面对现实挑战，英特尔决定将其产品线一分为二：其一为传统至强核心（即所谓性能P核），其二为经过改进的Atom核心（即所谓能效E核）。

网易云商旗下网易定位携手云图元睿，基于在顾客体验领域长期为企业提供咨询和服务的一手实践，对顾客体验的数字化发展作了系统性的前瞻和预测，由此提炼出《2021顾客体验十二大趋势》（以下简称《趋势》）。

Wi-Fi 6，一项无线技术标准，正在与5G一道，让「连接」这个最基本的数字维度爬上一个新台阶。

作为面向未来的智能IT解决方案,思科Meraki紧跟全球数字化趋势,提供简捷、安全和智能的解决方案,近几年始终活跃在帮助制造型企业实现智能化转型的舞台上。

作为新一代内存数据库的代表，阿里云原生数据库Tair实现了从缓存到一个真正内存数据库的角色转变，越来越多核心应用除了使用Tair的缓存模式之外，也使用Tair作为数据的持久化存储方案。

在基础架构方面，IBM新一代LinuxONE服务器的设计和交付，就是为了帮助企业在提升基础架构的性能、安全与效率的同时，减轻经济负担和对环境的影响，实现企业的可持续发展目标。

这项研究利用大语言模型解决科学新颖性检测难题，南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架，训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明，该方法在市场营销和NLP领域显著优于现有技术，为加速科学创新提供了有力工具。

微软研究院团队开发的BitNet v2技术实现了AI大语言模型的重大突破，通过创新的H-BitLinear模块和哈达玛变换技术，成功将模型激活精度从8位降低到4位，同时保持了几乎相同的性能表现。这项技术显著提高了模型的计算效率和硬件利用率，为AI模型在边缘设备和批量推理场景中的部署开辟了新道路，有望推动AI技术的更广泛普及应用。

清华大学和盛树实验室的研究团队开发了ShapeLLM-Omni，这是一个突破性的大语言模型，能够同时理解和生成文本、图像及3D内容。该模型通过3D向量量化变分自编码器将复杂的3D网格压缩为离散标记，使大语言模型能够高效处理3D数据。研究团队构建了包含34.6亿标记的3D-Alpaca数据集，涵盖了3D生成、理解和编辑任务。基于Qwen-2.5-vl模型，ShapeLLM-Omni不仅能从文本或图像创建高质量3D模型，还支持通过自然语言编辑3D资产，为游戏开发、虚拟现实和数字孪生等领域开辟了新可能。

你是否曾想过，如果AI能像人类一样看完整部电影，或者理解超高清图像中的细微细节会怎样？普通的AI模型在这方面往往力不从心，它们就像只能看几秒视频或者只能看低分辨率图片的"近视眼"。NVIDIA联合多所高校的研究团队近日推出的Eagle 2.5就是为了解决这一问题，让AI拥有"看得更久、看得更清"的能力。

香港科技大学团队提出WebExplorer框架，通过"模型驱动探索"和"迭代查询演化"两阶段生成高质量训练数据，成功训练出80亿参数的WebExplorer-8B模型。该模型在多个信息搜索基准测试中超越了720亿参数的大型模型，支持长达100轮的工具调用和128K上下文长度，展现了开源AI在网络助手领域的突破潜力。

卢布尔雅那大学研究团队开发出SuperSimpleNet统一缺陷检测系统，能够适应无监督、弱监督、混合监督和完全监督四种学习场景。该系统在多个数据集上达到98%以上检测准确率，推理时间仅9.5毫秒，通过创新的合成异常生成技术和双分支架构设计，解决了传统方法只能处理特定标注类型的局限性，为工业质量检测提供了灵活高效的解决方案。

微软及其Azure Quantum项目的合作方们一直在量子计算研究项目中开辟新的天地。最近，他们即将成功把逻辑量子比特的数量增加至四倍，而这只是今年开展的一系列重要量子研究项目中的最新成果。

这项研究介绍了FlowDirector，一种无需训练的视频编辑新框架，由西湖大学AGI实验室开发。不同于传统方法，该技术避开了易导致时间不一致和结构失真的反转过程，而是直接在数据空间中进行编辑。通过常微分方程引导视频沿着时空流形平滑过渡，结合空间注意力流校正和差分平均引导机制，实现了精确的文本引导视频编辑，同时保持未编辑区域的完整性和时间连贯性，为视频内容创作提供了新可能。

这项研究比较了扩散与自回归语言模型在文本嵌入领域的表现差异。研究团队提出，自回归语言模型由于单向注意力机制而难以捕捉全局语境，而扩散语言模型的双向注意力架构天然更适合文本嵌入任务。他们开发的DIFFEMBED模型在长文档检索、推理密集型检索和指令遵循检索等任务上显著优于传统LLM嵌入模型，在长文档检索提升20%，推理密集型检索提升8%。研究还创建了REASONAUG数据集，包含近11,000对逻辑相关样本。实验证明双向注意力是处理长文本和复杂内容的关键因素。

这项来自斯坦福大学等机构的研究首次将离散扩散模型应用于音频修复领域，通过将音频转换为词汇序列，实现了对长达500毫秒音频空白的有效修复。该方法显著优于传统技术，在处理音频中断、损坏录音恢复等场景中展现出广阔应用前景，为音频处理技术开辟了新的发展道路。

纽约大学等多家机构联合研究提出了接触锚定策略，用物理接触点替代语言指令来训练机器人。该方法仅用23小时演示数据就实现了抓取、开启和关闭三种基本操作，在零样本评估中比现有方法性能高出56%。研究团队还开发了轻量级仿真环境EgoGym加速模型迭代，并在多个机器人平台上验证了跨平台兼容性。这项工作为资源受限环境下的机器人学习提供了高效解决方案。

这项由加州大学伯克利分校、香港大学和Adobe联合开展的研究，开发了名为X-Planner的AI图像编辑规划系统，解决了现有AI工具难以理解复杂编辑指令的问题。该系统能将"让图片看起来像夏天"等自然语言指令智能分解为具体编辑步骤，并自动生成精确的控制信息，显著提升了AI图像编辑的准确性和可控性。

StepFun公司发布的Step-3模型通过创新的模型-系统协同设计，实现了321亿参数规模下的超高效率运行。该研究采用注意力-前馈网络分离架构和多矩阵分解注意力机制，在保持强大性能的同时，将解码成本降低约40%，达到每GPU每秒4039个词汇单元的处理速度，为大型AI模型的经济化部署开辟了新路径。

这篇研究介绍了DATARUBRICS，一个专为评估机器学习数据集质量而设计的创新框架。研究团队发现现有的数据表单工具缺乏可量化的质量评估标准，因此开发了基于十个关键维度（包括数据来源、标注方法、质量保证等）的结构化评估体系。通过对多个顶级学术会议的数据集论文分析，研究揭示了机器生成数据的增长趋势及各会议在数据质量要求上的差异。DATARUBRICS不仅支持人工评估，还能通过LLM实现自动化评估，为日益增长的数据集审核需求提供了可行解决方案。