这篇论文介绍了香港中文大学研究团队开发的创新框架"Solve-Detect-Verify"和灵活验证器"FlexiVe"。该系统模拟人类"快思考"和"慢思考"的双重认知模式，能根据问题复杂度智能调配计算资源。验证器首先采用轻量级"快思考"并行评估整个推理过程，仅在结果不确定时才启动详细的"慢思考"分析。结合主动识别解决方案完成点的机制，该系统在AIME和CNMO等数学推理基准测试中表现出色，使用约四分之一的计算资源即可达到甚至超越传统方法的准确率，为AI推理效率与准确性的平衡提供了新范式。

蚂蚁集团与西湖大学联合开发的AWORLD开源框架，通过分布式并行训练将AI助手的练习效率提升14.6倍，成功将Qwen3-32B模型在GAIA测试中的准确率从21.59%提升至32.23%，在最困难任务上甚至超越了GPT-4o等商业AI产品，为"从练习中学习"的AI训练理念提供了实用解决方案。

意大利国家研究委员会团队提出了一种创新的艺术风格分类方法，将柯尔莫哥洛夫-阿诺德网络融入双教师知识蒸馏框架。该方法用自适应样条函数替代传统固定激活函数，能更精确捕捉艺术风格中的复杂非线性特征。在WikiArt和Pandora18k数据集上的实验表明，相比传统MLP投影头，该方法在多种主干架构上都实现了显著的性能提升，特别在细粒度艺术风格区分方面表现出色，为艺术风格自动识别和文化遗产数字化提供了新的技术路径。

NVIDIA研究团队开发的STORM系统实现了AI长视频理解的重大突破。该系统采用Mamba时间编码技术，能够像人类一样理解视频的时间脉络和内容关联，而非孤立分析每帧画面。通过创新的三种压缩策略，STORM在大幅提升处理效率的同时保持了理解准确性，在多项基准测试中超越现有系统5%以上，为教育、医疗、安防等领域的智能化应用奠定了技术基础。

维谛技术以其全球领先的关键基础设施技术及全生命周期服务，数十年来持续为数据中心关键基础设施、通信网络、商业和工业、新能源领域提供业务保障。近日《哈佛商业评论》中文版及“年度卓越管理奖”专家评委实地走进维谛，了解其背后的卓越管理之道。

快手团队联合清华、浙大推出MIDAS数字人系统，通过创新的自回归视频生成框架实现多模态实时交互。系统采用深度压缩自编码器将视频压缩64倍，结合大语言模型处理音频、姿态、文本等多种输入，配合轻量级扩散头生成高质量视频。可支持双人对话、跨语言合成等应用，生成视频长达4分钟无明显质量下降，为数字人实时交互应用奠定重要技术基础。

微软亚洲研究院发布HeurAgenix框架，首次实现让大型语言模型自动进化和选择算法来解决组合优化难题。该系统通过对比学习机制让AI自主发现改进策略，并开发轻量级选择模型在保持性能的同时大幅降低成本。在五大经典问题测试中表现卓越，为传统需要专家手工设计的优化问题提供了自动化解决方案。

谷歌DeepMind团队开发的GraphCast是一个革命性的AI天气预测模型，能够在不到一分钟内完成10天全球天气预报，准确性超越传统方法90%的指标。该模型采用图神经网络技术，通过学习40年历史数据掌握天气变化规律，在极端天气预测方面表现卓越，能耗仅为传统方法的千分之一，为气象学领域带来了效率和精度的双重突破。

卢森堡大学团队首次从数学角度严格证明了AI注意力机制的容量限制。研究发现softmax归一化存在"注意力稀释"问题，单个注意力头最多只能区分80%的重要信息，且降低温度参数会导致训练不稳定。通过GPT-2实验验证了理论预测，为长文本处理和多头注意力设计提供了科学依据，解释了AI模型在处理长序列时性能下降的根本原因。

Nvidia在2023年投资者会议上展示了其GPU发展蓝图，计划在2024年推出H200和B100 GPU，2025年推出X100 GPU。其AI芯片更新周期从两年一次缩短至一年一次，体现产品开发速度加快。Nvidia的“One Architecture”统一架构支持不同环境下的模型训练和部署，适用于数据中心和边缘计算。同时，Nvidia的技术路线图包括HBM3E高速存储器、PCIE 6.0/7.0、NVLink、224G SerDes、1.6T接口等先进技术。

在2020年12月8日这天，红帽和CentOS的官网同时宣布不再对CentOS社区进行投入，而相关的投资将转移到CentOS Stream项目上。

杜克大学研究团队开发了MOG-DFM技术，这是首个能够同时优化生物分子多种特性的AI系统。该方法成功解决了传统药物设计中"顾此失彼"的难题，能够设计出既安全又有效的治疗性分子。实验证明，MOG-DFM在肽类药物和DNA序列设计中都表现优异，有望显著加速药物发现进程并推动个性化医疗发展。

NVIDIA领导的国际团队开发出DIFIX3D+系统，通过单步扩散模型DIFIX解决3D重建在极端视角下的画质瑕疵问题。该技术既能在训练阶段渐进式优化3D表示，又能在推理时实时修复残余瑕疵，在多个数据集上实现FID分数2倍改进和PSNR超1dB提升，且兼容NeRF和3DGS两种主流3D表示方法。

这项研究不仅是科学史上的一个重要里程碑，也预示着一个更加精准、更加个性化的医学时代的到来。

从4万亿芯片帝国到AI革命，黄仁勋揭秘英伟达30年创新密码：‘你必须相信你所相信的‘。当计算成本10年下降10万倍，人类将面临怎样的未来？这场斯坦福对话给出了颠覆性答案。

智能制造是智能技术和制造技术的融合，智能制造通过人工智能、工业互联做到五个部分，智能制造+创新设计，智能制造+工艺提升，智能制造+强化质量，智能制造+延伸服务，智能制造+拓展市场。

斯坦福大学研究团队构建了AHELM评估系统，首次对14个主流音频语言模型进行标准化全面测试。研究发现Gemini 2.5 Pro综合表现最佳但存在性别偏见，传统语音识别方法在多项任务中击败先进AI模型，揭示了当前音频AI技术的真实能力边界和潜在风险。

二十年前，这款企业演示软件被称为“理性的终结”，真有这么严重吗？

中科院团队开发的LLaVA-Mini实现了多模态AI领域的重大突破，将图像理解所需的视觉token从576个压缩至1个，性能不降反升。通过创新的预融合技术和智能压缩机制，该模型计算量减少77%，速度提升3倍，内存占用减少600倍。这一成果使普通设备也能进行高效的图像视频理解，为多模态AI的普及化应用奠定了基础。

IBM长期致力于打造一个更加可持续、更公平的未来。