/
Hammerspace凭借标准软件在IO500性能测试中实现突破
Hammerspace在IO500基准测试中取得突破，其标准Linux加NFS系统软件实现了HPC级性能，无需专有并行文件系统的复杂性。在SC25的10节点生产环境测试中排名第18位，这是NFS系统有史以来最快的结果。该公司使用标准Linux、上游NFSv4.2客户端和商用NVMe闪存实现了总分85.23的成绩，证明HPC级性能不再需要专有客户端或特殊文件系统。
甲骨文在阿布扎比部署中东首个AI超级集群推进主权人工智能
甲骨文在阿布扎比云区域部署了中东地区首个由英伟达Blackwell GPU驱动的OCI超级集群，旨在加速阿联酋主权AI发展，支持阿布扎比到2027年成为全球首个完全AI原生政府的目标。这项部署是该地区最重要的高性能AI计算投资之一，使政府和受监管行业能够在本地运行训练、推理和研发工作负载，同时保持严格的数据驻留和主权控制。该超级集群为中东政府和企业提供了世界最先进的AI计算能力。
EE宣称在5G独立组网覆盖方面处于领先地位
英国领先电信运营商EE在推出5G独立组网（现称为5G+）一年多后，宣布在全国5G+项目中迈出重要一步，为超过50万拥有兼容智能手机的客户提供5G+服务。EE已将5G+覆盖扩展至66%的英国人口，提前五个月超越原定目标。新增20个城镇的5G+服务，惠及160万人。该网络提供比4G高100倍的容量，支持更流畅的流媒体、视频通话和移动游戏体验。
67%的首席信息官认为自己有潜力成为首席执行官
德勤调研显示，三分之二的CIO渴望成为CEO，认为自己具备必要的领导技能和推动创新的能力。52%的CIO表示其IT团队被视为收入创造者而非服务中心，体现了IT部门地位的转变。36%的CIO目前管理损益表，这可能激发了新的职业抱负。专家认为，CIO角色已从IT运营转向业务增长的关键驱动者，在客户体验到收入模式等各方面发挥重要作用。
万亿参数模型、精简软件内核与AI的未来
20世纪90年代末，作者在德州大学聆听了计算机科学巨匠Dijkstra和Wirth的演讲。Wirth通过Pascal到Oberon的语言设计历程，展现了控制软件复杂性的重要性。他和合作者仅用200KB内存就构建了完整的操作系统。随着硬件性能爆炸式增长，软件设计纪律逐渐丧失。如今面对大语言模型时代，我们更需要Wirth倡导的简洁设计原则，避免盲目将LLM应用到已经臃肿的系统架构中。
IBM谈如何打破云服务供应商垄断束缚
IBM亚太区总经理汉斯·德克斯表示，随着地缘政治紧张局势加剧和数据主权法律要求，亚太地区首席信息官越来越担心过度依赖少数几家主要云服务商。IBM正将自己定位为中立的技术经纪人，通过Red Hat开源软件作为"万能血型"，让应用在本地服务器和各种公有云之间自由迁移。公司专注于混合云、企业AI和量子计算三大技术领域，通过"客户零号"项目在内部实现70个工作流程整合，降低成本45亿美元，为客户提供独立建议帮助其重获灵活性和控制权。
卡内基梅隆大学突破性研究：无需训练数据也能让AI学会图像编辑
卡内基梅隆大学联合Adobe开发出革命性的NP-Edit技术，首次实现无需训练数据对的AI图像编辑。该技术通过视觉语言模型的语言反馈指导和分布匹配蒸馏的质量保障，让AI仅用4步就能完成传统50步的编辑任务，在保持高质量的同时大幅提升处理速度，为图像编辑技术的普及应用开辟了全新道路。
复旦大学团队突破AI生成"复制粘贴"痛点：让多人脸AI不再千人一面
复旦大学团队突破AI人脸生成"复制粘贴"痛点，开发WithAnyone模型解决传统AI要么完全复制参考图像、要么身份差异过大的问题。通过MultiID-2M大规模数据集和创新训练策略，实现保持身份一致性的同时允许自然变化，为AI图像生成技术树立新标杆。
卡内基梅隆大学研究团队揭秘：让AI搜索引擎"偏爱"你的网站内容的神奇技术
卡内基梅隆大学研究团队开发出AutoGEO智能系统，能够自动分析AI搜索引擎的偏好规律并优化网页内容。系统包含高端版AutoGEOAPI和经济版AutoGEOMini，分别可提升50.99%和20.99%的内容可见度。与传统SEO不同，该系统采用合作性优化方法，在提升内容关注度的同时保证搜索结果质量，为AI时代的内容优化提供了科学解决方案。
MIT等机构研究：让AI做"游戏评委"，发现模型评判能力的意外真相
MIT等顶尖院校研究团队首次系统探索AI评判游戏能力，通过121个全新棋盘游戏测试发现：AI推理能力越强，反而越可能偏离人类直觉。研究揭示"计算完美"与"人类体验"间的根本差异，为AI如何更好理解人类价值观提供重要启示。
微软研究院发现AI推理过程的内在"轨迹密码"：让机器更聪明地思考而不是盲目计算
微软研究院联合德国法兰克福大学发现AI推理过程的内在"轨迹密码"，通过观察模型内部表征变化预测答案质量。研究提出三个轨迹信号，在保持甚至提升准确性的同时，将计算资源消耗减少48%，采样数量减少58%。这项突破为优化AI推理效率、理解模型内在机制提供了全新视角。
Meta AI与乔治亚理工学院联手破解大模型"花样百出"的长文本挑战
这项由乔治亚理工学院和Meta AI等机构联合完成的研究揭示了当前AI长文档处理能力的真实状况。研究团队构建了基于完整维基百科网络的HaystackCraft测试平台，发现传统测试过于简化，无法反映真实应用中的复杂性。研究显示不同信息检索策略会显著影响AI表现，而多轮推理反而可能导致错误累积，即使先进如GPT-5的模型也存在自我纠错能力不足的问题。
Meta团队如何让AI推理训练更聪明：把100万小时计算时间变成可预测的"配方"
Meta团队通过超过40万GPU小时的大规模实验，首次为AI强化学习训练建立了科学预测方法。他们发现AI训练遵循S型增长规律，并开发出ScaleRL标准配方，能根据小规模实验准确预测大规模训练效果。该研究成功预测了10万GPU小时训练结果，将强化学习从"艺术"转变为"科学"，为AI训练的可预测性和成本控制提供了重要突破。
用AI解决网络延迟难题：德州大学团队让云端智能实时响应
这项由德州大学奥斯汀分校与InterDigital公司合作完成的研究，通过创新的Dedelayed系统解决了云端AI处理的延迟难题。该系统让云端模型学会预测未来状态，与本地实时观察融合，在100毫秒延迟下仍能显著优于传统方案，为自动驾驶、无人机等实时AI应用开辟了新路径。
北京大学团队开发新方法：大模型与人脑竟然有相似的语法处理机制
北京大学团队开发出HFTP方法，通过频率分析技术同时研究大语言模型和人脑的语法处理机制。研究发现六种主流AI模型都能识别语法结构但方式各异，且都与人脑左半球语言区域表现出相似性。令人意外的是，升级版模型并非都表现更好——Gemma 2比原版更接近人脑，而Llama 3.1反而相似性下降。该方法在教育、医疗和AI优化方面具有广阔应用前景。
图宾根大学团队破解AI数学推理边界：现有强化学习方法其实只是"磨刀不换刀"
德国图宾根大学研究团队发现，现有AI数学推理的强化学习方法主要是"磨刀不换刀"—只强化已有解题模式而非开发新推理能力。他们创建了MATH-Beyond基准测试，收录181个连强AI模型尝试1024次都难以解决的高中数学题，揭示当前方法的局限性，推动开发真正具有探索性的AI训练方法。
让大语言模型变身"省钱高手"：格罗宁根大学突破性EAGER技术让AI推理省钱又聪明
荷兰格罗宁根大学等机构联合发布的EAGER技术，通过监测AI推理过程中的不确定性来动态分配计算资源，实现了在减少65%计算成本的同时提升37%准确率的突破。该技术可直接应用于现有模型，在数学、科学、编程等多领域测试中均表现优异，为AI推理优化开辟了全新方向。
西湖大学联合团队首创3D空间推理新框架：让AI像人类一样"看懂"立体世界
西湖大学联合团队开发出首个端到端3D空间推理系统GS-Reasoner，解决了AI难以同时处理物体识别和空间推理的技术难题。该系统通过创新的双路径融合技术和接地思维链训练方法，实现了无需外部工具的自主物体定位和复杂空间推理能力，在多项权威测试中达到最优性能，为自动驾驶、机器人导航等应用开辟新路径。
密歇根大学团队突破性发现：视频生成AI竟能"追踪"物体运动
密歇根大学研究团队发现视频生成AI具有意外的物体追踪能力。他们开发了"点提示追踪"技术，通过在视频首帧添加红色标记，让AI自动追踪物体运动轨迹。该方法无需专门训练，在处理遮挡等困难场景时表现优异，追踪准确性超越现有零样本方法，为AI跨任务能力研究开辟新方向。
上海交通大学与阿里巴巴揭秘AI推理新奥秘：注意力机制竟能暴露大模型思考节奏
上海交通大学与阿里巴巴合作研究发现，大型语言模型在推理时展现出"预设与锚定"的思考节奏。通过分析注意力机制，研究团队首次揭示了AI内部的推理逻辑，并基于此开发了三种新的强化学习训练策略，在多个数学推理任务上获得显著性能提升，为AI系统的可解释性和训练效率提供了突破性进展。
京公网安备 11010802021500号
