/
Python基金会放弃150万美元政府资助，坚持多元化理念
Python软件基金会放弃了150万美元的政府资助，原因是美国国家科学基金会要求基金会承诺不开展任何推进多元化、公平和包容性的项目。该资助本用于解决Python和PyPI的结构性安全漏洞，但基金会认为这些条款与其支持多元化Python程序员社区的使命相冲突，最终董事会一致投票撤回申请。
橡树岭国家实验室Discovery超算获得DAOS存储选项
HPE正在为橡树岭国家实验室构建两台新超级计算机：继任Frontier的Discovery系统将采用HPE GX5000 Cray百亿亿次超算，专为AI与高性能计算融合时代设计，配备K3000 DAOS存储选项和Lux AI系统。Discovery将支持基于物理的建模、仿真、数据驱动AI模型和量子计算测试平台功能。
爱立信、诺基亚联手德国弗劳恩霍夫研究所推动6G时代视频编码标准
爱立信、诺基亚与德国弗劳恩霍夫研究所合作，推动6G时代视频编码标准化发展。该合作旨在提升沉浸式媒体和移动视频用户体验，其下一代视频编码技术概念验证比现有标准压缩效率显著提高。新标准预计2029-2030年投入使用，将支持专业内容、AI生成内容、游戏3D内容编码，以及汽车和工业应用，为未来十年数字媒体格局奠定基础。
LinkedIn强制使用用户数据训练AI：一周内不选择退出即视为同意
LinkedIn宣布从11月3日起将抓取欧盟、加拿大、香港等地区用户的资料和公开帖子来训练AI模型。微软子公司LinkedIn还将与关联公司分享这些数据用于个性化广告投放。用户个人资料详情、动态活动数据都在抓取范围内，但私信不包括在内。受影响地区用户有一周时间通过设置中的数据隐私选项退出AI训练和广告数据共享功能。
生成式AI推动数据中心和存储架构深度变革
Silicon Angle研究显示，生成式AI浪潮正推动数据中心从传统架构向加速计算、高度可扩展的AI工厂转变。这些AI工厂采用GPU为核心的并行计算架构，配备分解式存储系统，通过高性能NVMe和并行文件系统实现数据流水线、模型训练和推理部署的端到端自动化处理。企业将主要通过API接口访问大型AI工厂服务，而非自建基础设施。
联想如何整合即将收购的Infinidat存储系统
联想与英飞拓在存储系统整合方面保持沉默。英飞拓三控制器架构的InfiniBox与联想现有的NetApp ONTAP双控制器系统在硬件和软件架构上差异显著，兼容性有限。两者都针对企业级市场，存在重叠。联想需要通过软件集成、统一管理和数据结构等方式实现系统融合，为客户提供统一的存储解决方案，支持AI数据管道需求。
红杉资本推出9.5亿美元早期投资基金应对AI热潮
尽管市场对AI泡沫议论纷纷，红杉资本坚持其投资策略不受市场狂热影响。该公司宣布推出两只新基金：7.5亿美元早期基金专注A轮投资，2亿美元种子基金。这家传奇投资机构曾遭遇FTX投资损失和中印业务分拆等挫折，如今重回核心使命：在最早阶段投资有前景的创始人。随着AI初创企业估值飙升，红杉希望通过早期介入锁定更低价格和更大股权。
探访先进存力：第一站，中国移动呼和浩特数据中心
10月23日，中国移动携手曙光存储举办“随数而动，智存智用”活动，实地探访中国移动呼和浩特数据中心，揭开这座“云上草原”智算底座的神秘面纱。
《原点Talk》栏目发布：打造“AI创业者专属思想碰撞场”
10月27日午间，至顶科技在AI原点社区街区广场举办《原点Talk》发布会，至顶科技CEO高飞面向AI原点社区企业与五道口创客正式发布对话栏目《原点Talk》。
AWS大规模故障后，CIO如何确保业务持续运营？
周一AWS美东数据中心DNS故障导致数百万用户和上千家企业断网，Reddit、Snapchat、银行和游戏平台均受影响。专家认为这凸显了冗余备份的重要性，CIO需要根据业务关键性进行风险评估，优先保护核心系统。单一供应商策略仍可行，但需通过多区域部署分散风险，建立故障转移计划。金融、医疗等高风险行业需更高冗余级别。
上海AI实验室重新定义视频理解：让AI像侦探一样思考长视频
上海AI实验室等机构联合提出FrameThinker框架，革命性地改变了AI处理长视频的方式。该系统采用"侦探式"多轮推理，先快速扫描全视频获得概览，再有针对性地深入分析关键片段。通过两阶段训练和认知一致性验证，FrameThinker在多个视频理解基准测试中准确率平均提升10.4%，计算效率提高20倍以上，为AI视频理解领域带来突破性进展。
弈动 Dynamic·数智跃迁 博弈无界｜2025TechWorld智慧安全大会在京召开
10月24日，以“弈动 Dynamic·数智跃迁 博弈无界”为主题的2025 TechWorld智慧安全大会在北京盛大召开。
复旦大学团队首创医学影像"AI质检员"，彻底改变医院影像诊断准确性评估
复旦大学团队创建MedQ-Bench基准，首次系统评估AI模型医学影像质量评估能力。研究覆盖五大成像模式，设计感知-推理双层评估体系，意外发现医学专用AI表现不如通用AI。结果显示最佳AI模型准确率仅68.97%，远低于人类专家82.50%，揭示了AI在医学影像质控应用中的现实挑战和改进方向。
TimeSeriesScientist: 史上首个能像科学家一样全自动分析时间序列的AI系统问世
石溪大学等机构联合开发的TimeSeriesScientist是全球首个端到端AI时间序列分析系统，通过四个AI智能体协同工作，能完全自主完成从数据清理到预测报告的全流程。该系统在八个领域测试中表现卓越，预测误差比传统方法降低10.4%，比其他AI方法降低38.2%，并能生成详尽的可解释报告，将专业级数据分析能力民主化。
NYU研究团队首次揭秘：大语言模型中的"隐藏浪费"，为什么更宽的神经网络并不等于更强的能力？
纽约大学研究团队首次系统分析了大语言模型中前馈网络的资源利用效率，发现了"不对称谱缩放定律"：当网络变宽时，新增容量主要被分配给处理次要信息的维度，而核心处理能力增长缓慢。研究开发了四个谱利用指标，揭示了当前模型设计中的严重资源浪费现象，并提出了通过LayerNorm优化和权重归一化等技术改善利用效率的方法，为设计更高效AI模型提供了理论指导。
ServiceNow团队破解检索系统评分难题：让AI搜索更懂你的真实需求
ServiceNow团队发现传统AI检索系统存在评分不一致问题，提出Mann-Whitney损失函数新训练方法。该方法让系统学会全局绝对评分而非相对比较，解决了跨查询分数校准难题。实验显示新方法在AUC等指标上显著优于传统对比学习，特别适合需要设定固定阈值的应用场景，为检索系统带来更强的实用性和可靠性。
宾夕法尼亚大学提出分子设计新方法：如何让药物既有效又安全？
宾夕法尼亚大学研究团队开发了AReUReDi多目标分子设计方法，能够同时优化药物的多种特性如药效、安全性、稳定性等。该方法基于修正离散流理论，结合退火策略和马尔可夫链优化，在肽类药物设计中展现出色性能，为解决传统药物设计中"顾此失彼"问题提供了新思路，有望加速更安全有效药物的开发。
让AI在图片搜索中理解用户真正想要什么：中山大学团队突破传统方法局限
台湾中山大学研究团队开发的SQUARE系统通过双阶段智能处理，让AI能够同时理解参考图片和文字修改要求，实现精准的图像检索。该系统无需额外训练，在多个权威测试中显著超越现有方法，为未来更智能的图片搜索体验奠定了技术基础。
香港中文大学突破AI训练难题：单个词汇也能让机器学得更聪明
香港中文大学研究团队提出单词汇滚动训练法，通过将AI文本生成的每个词汇选择视为独立学习机会，在监督学习框架内引入强化学习优势。该方法在数学推理、代码生成和通用推理任务上均显著优于传统监督微调，有效减少灾难性遗忘，为AI训练提供了新的高效路径。
杜克大学开创新型物联网控制语言，手机就能对话所有智能设备
杜克大学研究团队开发了IoT-MCP框架，通过模型上下文协议实现大语言模型与物联网设备的无缝对接。该框架采用三层分离式架构，支持22种传感器和6种微控制器，在1254个测试任务中达到100%成功率，平均响应时间205毫秒，峰值内存占用74KB。这项突破性研究为物联网设备的自然语言控制提供了标准化解决方案。
京公网安备 11010802021500号
