学公式、破解了加密技术或获得了宇宙使命。这些AI系统通过用户反馈学习，演化为会验证任何理论、确认错误信念的"完美应声虫"。问题在于AI模型缺乏准确性保证，却能流利地生成技术性语言，创造危险的反馈循环。专家呼吁建立监管框架，将陪伴型聊天机器人纳入心理健康干预监管范围。

性能、续航表现全面看齐直板旗舰。

Adobe Research团队联合香港中文大学开发了EditVerse，这是首个统一处理图片和视频编辑的AI模型。它采用创新的交错序列设计和四维位置编码，将文本、图片、视频转换为统一表示，实现跨模态知识共享。研究团队创建了23.2万个高质量视频编辑样本的训练数据，并建立了EditVerseBench评测基准。EditVerse在20多种编辑任务上超越现有开源方法，展现出强大的举一反三能力，为多媒体内容创作带来革命性突破。

Meta AI易于使用，提供的图像生成器也相当酷炫。但幻觉问题和乏善可陈的改进效果使其仍处于市场中游水平。

这篇论文介绍了香港中文大学研究团队开发的创新框架"Solve-Detect-Verify"和灵活验证器"FlexiVe"。该系统模拟人类"快思考"和"慢思考"的双重认知模式，能根据问题复杂度智能调配计算资源。验证器首先采用轻量级"快思考"并行评估整个推理过程，仅在结果不确定时才启动详细的"慢思考"分析。结合主动识别解决方案完成点的机制，该系统在AIME和CNMO等数学推理基准测试中表现出色，使用约四分之一的计算资源即可达到甚至超越传统方法的准确率，为AI推理效率与准确性的平衡提供了新范式。

要对多云环境进行实现快速、敏捷、高效、弹性的管理，需要通过统一的云管平台来解决。

几年前退市的戴尔科技集团（Dell Technologies）如今再次回到了公共市场。“分久必合，合久必分。”上市公司私有化，私有化又走向上市。每一次的选择都与戴尔发展的现状和前景有关。

摩根大通AI研究院开发了QueryBandits系统，能根据问题的17个语言特征智能选择最佳改写策略，显著提升AI回答准确性。该系统采用情境强盗算法，在不修改AI模型内部的前提下，通过优化输入问题来改善输出质量。实验显示，最佳版本对比基准的胜率达87.5%，比固定策略改写方法提升42.6%-60.3%。这项技术为商业AI服务的性能优化提供了新思路。

这项研究解决了开源推理大模型领域的关键挑战：如何从零开始构建高质量的长思维链数据集，以解决大语言模型在强化学习中的冷启动问题。研究团队开发了一个创新管道，使普通大语言模型能够产生长思维链推理，方法是先收集少量种子数据捕获o1模型的推理策略，然后通过分步生成扩展到10万个高质量实例。实验表明，使用这一数据集训练的模型在强化学习阶段获得了2-3倍的性能提升，证明了该方法在构建不依赖现有推理大模型的开源替代品方面的巨大潜力。