Linux内核6.16在周末发布，虽然没有重大新功能，但包含大量错误修复和代码优化。该版本拥有3840万行代码，分布在超过78000个文件中。主要改进包括：支持英特尔2023年高级性能扩展，XFS和ext4文件系统性能优化，NUMA系…详细

操作系统内核开发性能优化

Gartner预测，受高调网络攻击事件不断增加和新兴风险驱动，全球终端用户组织的网络安全产品和服务支出持续上升，2025年将超过2000亿美元。人工智能和生成式AI的广泛应用成为关键增长驱动因素，信息安全总支出将从202…详细

网络安全云安全预算增长

生成式AI初创公司Writer发布Action Agent，这是一款集成工具使用、知识工作和深度研究能力的强大AI智能体，具备企业级控制和透明度。该智能体由Palmyra X5大语言模型驱动，能够执行需要问题解决、复杂推理和多工具使…详细

人工智能自主智能体企业级安全

计算机视觉初创公司Matrice.ai宣布完成种子轮战略扩展融资，云基础设施提供商Voltage Park领投。该公司开发的无代码平台可创建人工智能视觉模型，开发速度比传统方法快40%，成本降低80%。该平台采用数据驱动方法，提…详细

人工智能计算机视觉无代码平台

Adobe发布Photoshop全新AI工具套件，包括Harmonize智能融合功能、生成式放大工具和改进的移除工具。Harmonize可自动调整色彩、光线和阴影，实现无缝合成；生成式放大可将图像提升至800万像素而不损失清晰度；改进的移…详细

人工智能图像处理工具优化

开源向量数据库公司Qdrant开发了一款轻量级向量数据库，专为机器人、自助终端、移动设备和其他嵌入式系统本地运行而设计。Qdrant Edge支持开发者在边缘设备上本地运行混合和多模态搜索，无需连接服务器进程。该产品提…详细

人工智能向量数据库边缘计算优化

LTO-10磁带相比LTO-9在容量上有所提升，但数据传输速度仍维持在400MBps，且失去了向后兼容性。IBM专家表示，速度限制主要源于物理材料约束，6微米厚的磁带材料在10米/秒最高速度下容易损坏。容量提升主要通过改善磁道…详细

数据存储磁带技术容量优化

AI赋能「前沿企业」通过智能体协作重构工作模式，破解无边界工作日困局。…详细

微软AI

西班牙研究团队提出了一种创新的AI自我纠错方法SSC，让人工智能学会识别和修正规则中的漏洞。当AI发现自己在钻空子获得高分时，它会反思规则的合理性并主动改进。实验显示这种方法将AI的"钻空子"行为从50-70%降低到3…详细

人工智能规范自我纠正奖励黑客

这篇文章详细解析了Long、Shelhamer和Darrell在2015年CVPR会议上发表的开创性研究"全卷积网络用于语义分割"。文章以通俗易懂的方式，将这项复杂的技术比作艺术家的绘画过程，解释了如何让计算机不仅识别图像中有什么…详细

计算机视觉深度学习语义分割

慕尼黑大学研究团队发现当前多模态AI存在"视觉盲区"问题，在学习时过度依赖文字而忽视图像信息。他们开发的DARA技术能够动态调节AI的注意力分配，用约100个参数实现10%性能提升，并创建了TrueMICL数据集来准确评估真…详细

多模态学习注意力机制参数高效微调

清华大学团队在2025年发表突破性研究，首次将双曲几何学引入视频检索领域，解决了传统系统在处理"部分相关视频检索"时的层次理解问题。通过HLFormer框架的双空间并行处理和创新的部分序保持损失机制，在三个权威数据…详细

人工智能双曲几何学视频检索技术

阿里巴巴通义千问团队推出GSPO算法，解决了大型语言模型强化学习训练中的稳定性问题。该算法改变传统逐词优化方式，采用序列级重要性权重和截断机制，显著提高训练效率和稳定性，特别适用于专家混合模型训练，已成功…详细

强化学习序列优化大型语言模型

俄罗斯Sber AI团队开发出NABLA算法，通过邻域自适应块级注意力机制实现AI视频生成2.7倍加速。该算法采用三步优化：降维侦察、智能筛选和精确映射，动态识别重要注意力区域，在保持视频质量的同时大幅减少计算开销，为…详细

视频生成稀疏注意力深度学习

蚂蚁集团研究团队推出Agentar-Fin-R1金融专用AI模型，首次实现了金融专业知识与强推理能力的完美结合。该模型在保持通用推理能力的同时，在金融专业任务上取得突破性表现，并通过创新的三重保险体系确保高风险金融场…详细

金融人工智能大语言模型专业化AI

西安交通大学等机构研究团队提出MUR方法，通过"动量不确定性"概念让AI推理系统学会轻重缓急，在节省50%以上计算资源的同时提升0.62-3.37%的准确率。该方法从物理学动量概念获得灵感，能够识别关键推理步骤并选择性地…详细

人工智能测试时扩展动量不确定性

这项由都柏林大学团队完成的研究提出了DriftMoE系统，通过神经网络路由器与增量专家的协同学习来处理数据流中的概念漂移问题。该方法在九个基准数据集上的表现与传统大型集成方法相当，但资源消耗显著更低，特别适合…详细

机器学习专家混合系统概念漂移处理