浙江大学团队创新性地将人类点击行为的高斯分布特征应用于AI界面操作训练，开发出GUI-G2方法。该方法摒弃传统二元奖励机制，采用连续高斯奖励建模，包含点精度评估和区域覆盖评估两大机制，并引入自适应方差处理不同尺寸元素。实验证实该方法在多个测试集上显著提升AI界面操作准确率，最高达24.7%的性能提升。

通过在相对简单的模拟流程中添加随机性，OpenAI正在训练机器人学会如何执行复杂的手动操作。

这项研究提出了ZPressor，一种轻量级模块，可帮助前馈式3D高斯渲染（3DGS）模型更有效地处理大量输入视图。研究团队通过信息瓶颈理论，将输入视图分为锚点视图和支持视图，然后使用交叉注意力将支持视图信息压缩到锚点视图中。实验表明，ZPressor可让现有模型在80GB GPU上处理100多个480P输入视图，同时提高渲染质量并降低计算成本。在DL3DV-10K和RealEstate10K数据集上，集成ZPressor的模型在PSNR等指标上显著优于原始模型，特别是在处理36个输入视图时性能提升更为明显。

这项研究提出了SWE-Flow框架，通过测试驱动开发方法自动生成AI编程训练数据。研究团队从真实GitHub项目中构建运行时依赖关系图，将复杂开发任务分解为循序渐进的步骤，生成了16061个训练实例。实验表明，使用该数据训练的AI模型在软件开发任务上表现显著提升，为AI编程能力提升提供了新思路。

这篇研究论文揭示了人工智能效率研究的重要转变：从以模型参数为中心的压缩技术转向以数据为中心的Token压缩方法。随着模型参数增长放缓而上下文长度呈指数级增长，自注意力机制的二次方计算复杂度已成为主要瓶颈。上海交通大学EPIC实验室研究团队系统分析了Token压缩的工作原理、优势及面临的挑战，提出了数据-模型协同压缩等未来研究方向，为下一代高效AI系统开发提供了新思路。

回顾2017年，安全领域出现了几个重大事件，一个是2017年6月《网络安全法》的实施，让安全问题有了法律的保护，用户的身份信息能够得到更加妥善的保护，而企业也能够在法律要求下进行网络安全方面的提升与防护，这对我们每一个人而言都是一个重大事件。

北京大学与阿里巴巴联合研究发现大语言模型在强化学习训练中存在"能力边界塌陷"问题，即模型虽然测试成绩提升但整体能力范围缩小。研究团队提出RL-PLUS方法，通过多重要性采样和探索优势函数，实现内外部学习结合，在六个数学基准测试中达到最先进性能，并展现出优异的跨领域泛化能力，为AI持续学习提供了重要技术突破。

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。

想象一下，你去到一个陌生的国家，那里的人们说着你完全不懂的语言。你会感到无所适从，对吧？在机器人世界中也存在类似的问题。不同种类的机器人就像来自不同国家的人，它们有自己特定的"语言"（动作方式）和"视角"（观察环境的方式）。一个操控机械臂的系统可能完全无法理解如何控制一个移动机器人，就像一个只会说英语的人无法直接理解中文一样。

百分点基于实践探索自主研发出了OSS，可以将海量的网页内容、图片、音视频等非结构化数据，在高并发的场景下被快速、准确的存储及方便的下载。

阿里巴巴联合人民大学开发的RecBot系统通过自然语言交互revolutionize推荐体验，用户可直接说"我要蓝色的但不要花纹"等指令，系统立即理解并调整推荐策略。该双智能体架构在三个月实际部署中显著提升用户满意度和商业指标，代表推荐系统从被动算法向智能助手的重要转型。

近日，IBM在一场媒体分享会上对该报告做了深度解读，并结合报告洞察分享了IBM咨询在数字化转型领域如何凭借端到端能力及行业经验助力众多客户企业及CDO们充分挖掘数据价值、以及推动数据驱动型企业在行业场景中落地。

随着企业之间共享来自促销活动和忠诚度计划的数据，有关客户的背景信息越来越丰富，因此企业就有可能为它的消费者打造全新的个性化产品、服务和体验。

南华理工大学等机构联合开发的DOUBLE-BENCH是首个面向真实场景的文档检索增强生成系统评估基准。该研究发现现有评估方法存在严重缺陷，无法准确反映系统真实能力。DOUBLE-BENCH包含3276个多语言多模态文档和5168个精心设计的问题，全面测试结果显示当前系统在检索准确率和多步推理方面仍有重大提升空间，并暴露了系统"过度自信"的问题。

这项研究提出了"力量提示"方法，使视频生成模型能够响应物理力控制信号。研究团队来自布朗大学和谷歌DeepMind，他们通过设计两种力提示——局部点力和全局风力，让模型生成符合物理规律的视频。惊人的是，尽管仅使用约15,000个合成训练样本，模型展现出卓越的泛化能力，能够处理不同材质、几何形状和环境下的力学交互。研究还发现模型具有初步的质量理解能力，相同力量对不同质量物体产生不同影响。这一突破为交互式视频生成和直观世界模型提供了新方向。

在数据中心场，英特尔一直难有对手，尤其是老牌对手AMD疲软后，英特尔在数据中心市场更是毫无压力。

斯坦福大学研究团队开发了MedCaseReasoning数据集，这是首个专门评估人工智能与临床医生诊断推理一致性的开源数据库。现有医疗AI评估标准仅检验诊断准确率，忽视了推理过程质量。该数据集包含14,489个诊断问答案例，每个都附有真实临床推理，涵盖800多种医学期刊。研究发现顶尖AI模型在医疗推理方面表现有限，如DeepSeek-R1的诊断准确率仅48%，推理召回率仅64%。

尽管通过升级iOS系统、提出复议等方式作为回应,但是苹果公司从未停止过市场上任何一款iPhone的销售。在法院裁定的执行陷入僵局的同时,人们不禁好奇,在苹果公司眼中“诉中临时禁令”是什么?

英伟达公司CEO黄仁勋邀请10万名GTC 2020参会者莅临他的厨房。

本文概述了物联网设备安全面临的不断升级的网络攻击风险，讨论了因设备普及和互联带来的漏洞、AI驱动的恶意软件威胁以及供应链风险，并提出了通过风险管理、标准制定和先进防护措施来应对这些挑战的重要性。