这项由浙江大学和新加坡国立大学合作开发的RelationAdapter研究提出了一种新型轻量级模块，使扩散变换器(DiT)模型能从视觉示例对中学习并应用视觉转换关系。研究团队创建了包含218种多样编辑任务的Relation252K数据集，并通过位置编码克隆等创新技术实现了高保真图像编辑。实验表明，该框架在低层次图像处理、风格迁移、图像编辑和定制生成等任务上均优于现有方法，为视觉提示驱动的图像编辑开辟了新途径。

苹果公司研究团队通过创新的GSM-Symbolic测试方法，发现当前先进AI系统在数学推理方面存在严重缺陷。研究表明，AI虽然在标准测试中表现优异，但面对表述稍有变化的同类问题时准确率显著下降，暴露出其缺乏真正的逻辑理解能力，主要依赖模式匹配而非推理。这项发现为AI评估提供了新标准，并为未来开发更可靠的AI推理系统指明了方向。

哥本哈根大学等机构研究发现，主流视觉语言模型在将图像转换为文字描述时会丢失40%-90%的视觉信息。研究开发了两种创新方法来量化这种信息丢失：邻居关系分析和嵌入重建技术。实验表明信息丢失直接影响AI的检索和问答性能，研究还实现了丢失区域的精确可视化，为优化AI视觉系统提供了重要工具。

新思科技推出了《金融服务业的应用安全：误区与现实》报告，该报告基于BSIMM11和独立调研机构Ponemon的金融服务业的具体数据调查，详细分析了金融服务行业应用安全的七大误区。

全新小米笔记本 Pro定位商务轻薄本，采用高端CNC工艺的6系航空级铝合金机身、11代英特尔酷睿H35高性能移动版处理器、GeForce MX450独立显卡、雷电4接口、三级可调背光全尺寸键盘、2合1指纹电源键、100W快充，并支持WiFi6、PCle 4.0、小爱同学和MIUI+。

6月13至14日，备受瞩目的“东数西算”芜湖集群创新大会暨华为云华东（芜湖）数据中心全球开服活动在芜湖隆重举行。

即便SSD的创新日新月异，但是目前来看，HDD磁介质硬盘依然还是企业级存储的中流砥柱。

ICT生态系统需要支持方案商、ISV、系统集成商、分销商等多元化角色联袂献艺，更需要有在数字化转型时代可灵活支撑云计算、大数据、智慧城市，以及政务、金融、制造等多“剧目”表演的生态舞台。

斯坦福大学研究团队开发出革命性的"差分隐私对话训练"方法，首次解决了AI训练中性能与隐私保护的矛盾。该技术通过在训练过程中添加精心计算的噪音，让AI既能流畅对话又无法泄露训练数据中的敏感信息。实验显示，使用此方法的AI在对话质量上几乎达到传统方法水平，但隐私保护能力显著增强，为未来AI服务的安全发展提供了重要技术基础。

近日，摩托罗拉系统正式发布并展示了专业对讲机序列的入门级产品MOTOTRBO R2。MOTOTRBO R2具备持久耐用、重量轻的特点，既适合于多尘、潮湿的工厂、公园等嘈杂环境中，也能满足商超、酒店、站台、车间等高人群密度空间里的便捷使用和操控自如。

商汤科技研究团队开发了MaskGWM，一个革命性的自动驾驶预测系统。该系统采用创新的"双重学习法"，让AI同时掌握图像生成和逻辑推理能力，能够预测长达12秒的未来驾驶场景。通过空间和时间两个维度的掩码重建训练，结合多视角预测能力，MaskGWM在标准测试中显著超越现有技术，并展现出强大的跨域泛化能力，为更安全智能的自动驾驶技术奠定了重要基础。

9月13日，在“PEC 2025 AI创新者大会暨第二届提示工程峰会”上，进行了一场《AGI 前夜：预见2026》的圆桌对话，对话邀请了今日美术馆执行馆长晏燕、零一万物联合创始人马杰、清智资本创始合伙人张煜，由PEC China发起人、至顶科技CEO兼总编辑高飞主持，一场围绕AI未来的深度思辨就此展开。

这项研究介绍了MADrive系统，一种革命性的自动驾驶场景模拟技术。该系统通过一个包含7万辆真实车辆的数据库，能够将普通驾驶录像转换成各种危险场景的高逼真度模拟，为自动驾驶系统提供安全的训练环境。实验表明，相比传统方法，MADrive在多个关键性能指标上都有显著提升，为解决自动驾驶训练数据稀缺问题提供了新思路。

7月26日，第六代微软小冰在北京发布。与往年一样，发布信息量非常大。

英特尔面向未来进行了大量投资，希望每个人都能利用这项技术，并能轻松进行大规模部署。同时，英特尔正与产业伙伴接洽，以支持一个基于信任、透明和多种选择的开放式AI生态系统。

面对人工智能芯片这样一个百亿级规模的市场，充满“野心”的企业不在少数，甚至有不少初后起之秀直接“叫板”英伟达。Habana Labs正是其中之一。

大型语言模型对数据中心基础设施提出前所未有的需求。AI蒸馏技术通过将庞大AI系统压缩为更高效的小型模型，为可扩展性和可持续性挑战提供突破性解决方案。该技术包括教师模型训练、学生模型训练和知识转移三个关键步骤。通过响应式、特征式和关系式等多种蒸馏方法，能显著降低计算成本，推动AI民主化进程，未来可能实现从集中式数据中心向个人设备的迁移。

这篇研究论文介绍了MM-PRM，一种用于增强多模态数学推理能力的过程奖励模型。研究团队首先构建了一个强大的多模态策略模型MM-Policy，然后创建了包含10,000个多模态数学问题的数据集MM-K12。利用蒙特卡洛树搜索(MCTS)框架，他们自动生成了超过70万个步骤级别的标注，无需人工参与。最终的奖励模型在Best-of-N推理设置中显著提升了多个基准测试的性能，包括MM-K12、OlympiadBench和MathVista等。研究还发现软标签、较小的学习率和路径多样性是优化PRM性能的关键因素。

回看过去几年，随着5G网络、物联网等技术的蓬勃发展，数据也正以前所未有的速度和规模增长着。

自从接触到产品的功能性测试，作者就一直在思考一个问题，怎么才算是一款好用的产品？