哈佛和MIT研究团队通过创新的"归纳偏差探测"方法，发现AI基础模型虽然在预测任务上表现出色，但实际上并未真正理解世界的基本规律。研究以天体物理学为例，揭示了AI模型更像是依赖启发式策略的"经验主义者"，而非掌握深层原理的"理论家"，为AI发展指明了新方向。

微服务、容器、Kubernetes...这些关于应用开发和交付的新方法，在今天的企业内部已经越来越流行，但它们能在多大程度上为企业带来实际业务成果？

众所周知，科技领域，最不缺的就是大量的新概念，新理论，新技术……近几年，除了人工智能、物联网、深度学习等较火的技术外，雾计算随着云计算及边缘计算的快速发展，逐渐出现的大众视野中，成为科技界的流行词。

TensorFlow与Keras加持，基于NVIDIA Jetson Nano的新应用助力智慧城市应用下网络和云资源的最佳整理利用。

西班牙马德里理工大学等机构联合研究发现，大语言模型在经过推理思考后会变得更加自信，但这种自信不分对错。研究测试了七个不同模型，发现当要求AI先解释推理过程再回答选择题时，所有模型都表现出更高的信心水平，且错误答案的信心增长甚至超过正确答案。这一现象类似人类"解释即相信"的认知偏见。

这项由以色列理工学院等机构完成的研究提出了SingLoRA方法，用单一矩阵替代传统LoRA的双矩阵设计，解决了AI模型微调中的稳定性问题。该方法在保持性能的同时将参数量减少一半，在语言理解和图像生成任务中都表现出色，为大模型的高效适应提供了新的解决思路。

IT部门的低迷也会限制企业满足不断变化的市场需求的能力，延长开发和发布新产品和服务所需的时间，最终会降低客户满意度。

清华大学研究团队开发出能够像人类一样理解物理世界的人工智能系统。该系统采用"子等变图神经网络"架构，内置物理规律，能仅通过观察预测物体运动和相互作用。与传统AI相比，新系统预测精度提升30-45%，且具备强大的泛化能力，可应用于机器人、自动驾驶、游戏开发等领域，代表了从数据驱动向知识驱动转变的重要突破。

英国气象局（Met Office）产品创新负责人Niall Robinson是一位经验丰富的高管，他将英国国家气象和气候服务部门的新颖想法转化为有价值的成果。他已经在这里工作了12年，但仍在寻找方法推动变革。

蓬勃发展的数字化技术不断改写着现有格局，重构行业价值链，使中国新经济具有更强的全球竞争力。

在外部环境充满了不确定变化的当下，企业想要更从容、主动地适应这些变化，就要足够灵活、敏捷的系统为企业创新提供支撑。而开源恰恰是最好的方式。

我们都听说过“数字化转型”一词。这是这一代代理商和营销商的营销流行语。现代的代理商会发挥自己的优势，而传统的代理商则会捍卫旧的方式，而客户（在许多情况下）却很难理解。

日前,山东大学郭亮团队依托曙光计算服务平台的异构智能计算服务,正式实现了对威海校区全部教学区域的高精度三维重建。

强化学习是一种行为学习模型，由算法提供数据分析反馈，引导用户逐步获取最佳结果。

伊利诺伊大学研究团队发现AI在多模态推理中存在严重的视觉理解缺陷，67%的错误源于对图像信息的误解。他们开发了PAPO方法，通过图像遮挡技术强迫AI真正使用视觉信息，实现了4.4%的性能提升。这项研究对AI在教育、医疗、自动驾驶等领域的可靠应用具有重要意义。

在8月11日2020北京网络安全大会（BCS 2020）产业峰会上，奇安信集团总裁吴云坤在主题演讲中提出，用内生安全框架提升网络安全产值，以破解我国网络安全产业规模小的困局。

德州大学和清华大学研究团队运用强化学习技术成功优化量子纠错码设计，将物理量子比特开销最高降低73倍，并首次实现距离高达35的实用化编码。该方法通过"权重约简"策略，在保持纠错能力的前提下显著简化测量操作复杂度，为近期量子设备的容错计算实现提供了可行方案，代表了AI驱动量子技术发展的重要突破。

AI代理正在重塑云管理领域，通过自动化资源配置和管理来简化操作流程。这些系统具有速度快、一致性强、成本效益高等优势，能够简化多云环境管理。然而，AI代理也存在局限性，包括LLM"幻觉"风险、缺乏精确控制、运营成本高昂、可用代理数量有限以及技术生态系统碎片化等问题。尽管如此，AI代理仍将显著改变云管理工作方式。

澳大利亚Beyond Bank银行首席执行官Stevie-Ann Dovico上任刚刚几个月的时间，近日她分享了以人为本的管理方法，以及在实施与业务战略相关的技术时以行动为导向的重要性。

深圳大学、腾讯等机构联合提出ReDit方法，通过在离散奖励信号中添加随机噪音解决AI训练中的梯度不稳定问题。该方法将学习速度提升约10倍，在数学推理等任务上显著改善模型性能，为大语言模型训练提供了简洁高效的优化方案。