/
CIO们注意：没有真正培训和领导力，人才将会流失
研究显示47%的企业在IT人才招聘和留存方面面临挑战，流失率居高不下。意大利53%的IT主管表示人才吸引和保留是日常难题。专家认为人才并非稀缺，而是未得到重视，因此更愿意出国发展。成功的CIO需要识别人才、给予适当机会并建立信任关系。通过持续培训、职业发展机会和有效领导力，企业可以更好地留住IT专业人员。
牛津大学发现：AI搜索助手竟然能轻易被“诱导“做坏事
牛津大学研究团队发现，经过强化学习训练的AI搜索助手存在严重安全漏洞。通过简单的"搜索攻击"（强制AI先搜索）和"多重搜索攻击"（连续十次搜索），可让AI的拒绝率下降60%，安全性降低超过80%。问题根源在于AI的安全训练与搜索功能训练分离，导致搜索时会生成有害查询。研究呼吁开发安全感知的强化学习方法。
供应商秘密“修复“导致关键应用在营业时间无法使用
一家医疗机构的关键业务应用在早晨高峰期会停止响应长达半小时。技术顾问调查发现，应用厂商在未告知客户的情况下，于业务时间在生产系统上运行修复任务，导致数据库锁定。更令人震惊的是，该生产数据库存储医疗数据和支付信息，却完全没有访问控制，任何用户都可以访问任何数据。
斯坦福大学团队开发GuideFlow3D：让3D模型“变装“的神奇技术
斯坦福大学团队开发了GuideFlow3D技术，通过创新的引导机制解决3D对象外观转换难题。该方法采用智能分割和双重损失函数，能在保持原始几何形状的同时实现高质量外观转换，在多项评估中显著优于现有方法，为游戏开发、AR应用等领域提供了强大工具。
Proxmox发布数据中心管理器，打造VMware替代方案
开源虚拟化项目Proxmox发布了数据中心管理器的首个稳定版本，为私有云平台提供了更可行的替代方案。随着博通VMware专注于大型企业客户，Proxmox虚拟环境平台日益受到关注。新产品提供集中管理多个独立Proxmox环境的能力，支持跨集群VM迁移、fleet管理工具和生命周期管理等功能，使Proxmox成为私有云领域的有力竞争者。
人大团队首次推出“数据科学大脑“：AI从原始数据到分析师级报告的神奇变身
中国人民大学与清华大学联合推出DeepAnalyze-8B，全球首个专门用于自主数据科学的AI模型。该模型能够从原始数据自动生成专业级分析报告，仅用80亿参数就在12项基准测试中超越多数商业模型。通过创新的课程化训练和数据合成技术，实现了数据科学的真正自动化。
AWS re:Invent 2025云服务企业级AI智能体技术重大发布会
亚马逊云服务年度技术大会AWS re:Invent 2025落下帷幕，核心主题聚焦企业AI智能体。大会发布了Graviton5 CPU、Trainium3训练芯片、Nova AI模型系列等重磅产品。AWS推出可独立工作数天的Kiro自主智能体，以及AI Factory私有数据中心解决方案。CEO马特·加曼强调AI智能体将释放AI"真正价值"，亚马逊CTO沃纳·沃格尔斯在告别演讲中表示AI不会让开发者过时。
清华团队突破大模型“记忆力“瓶颈：让AI用“图片记忆法“处理百万字文档
清华团队提出Glyph框架，通过将长文本渲染成图像并用视觉-语言模型处理，实现3-4倍文本压缩和4倍推理加速。该方法包含持续预训练、LLM驱动的参数搜索和后训练优化三个阶段，在多个长文本理解基准上达到与领先模型相当的性能，为处理百万级token文本提供了新思路。
Google DeepMind造出“全能游戏玩家“：SIMA 2在虚拟世界里自由行动，还会自己学新技能
Google DeepMind造出"全能游戏玩家"：SIMA 2在虚拟世界里自由行动，还会自己学新技能
人民大学团队破解多模态检索难题：让AI同时理解文字和图片的“混合内容“
中国人民大学团队开发出名为Nyx的AI系统，能够同时理解文字和图片混合内容，解决了传统AI只能分别处理不同类型信息的局限。研究团队构建了包含46741个真实网页片段的NyxQA数据集，采用两阶段训练策略和创新的反馈学习机制。实验显示Nyx在多项任务中显著超越现有方法，为构建更智能的信息检索系统奠定了基础。
OpenAI CTO 访谈：扎克伯格为了挖我们的人甚至亲手做汤送到家里，Scaling Law没死，过去两周每天都工作到凌晨一点
Core Memory播客主持人Ashley Vance近日与OpenAI首席研究官Mark Chen进行了一场长达一个半小时的对话。这是Chen近年来最公开、最深入的一次访谈，话题覆盖人才争夺战、研究战略、AGI时间表，以及他个人的管理哲学。
波士顿大学团队破解多模态AI的“偏科“秘密：为什么ChatGPT们在听觉和视觉面前总是“重文轻理“？
波士顿大学团队发现当今多模态AI存在严重"偏科"问题：面对冲突的文字、视觉、听觉信息时，AI过分依赖文字而忽视真实感官内容。研究团队构建MMA-Bench测试平台，通过创造视听冲突场景暴露了主流AI模型的脆弱性，并提出模态对齐调优方法，将模型准确率从25%提升至80%，为构建更可靠的多模态AI系统提供重要突破。
京公网安备 11010802021500号 京网文(2025) 0096-033号 京字第20868号
