「当一个人做梦时，那只是梦；但当很多人一起做梦时，那便是现实。」而微软，正在把很多人的「梦」变成「现实」。

实时分析在应用场景中至关重要，通过对实时数据进行实时处理，用户可以快速制定出可行的业务决策，防止数据价值的流失。

西湖大学团队开发出VLA-Adapter机器人控制系统，仅用0.5B参数就超越了7B参数的传统系统。该系统通过Bridge Attention机制实现视觉-语言-动作的高效转换，训练成本降低38倍，推理速度快3倍，在LIBERO测试中达到97.3%成功率。创新点在于设计专门的信息桥接机制而非单纯扩大模型规模，为机器人控制技术普及提供了新路径。

作为中国的老牌家电企业，TCL是如何在数字化这片“无人区”辨明方向的？TCL实业控股首席技术官孙力在第十期《刷新CTO》节目中分享了TCL的“秘诀”。

南洋理工大学研究团队开发了WorldMem框架，首次让AI拥有真正的长期记忆能力，解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景，并使用智能检索机制，让AI能准确重现之前的场景和事件，即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色，为游戏、自动驾驶、机器人等领域带来广阔应用前景。

一方面人们开始越来越意识到AI能做什么以及无法做到什么，另一方面，越来越多的人意识到在推进技术发展的同时仍要坚守住负责任的道德规范。

香港中大团队开发出ScreenCoder系统，能够直接将网页设计图转换为完整的HTML/CSS代码。该系统采用三个专门AI助手协作的方式：识别专家负责检测界面元素，规划专家构建布局结构，代码生成专家输出最终代码。测试显示布局准确率达75.5%，显著超越现有方法。该技术不仅提高了网页开发效率，还能作为训练数据工厂改进其他AI模型，为设计到代码的自动化转换提供了新的解决方案。

巴塞罗那当地时间2026年3月2日MWC第一天，高通一次性释放了多条产品线动向，把这些碎片拼起来，指向同一件事：高通正在把AI的中心，下沉到物理世界的每一个末梢。

法国国家科研中心开发的OpenMed NER是一套开源医学文本AI识别系统，能从医学文献中自动提取疾病、药物、基因等关键信息。该系统采用创新的领域自适应预训练和LoRA微调技术，在12个测试数据集中的10个创造了新纪录，特别在临床数据识别方面提升显著。整个训练过程仅需单GPU运行12小时，碳排放不到1.2千克，展现出卓越的效率和环保性。

字节跳动团队提出RewardDance框架，首次系统性解决视觉生成中的奖励模型扩展问题。该框架通过将奖励预测转为生成式任务，并将模型规模扩展至260亿参数，同时集成任务指令、参考样例和推理能力，有效解决了"奖励作弊"问题。实验显示，在文本生成图像任务中质量提升10.7分，视频生成性能改善49%，达到行业领先水平，为AI视觉创作提供了更强大可靠的技术基础。

在MWC 2023开幕之前，我们将探讨一下电信业务的演变以及该行业在许多方面的情况，以及该行业正在进行一场类似几十年前企业IT领域发生的转型。

莫斯科物理技术学院研究发现，大语言模型无需学习词汇语义含义也能实现语言理解。通过使用基于字符视觉形状的冻结嵌入代替传统可训练嵌入，模型在推理测试中表现更佳。研究表明语义理解是Transformer架构的涌现属性，而非来自输入嵌入的语义信息，为AI语言理解机制提供了全新视角。

七年来，它经历了从云计算到大模型的技术跃迁，为数千家企业带来前沿技术解决方案。它的故事，正是一则关于“数字摆渡”的当代寓言。

曙光大数据总工程师郭庆接受采访表示，目前企业在大数据应用方面面临四大挑战，需要把握四大方向。同时，曙光XDATA凭借“融智快易”四大特点帮助企业解决大数据落地难题，曙光的ABCDE大数据布局也就此拉开。

能让芯片规模化的用起来，才是决定造芯是否成功的天花板。

中科院自动化所团队开发出Reflection-V视觉推理模型，首次让AI学会在推理过程中主动回顾检查图像信息。该模型通过创新的多智能体训练数据构建和视觉注意力奖励机制，解决了传统AI视觉推理中"看一眼就算数"的问题，在数学推理、多学科知识问答等任务上显著超越现有模型，甚至在某些测试中超过参数量大5倍的模型。

以色列理工学院研究团队开发出一种新颖的AI推理改进方法，通过训练专用的"继续思考"标记，让AI模型在解题时能够进行更深入的思考。该方法只需训练单个标记的嵌入向量，保持模型其他参数不变，在数学推理任务中展现出显著效果，准确率提升幅度达到传统方法的三倍以上，为AI推理能力提升提供了高效且通用的解决方案。

这项由中国科学院大学、新加坡国立大学、浙江大学和耶鲁大学研究人员联合发表的研究提出了VF-EVAL，一个专门评估多模态大语言模型对AI生成视频提供反馈能力的新基准。研究通过四项任务：连贯性验证、错误感知、错误类型检测和推理评估，全面测试模型理解合成视频的能力。研究发现即使是最先进的GPT-4.1模型也难以在所有任务上保持良好表现，表明AI对生成视频的理解仍有巨大提升空间。研究还通过REPROMPT实验证明，将大模型反馈与人类偏好更好地对齐可以显著提升视频生成质量。

人工智能、大数据、云等新技术兴起对存储发展带来哪些新的冲击，浪潮存储如何制定未来的发展路线？在日前的浪潮IPF2018大会上，浪潮存储研发总监李辉和Gartner VP Stanley，就智能时代的存储演进共同接受了媒体采访。

Spotify研究团队通过系统性实验发现，传统为搜索或推荐任务单独优化的语义身份证在统一系统中存在严重的性能冲突。他们提出的多任务训练方法能够同时学习查询匹配和用户行为预测，为每个物品生成既适合搜索又适合推荐的统一身份证，在两个任务中都达到良好平衡效果，为构建下一代生成式推荐系统提供了重要技术路径。