aiOla在Whisper的架构之上进行了修改采用了“多头注意力”机制的并行计算方法，允许模型在每个推理步骤中预测多个token，同时不会损失性能和识别准确率。

研究人员在著名开源文生图像模型FLUX进行了实验。结果显示，成功将FLUX的模型量化到1.58位权重，仅用{-1, 0, +1}三种值就能表示而不是更高精度的浮点数。

GPU租赁公司CoreWeave发布无服务器强化学习平台，旨在让企业更容易使用强化学习技术。该平台基于其收购的OpenPipe和Weights & Biases构建，客户无需手动配置虚拟机或裸机服务器，仅需为生成的令牌付费。据称该方案比本地Nvidia H100快1.4倍且成本降低40%。这是CoreWeave拓展AI服务业务、实现客户群体多元化战略的一部分。

以色列魏茨曼科学研究所、英特尔实验室和d-Matrix研究人员开发出新算法，能显著降低大语言模型服务成本。该算法基于投机解码技术，无需专门的草稿模型即可将令牌生成速度提升2.8倍。研究提出三种方法：令牌级交集、字符串级精确匹配和字符串级拒绝采样，解决了不同模型词汇表匹配问题。算法已集成到Hugging Face框架中，开发者仅需一行代码即可使用。

量子算法公司Phasecraft宣布获得3400万美元新融资，用于加速将量子计算的理论前景转化为实际应用。该公司成立于2019年，专注于开发超高效算法，使当前不完美的量子设备能够在实际环境中提供有意义的结果。公司采用硬件无关方法，与谷歌、IBM等多家硬件提供商合作，并与多个行业伙伴共同开发定制解决方案，应用于材料发现、化学、能源系统和物流优化等领域。

武汉大学团队与字节跳动公司合作，提出MAPO混合优势策略优化方法，解决AI训练中的"一刀切"问题。该方法能根据问题难度动态调整评分策略，避免传统方法中的优势反转和优势镜像问题。通过轨迹确定性判断和权重动态调整，在几何推理和情感识别任务上都取得显著提升，为AI自适应学习提供新思路。

近日,阿里云携手英特尔(中国)主办的“英特尔创新大师杯”冷冻电镜蛋白质结构建模大赛宣布开放报名。据介绍,该赛事旨在探索人工智能在获取蛋白质结构原子模型方面的潜力。

但这并不意味着你更换掉的硬件就毫无价值了，应该扔掉了。相反，有多种方法可以利用这些硬件，延长过时数据中心硬件的使用寿命也有充分的理由，包括但不限于提高数据中心运营的可持续性。

SEARCH-R1 是一项创新技术，通过强化学习方法训练大语言模型生成搜索查询，并将搜索引擎检索无缝集成到推理过程中。这项技术突破了传统 RAG 和工具使用方法的局限性，使模型能够在推理过程中动态获取和利用最新的外部信息，为企业应用提供了更智能、更可靠的 AI 解决方案。

KAIST研究团队提出CREPA方法，通过跨帧表示对齐技术显著改善AI视频生成的时间一致性问题。该方法让AI在生成视频时不仅关注单帧质量，还考虑相邻帧的连贯性，就像给AI安装了"时间记忆系统"。实验显示，CREPA在多个大型视频模型上都取得了显著改进，生成的视频在语义一致性、运动平滑度等关键指标上表现优异，为AI视频生成技术实用化迈出重要一步。

微软Windows Server的下一版本已被认定为长期服务渠道版，现正面向主流客户全面推出。

由华为云语音语义创新Lab多名研究者撰写的信息抽取论文《Delving Deep into Regularity: A Simple but Effective Method for Chinese Named Entity Recognition》被NAACL 2022 Findings接收。

韩国科学技术院研究团队提出"分叉-合并解码"方法，无需额外训练即可改善音视频大语言模型的多模态理解能力。通过先独立处理音频和视频（分叉阶段），再融合结果（合并阶段），该方法有效缓解了模型过度依赖单一模态的问题，在AVQA、MUSIC-AVQA和AVHBench三个基准测试中均取得显著性能提升，特别是在需要平衡音视频理解的任务上表现突出。

如今，计算处理能力的增长速度（也被称为摩尔定律）正在放缓，物联网和大数据对处理海量数据的需求不断增加，引发了“计算领域的寒武纪大爆发”，催生了新一代逻辑、内存和存储设计，包括小芯片（Chipilet）、多芯片堆叠异构设备和加速器芯片等。

未来的汽车可能会倾听你说的每一个字—— 不是为了切换收音机频道或者更新导航方向，而是通过分析驾驶员语音来实时评估情绪状态。

这篇研究论文提出了一种名为TLDR（思考长度数据再权重）的创新方法，用于解决大型语言模型在推理过程中过度思考的问题。研究团队通过动态平衡系统1（简洁直觉）和系统2（深度推理）数据的权重，实现了在保持推理准确性的同时将输出token数量减少近40%的效果。与现有方法不同，TLDR避免了繁琐的数据收集和参数调整过程，提供了一种更实用、更高效的解决方案，为大型语言模型在资源受限环境中的应用开辟了新可能。

传统数据中心冷却需要大量水和电力，干式冷却器提供了新的替代方案。通过利用环境空气进行热交换，干式冷却器几乎不消耗水资源且能耗更低，有助解决行业可持续发展挑战。然而，干式冷却器初期投资成本高，在高温或高湿环境下效果不佳，且需要更大物理空间。混合冷却方案结合干式冷却和传统冷却塔，可根据环境温度灵活切换，为追求节水的数据中心运营商提供了可行选择。

套件供应商爱立信（Ericsson）和云计算巨头AWS合作，在日立的一家工厂建立了一个5G机器视觉系统，帮助检查生产线上的缺陷。

这项研究提出了一种名为"控制目标原子"(STA)的新方法，用于精确控制大语言模型的行为。与传统提示工程相比，STA通过稀疏自编码器识别并操作模型内部的解耦知识组件，实现更稳健、灵活的行为控制。实验证明，STA在安全控制方面表现卓越，同时对模型一般能力影响微小。研究还发现控制引导方法在应对对抗性场景时比提示工程更为稳健，并成功应用于控制大型推理模型的思考长度。

亚马逊和圣母大学研究团队提出动态奖励权重调整方法，解决了大语言模型多目标训练中的固定权重局限性。该方法包括超体积引导和梯度优化两种策略，能根据不同目标的学习进度自动调整训练重点。在数学推理任务测试中，新方法在准确性、简洁性和清晰度三个指标上全面超越传统方法，同时提升了训练效率。这为AI训练从静态策略向自适应优化的转变提供了重要突破。