/
微软质量控制问题愈演愈烈
微软近年来频繁出现技术故障和服务中断，从Windows更新删除用户文件到Azure云服务因配置错误而崩溃，质量控制问题愈发突出。2014年公司大幅裁减测试团队后，采用敏捷开发模式替代传统测试方法，但结果并不理想。虽然Windows生态系统庞大复杂，某些问题在所难免，但Azure作为微软核心云服务，反复因配置变更导致客户服务中断，已不仅仅是质量控制问题，更是对公司技术能力的质疑。
AI推理是否有规律可循？延世大学团队发现LLM思维路径的“均匀信息密度“密码
延世大学研究团队通过分析AI推理过程中的信息密度模式，发现成功的AI推理遵循特定规律：局部信息分布平稳但全局可以不均匀。这一发现颠覆了传统的均匀信息密度假说在AI领域的应用，为构建更可靠的AI推理系统提供了新思路，在数学竞赛等高难度任务中显著提升了AI的推理准确率。
开源 AI 及其在当今世界中的重要作用
当团队准备部署大语言模型时，面临开源与闭源的选择。专家讨论显示，美国在开源AI领域相对落后，而中国有更多开源模型。开源系统建立在信任基础上，需要开放数据、模型架构和参数。然而，即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统，但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量，各国希望控制本地化AI发展命运。
这个小模型居然比巨无霸AI思考得更快更省钱！蒙特利尔大学团队发现让AI“分段思考“的惊人秘密
蒙特利尔大学团队发现让AI"分段思考"的革命性方法Delethink，通过模仿人类推理模式将长篇思考分解为固定长度块，仅保留关键信息摘要。1.5B小模型击败传统大模型，训练成本降至四分之一，计算复杂度从平方级降为线性级，能处理十万词汇超长推理，为高效AI推理开辟新道路。
OpenAI Sora与谷歌Veo 3 AI视频生成对比测试结果出炉
经过严格测试，OpenAI的Sora 2在AI视频生成领域略胜谷歌Veo 3一筹。虽然两者都能生成高质量的带音频AI视频，但Sora在动作流畅度、音频匹配和减少幻觉方面表现更佳。Sora目前免费使用，而Veo 3需每月20美元。测试显示，尽管两款工具都令人印象深刻，但它们也引发了关于深度伪造和现实与AI内容区分的重要担忧。
蚂蚁集团突破性研究：一个视觉“万能钥匙“让AI同时理解和创造图像
蚂蚁集团发布Ming-UniVision统一视觉模型，突破传统AI理解与生成分离的技术瓶颈。该系统基于创新的MingTok连续标记器，实现同一框架内的图像理解、生成和编辑。支持多轮交互式编辑，引入视觉化思维链推理，在多项基准测试中达到先进水平，为AI视觉任务统一建模开辟新路径。
iPhone卫星连接技术五大升级方向曝光
报告显示，苹果正在考虑是否推出自有卫星服务，而非依赖Globalstar或SpaceX等第三方。高管们通常反对此举，认为"苹果不是运营商，不应表现得像运营商"。古尔曼认为提供自有服务有诸多益处，主要是减少对第三方依赖。苹果正致力于五项卫星连接改进，其中最值得关注的是在信号微弱区域的服务改善。
清华大学团队推出RLinf-VLA：让机器人在虚拟世界中自学成才的新框架
清华大学团队推出RLinf-VLA框架，这是首个统一高效的机器人强化学习训练平台。该框架让机器人通过虚拟环境中的试错学习替代传统的模仿学习，支持多种主流模型和130+训练任务，训练效率提升最高达2.27倍。在真实机械臂测试中，强化学习训练的机器人在处理未见物体时成功率达27%，而传统方法为0%，展现出显著的泛化优势。
AI助力阿尔茨海默病治疗突破
最新研究显示，定期食用鸡蛋可能有助于保持老年人大脑敏锐，这得益于鸡蛋中丰富的胆碱成分。MIT教授Manolis Kellis在TedX演讲中介绍，AI技术帮助科学家发现阿尔茨海默病的根本原因是神经元周围髓鞘退化。通过分析数千个脑组织样本，研究人员利用生成式AI技术识别出少数关键病理通路，并开发出个性化治疗方案。科学家还使用类器官技术测试新药，为超过700万美国患者带来精准治疗的希望。
清华大学提出NHA：让AI语言模型既快又准的“双重记忆“新架构
清华大学等机构提出NHA架构，通过统一的双重记忆系统解决AI语言模型在处理长序列时的效率与精度权衡问题。该技术结合短期精确记忆和长期压缩记忆，使用单一注意力机制自适应分配权重，在保持高性能的同时显著提升计算效率。实验显示NHA在回忆和推理任务中均表现优异，且可成功改造现有大型语言模型，为AI实际应用提供重要技术支撑。
异构CPU时代来临：多架构协同成为计算新趋势
CPU架构讨论常聚焦于不同指令集的竞争，但实际上在单一系统中使用多种CPU架构已成常态。x86、Arm和RISC-V各有优劣，AI技术的兴起更推动了对性能功耗比的极致需求。当前x86仍主导PC和服务器市场，Arm凭借庞大生态系统在移动和嵌入式领域领先，RISC-V作为开源架构展现巨大潜力。未来芯片设计将更多采用异构计算，多种架构协同工作成为趋势。
浙江大学StaMo：从静态图片中“变魔术“般地学会机器人动作的革命性方法
浙江大学研究团队开发的StaMo系统突破了机器人动作学习的传统范式，仅通过观察静态图片就能让机器人掌握复杂运动技能。该方法将复杂场景压缩成两个数字令牌，通过令牌差异自然生成运动轨迹，在LIBERO测试中性能提升14.3%，真实世界实验成功率提高30%，为机器人技术实用化奠定重要基础。
京公网安备 11010802021500号 京网文(2025) 0096-033号 京字第20868号
