答者为Pure Storage旗下PortWorx云原生业务部门副总裁兼总经理Murli Thirumale。而这篇问答的核心，在于解读组织机构为什么不仅需要存储策略、更需要制定数据策略。

清华大学团队开发了首个能同时理解街景、卫星图、轨迹和地理数据的城市AI系统UrbanLLaVA。通过创新的三阶段训练法和多模态融合技术，该系统在十二项城市任务测试中显著超越现有方法，为智慧城市、导航服务、城市规划等领域带来突破性进展，代码已开源。

云原生所具备的技术价值和业务价值，是初创企业应对不确定性的最佳选择。

本文介绍了一种新的提示方法,旨在充分利用多智能体人工智能系统。随着智能体AI的兴起,我们将面临如何通过提示来调用合适的智能体AI完成任务的挑战。文章探讨了"驾驶员座位"和"乘客座位"两种提示方法,并提供了实际应用示例。同时还介绍了最新的多智能体AI研究进展,包括基于句子嵌入的智能体推荐技术。

卡内基梅隆大学等机构研究团队推出HARDTESTS，解决AI编程测试的可靠性危机。研究显示现有测试集有高达60%的通过测试程序实际存在错误，而80%的编程问题无法获取人类编写的官方测试用例。团队开发的HARDTESTGEN管道通过三种方式生成测试：直接生成的小规模输入、随机常规输入和专门设计发现隐藏错误的"黑客输入"。实验证明，与现有方法相比，HARDTESTS在评估AI代码时准确率提升11.3个百分点，召回率提升17.5个百分点，对困难问题的准确率提升可达40个百分点。

易捷在联络中心启用了生成式AI。过去，分析师需要40分钟才能阅读、理解并撰写电子邮件回复，但使用生成式AI，这个时间缩短到了大约10到15分钟。

浙江大学团队提出CanDist框架，让AI在数据标注时先提供多个候选答案而非单一答案，再通过师生框架筛选最优标签。该方法受心理学"模糊厌恶"启发，在六个文本分类任务上表现优异，相比传统方法平均提升18-27%准确率，为AI数据标注提供了更智能可靠的解决方案。

这篇研究介绍了"量化LLM评价者"，一个创新框架，能使大型语言模型(LLM)在评估其他AI输出时更接近人类判断。由麻省理工和Adobe联合研发的这一方法，将评估过程分为两个阶段：先让LLM生成文本评价，再用轻量级机器学习模型将这些评价转化为更准确的数值评分。研究提出了四种评价者模型，适用于不同评估场景，实验表明它们不仅能显著提高评分准确性，还比传统微调方法更节省计算资源。这一框架特别适合人类反馈有限的场景，为AI评估领域开辟了高效且可解释的新路径。

从过去几周英特尔在各类活动中的表述来看，特别是参考Hot Chips 2023和英特尔Innovation 2023大会上发布的消息，芯片巨头的制程工艺路线图及其服务器处理器设计思路将保持统一，共同为明年发布的至强SP系列CPU提供竞争力支撑。

作为数据应用结果的展现，管理会计报告在数据来源、数据传递、数据分析以及数据展现等方面均面临重大变革。如何构建数字化企业管理会计报告的应用模式？管理会计报告将有哪些创新应用？这些都是身处数字化转型期的企业管理者普遍关心的问题。

冒险是创业常态，如何挑选正确的合作伙伴，对于创业至关重要。

这篇研究来自丹麦奥尔堡大学的团队，探讨了大语言模型的推理过程如何影响事实准确性。研究者通过从高级推理模型中提取思考轨迹，并用知识图谱增强这些轨迹，然后对不同规模的模型进行微调并在六个数据集上测试。结果表明，对小型模型而言，长推理过程显著提高事实准确性；而增加测试时计算资源（如并行采样或增加令牌预算）可使准确率提高2-8%。研究发现约2K令牌长度的推理效果最佳，为提升大语言模型事实准确性提供了新思路。

互联网巨头的新玩法，是一次跨维度挑战，但是也是一次新思维重塑。这既未见得不能给传统玩家以新启发，也不好说某天守城一方也可以借此新模式反攻互联网。

AGI（人工通用智能）被多位业界领袖预测将在五年内实现，这一预测基于最新的AI模型发展速度，如GPT-5的即将发布。然而，AGI的实现也面临着能源消耗和算力需求的巨大挑战。

如今，获得初步胜利的AMD开始将CPU与GPU计算整合起来，同时再辅以一点收购自赛灵思的FPGA和来自Pensando的DPU元素。

香港大学与字节跳动联合开发了名为Goku的AI模型，能够同时生成高质量图片和视频。该模型采用修正流技术和统一训练架构，使用1.6亿张图片和3600万段视频训练，在多项评测中达到业界领先水平，在VBench视频测试中获得84.85分，GenEval图片测试中达到0.76分，展现了AI视觉生成技术向通用化发展的新趋势。

在天津市委常委、天津滨海新区区委书记、中国工程院院士张玉卓的主持下，中国科学技术协会党组书记、常务副主席怀进鹏对话阿里巴巴集团董事局主席马云，就人工智能、人才培养等话题发表了观点。

到底靠不靠谱，我们亲测了下。

几年前，我还是一名IT销售人员，一日出差途中，倍感无聊，点开朋友圈以解闷，结果上来就受到了三位段子手的灵魂暴击。

MediaTek Research团队提出的Latent Flow Transformer（LFT）是一种创新架构，通过流匹配技术将多个Transformer层压缩为单层，大幅提升效率。研究引入"重耦合比率"指标精确预测适合压缩的层，并开发Flow Walking算法解决路径交叉问题。在Pythia-410M模型上，LFT成功将12层压缩为1层，其性能超过简单跳过3层的方法，缩小了自回归与基于流的生成方法之间的差距。这一技术不仅降低了模型参数量，还保持与原始架构兼容性，为大型语言模型的高效部署开辟了新途径。