/
开启视觉思维：通过视觉工具强化学习赋能大型视觉语言模型
一项由苏州大学、微软等机构合作的研究OPENTHINKIMG首次提出了完整的视觉工具强化学习框架，解决了当前大型视觉语言模型缺乏视觉思维的问题。该研究基于Qwen2-VL-2B基础模型，开发了V-TOOLRL方法，通过分布式工具部署、轨迹生成和强化学习，使AI能像人类一样"用图像思考"。实验表明，在图表推理任务上，该方法准确率达59.39%，显著超越了同类开源系统并优于GPT-4.1，为未来AI视觉认知提供了新路径。代码已在GitHub开源，将促进相关领域研究。
深度融合大型语言模型与扩散变换器：新一代AI图像生成技术的突破性探索
这项研究探索了将大型语言模型(LLM)与扩散变换器(DiT)深度融合用于文本到图像生成的新方法。纽约大学和Hugging Face的研究团队没有提出全新技术，而是系统分析了现有方法的设计空间和关键参数选择。研究发现深度融合模型在图像-文本对齐方面优于传统方法，特别是在移除时间步调节和采用混合位置编码策略后性能显著提升。他们的FuseDiT模型在有限数据和计算资源下仍达到了与顶级系统相当的性能，为多模态生成提供了实用指南。
ReSurgSAM2：新加坡国立大学团队打造的手术视频智能追踪系统，让外科医生用语言指令精准追踪手术工具与组织
ReSurgSAM2是新加坡国立大学团队开发的两阶段手术视频分割系统，允许外科医生通过文本指令精准识别和追踪手术器械与组织。这项创新利用SAM2模型为基础，添加了跨模态空间-时间Mamba、可靠初始帧选择和多样性驱动长期记忆机制，解决了现有技术在长时间追踪和实时性能方面的局限。实验表明，该系统在准确性上显著超越现有方法，同时保持61.2 FPS的实时处理能力，为手术认知辅助、教育和导航提供了强大工具。
Waymo召回1200辆机器人出租车，因低速碰撞门和链
Waymo 因发现无人驾驶出租车在低速行驶时撞击大门、链条等固定障碍物，召回了其中 1,200 辆车辆，并通过软件更新降低风险，满足监管要求。
推进 AI 系统散热到极限：不采用浸入式冷却
本文探讨了 AI 数据中心如何利用直冷技术应对 GPU 高功率散热和电力分配挑战，通过 Supermicro 的 DLC-1 与 DLC-2 系统实现能耗降、噪音减。
Acorns 收购家庭财富及数字记忆平台 EarlyBird
Acorns收购了家庭投资赠礼平台EarlyBird。收购后平台将关闭，创始人加入Acorns团队，助力打造儿童理财App Acorns Early，并整合数字时间胶囊功能，助全家传承财富。
Cognichip走出隐身状态，目标利用生成式 AI 开发新芯片
Cognichip 正在构建基于物理知识的基础 AI 模型，以加速新芯片的研发，降低成本，并帮助半导体企业实现转型。
腾讯混元图像2.0模型正式发布
5月16日，腾讯发布最新混元图像2.0模型（Hunyuan Image2.0），基于模型架构创新，在行业内率先实现实时生图，在画面质感超写实的基础上，带来全新的AI生图交互体验。模型于即日起在腾讯混元官方网站上线，并对外开放注册体验。
M&S 数据泄露后强制用户重置密码
M&S近日确认，其服务器在复活节遭到DragonForce勒索软件攻击，客户的联系方式、个人信息及订单记录等数据被窃。为确保账户安全，在线客户将被要求重置密码。尽管支付信息未受影响，但专家警告泄露的信息仍可能被用于网络钓鱼等攻击；同时，Co-op也因类似攻击遭遇供应中断问题。
Netflix 全面升级电视应用：全新界面与响应式推荐
Netflix对电视应用进行全面升级，通过全新简洁的界面和智能动态推荐，帮助用户更快找到喜爱的内容，同时支持直播、游戏等新娱乐体验。
Google推出 Gemini iPad 应用
Google 正在扩展 Gemini AI 的应用体验，推出专为 iPad 设计的 Gemini 应用。该应用支持原生 Apple 硬件和分屏模式，让用户可同时使用 Gemini 助手与其他应用，目前在所有支持 Gemini 的地区均可于 App Store 下载，更多功能或将于 Google I/O 2025 推出。
Spotify 的 AI DJ 现已支持点歌
Spotify 的 AI DJ 允许付费用户通过语音请求播放符合心情、艺术风格、流派或活动氛围的歌曲。该功能由 OpenAI 实时生成语音，旨在融合个性化推荐与传统电台体验，但初期版本仅支持英文请求。
光纤与 5G 持续扩大全球版图
文章总结了 OECD 调研报告中关于光纤宽带、5G、FWA、M2M及卫星通信等技术的快速增长，展示了全球高质量网络覆盖的持续扩展趋势。
Patronus AI 首发 Percival，助力企业大规模监控失效的 AI 代理系统
Patronus AI发布全新平台Percival，能自动识别AI代理中的多种故障模式并提供优化建议，显著缩短调试时间，保障企业级系统的可靠性。
Intel Xeon 6 CPU 在人工智能、高性能计算领域崭露头角
文章阐述了数据中心由传统向多样化转型，着重介绍了Intel Xeon 6 CPU采用P核与E核双架构，在AI、高性能计算及云边端场景中实现高效节能的创新应用。
认识你的新同事 —— ML管理员，能驯服大语言模型让它们大放异彩
ML管理员负责规划、设计、执行及监控大语言模型的全生命周期，包括匹配基础设施、处理合规事宜和管理与主要 AI 供应商（如 OpenAI、Anthropic）的企业账户，助力企业AI应用落地。
一年后，Valkey 在从 Redis 分叉后规划 v9 路线
文章回顾了 Valkey 从 Redis 分支启动后的发展历程，介绍了 8.1 版本的发布、功能优化与社区扩展，并展望基于新改动的 v9 更新。
Western Digital 向 Ingrasys 提供 RapidFlex 技术 用于以太网 SSD 机箱
西部数据提供 NVMe PCIe 到以太网的 RapidFlex 桥接技术给 Ingrasys，用于打造面向边缘、云服务及超大数据中心的低延迟分布式 SSD 存储系统。
京公网安备 11010802021500号
