如今，云战略已经成为各行各业的标配，而云成本成为企业上云之旅中不可回避的问题。Akamai云计算平台除了过硬的平台能力，还涵盖了全面的服务支持，帮助客户解决上云过程中的难题，并优化云成本。

这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现，虽然4位量化能较好地保留工作流生成和工具使用能力（仅下降1%-3%），但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力，评估了不同压缩方法对15种模型的影响。结果显示，AWQ量化效果最佳，蒸馏模型在Agent任务上表现不佳，大型模型对压缩更具韧性。研究还提出ERank等创新分析方法，为实际部署提供了切实指导。

2023年9月13日-15日，2023 SuperMap开发者大会(2023 SuperMap Developer Conference，简称SDC 2023)将在线举办

8月10日，2023年开放计算中国社区技术峰会在北京举行。

南京大学与微软研究院合作提出过程式自我奖励语言模型，让AI在数学推理中既当学生又当老师。该方法通过逐步判断和偏好优化，使AI能够自我监督和持续改进，在多个数学基准测试中显示出显著性能提升，为实现超越人类水平的AI推理能力开辟了新路径。

亚马逊Nova责任AI团队与亚利桑那州立大学共同开发了AIDSAFE，这是一种创新的多代理协作框架，用于生成高质量的安全策略推理数据。不同于传统方法，AIDSAFE通过让多个AI代理进行迭代讨论和精炼，产生全面且准确的安全推理链，无需依赖昂贵的高级推理模型。实验证明，使用此方法生成的数据训练的语言模型在安全泛化和抵抗"越狱"攻击方面表现卓越，同时保持了实用性。研究还提出了"耳语者"代理技术，解决了偏好数据创建中的困难，为直接策略优化提供了更有效的训练材料。

东南大学团队提出LMM-R1框架，通过两阶段强化学习训练策略，让30亿参数的小型多模态AI模型在推理任务上实现显著性能提升。该方法先用纯文本数据强化基础推理能力，再迁移到多模态任务，避免了直接多模态训练导致的性能下降问题，为资源受限环境下的AI应用部署提供了经济高效的解决方案。

首尔国立大学和成均馆大学的研究者提出了"推理路径压缩"(RPC)技术，一种无需训练的方法，能够对大语言模型在推理过程中生成的冗余内容进行压缩。研究发现推理路径存在"语义稀疏性"——大量重复或多余的内容。RPC通过定期评估词元重要性并保留最关键部分，将QwQ-32B模型的推理吞吐量提高了1.60倍，同时准确率仅下降1.2%，并显著减少了内存消耗，解决了长序列生成的内存溢出问题。

马里兰大学研究团队开发了"去预设"方法，通过将复杂声明分解为无预设前提的简单问题，让AI像侦探般系统性验证每个假设。该方法显著提升AI信息验证准确率2-5%，大幅降低对提示词变化的敏感性，为构建更可靠的AI系统提供新思路。研究在生物医学等复杂领域表现尤其出色。

生成式AI的主要作用在于生成人类语言。但除此之外，其潜力早已跨过这条连坐，涵盖了复杂的生物和化学语言。举例来说，人类DNA可以看作是一条由30亿个字母组成的序列，这就形成了一种独特的语言。

Meta 斥资近150亿美元入股Scale AI49%并邀请CEO Alexandr Wang组建新超智能实验室，试图以数据优势提升AI研发，但这一举措备受争议，其成效尚待时间检验。

希捷已经将Catalog的DNA存储技术引入其“片上实验室”（lab-on-a-chip）项目，希望用更小巧的设备快速读取存储在DNA中的数据。那么，“片上实验室”究竟是什么？希捷又为什么要力推这个概念？

随着企业业务变得更加分散，员工队伍永久演变为更加混合的工作模式，当前的趋势表明，攻击和漏洞将继续以更高的频率出现。76%的中国组织遭受过勒索病毒攻击，网络攻击连续第二年成为造成中断的最大原因。

由于缺少具体论文地址，无法生成对应的学术研究简介。请提供论文链接或详细信息后，我将为您生成一篇完整的专业学术解读文章。

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。

2020年3月13日，戴尔科技集团近期赞助并发布了一份由Enterprise Strategy Group（ESG）公司撰写的报告，对多云的复杂性、成本进行了探讨，并研究了跨云基础架构的一致性如何为组织创造的价值。点击阅读本报告。

对于厂商和开发者来说,有什么办法可以在鸿蒙操作系统上线后的第一时间就能够体验到真机测试呢?本期内容将介绍在Testin云测试平台中的鸿蒙系统设备真机调试方法。

斯坦福等高校联合研发的分解奖励模型（DRMs）通过主成分分析技术，将复杂人类偏好分解为多个独立维度，解决了传统AI只能理解"平均偏好"的局限。该方法仅需少量用户样例即可实现个性化定制，在多项测试中显著超越传统方法，为AI个性化服务开辟了新路径。

南开大学团队开发出TempSamp-R1视频理解系统，采用混合学习策略结合自主探索和专家指导，让AI能够像人类一样精准定位视频中的关键时刻。该系统在多个数据集上取得显著性能提升，准确率达到52.9%-56.0%，为视频搜索、教育、安防等领域提供了重要技术支撑，标志着视频人工智能理解能力的重大突破。

这项研究介绍了FastTD3，一种简单却高效的强化学习算法，能显著加速人形机器人的训练过程。由加州大学伯克利分校团队开发，FastTD3通过四个关键优化——并行模拟、大批量更新、分布式评论家网络和精心调整的超参数，在不到3小时内解决了复杂的人形机器人控制任务，并成功实现了从模拟到实体机器人的技能迁移，为机器人学习研究提供了宝贵的开源工具。