哈工大（深圳）团队提出VerIPO方法，通过验证器引导的迭代策略优化提升视频大语言模型的长推理能力。该方法创新性地在GRPO和DPO训练阶段之间引入验证器，筛选高质量推理样本，有效解决了传统强化学习方法在推理链质量和上下文一致性方面的不足。实验表明，VerIPO训练的7B参数模型超越了包括Kimi-VL（16B）和Video-R1在内的更大模型，在VSI-Bench等基准测试中取得41.8%的准确率，同时生成更长、更一致的推理链，为视频大模型的深度推理能力培养提供了高效可行的新方法。

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。

亚马逊云科技（AWS）re:Invent全球大会本周在拉斯维加斯拉开帷幕。这个为期一周的云计算大会包含了一系列主题演讲、领袖峰会、技术研讨会和案例演示等等，并深入展示了英特尔与AWS的长期合作伙伴关系以及英特尔如何助力AWS实现技术创新。

新加坡AI初创公司Sapient Intelligence开发出层次推理模型(HRM)，在复杂推理任务上匹配甚至超越大语言模型性能，同时显著降低数据和内存需求。该架构模仿人脑双系统运作机制，通过高层抽象规划模块和低层快速计算模块协同工作，避免了链式思维推理的局限性。在极难数独和迷宫问题上，HRM仅用1000个训练样本就达到近完美准确率，而先进语言模型完全失败。

亚马逊最近一个季度在云计算和核心零售业务昂面的强势，再次帮助亚马逊让利润超出了华尔街的预期。

根据斑马技术2022年《全球医药供应链愿景研究报告》显示，七成受访患者担心收到失窃、受污染、损坏、过期或假冒伪劣的药品。许多 (43%) 受访患者担忧若不进一步完善供应链，可能会导致更多的隐患或健康风险。

达索系统前几日宣布，于2023年6月19日至25日举办的巴黎—布尔歇国际航空航天展览会（以下简称“巴黎航展”）上展示3DEXPERIENCE平台如何在航空航天与国防行业充分发挥可持续创新的力量。

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。

今天，中国的央企和地方国有企业正在积极推进一个重要的历史发展进程，就是“高质量发展，建设世界一流企业”。

一项新研究表明,过度依赖人工智能可能会削弱人类的批判性思维能力。研究发现,频繁使用 AI 的人更倾向于将思考任务交给技术,而不是独立思考。这种认知卸载现象在年轻人中尤为明显,引发了对专业判断力长期影响的担忧。研究强调了在法律等高风险领域平衡使用 AI 与保持人类专业技能的重要性。

Oracle在自己的Oracle Cloud Infrastructure平台上推出了首个基于Arm的云计算产品，为客户提供了更多选择和灵活性。

如今的OTT服务运行着各种复杂的应用程序和苛刻的工作负载，而Akamai的云计算服务正是处理这些应用程序和工作负载的理想选择。

斯坦福安全AI中心研究团队通过让大语言模型玩25款经典文字冒险游戏，测试其长期推理能力。结果显示即使最先进的GPT-5也仅能完成37.8%进度，揭示了当前AI在复杂探索任务中的重大局限性。研究发现AI存在长文本理解衰减、空间推理困难、试错学习能力不足等问题，为AI发展指出了内在智能提升的重要方向。

人力资源数智化可以通过全面治理数据、应用于不同业务场景，实现数据价值最大化，提升组织管理效能和促进员工科学管理。

华为中国政企业务副总裁李同广在《汇聚能力，共创价值》主题演讲中表示，伙伴数字化转型的本质是一场业务变革，需要携手有能力的伙伴长期合作、持续运营。

Salesforce创始人Marc Benioff预见，AI代理正迅速替代人力处理客服、规划与决策，引发企业工作模式的根本变革，开启人机深度协作新时代。

在实现软件定义汽车这一愿景之前，整个汽车行业首先需要就当前面临的挑战做出不同的思考。

4月30日，美国通用电气公司（NYSE:GE）发布截至2019年3月31日的第一季度财务报告。

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。

AI和高性能计算正重塑各行各业，但数据中心为适应多样化工作负载而添加各种专用加速器，反而导致运营效率下降。专用芯片与CPU、GPU等系统组合产生了前所未有的复杂性，功耗飙升至不可持续水平。随着AI模型规模增长和工作负载边界模糊，传统静态硬件分配已不适用。可重构计算提供了新方案：单一平台可动态调整架构以匹配不同需求，消除芯片间通信瓶颈，降低功耗，简化运营。