一周年之际:微软亚洲研究院——新加坡如何推进研究、合作与人才培养,实现现实世界的影响
自一年前成立以来,微软亚洲研究院——新加坡实验室已奠定了坚实的基础,深化了与政府、学术界和产业界的合作,并探索前沿AI研究如何创造现实世界的价值。本文《一周年之际:微软亚洲研究院——新加坡如何推进研究、合作与人才培养,实现现实世界的影响》首发于 Microsoft Research 。
浏览AI动态,在一处查找来源与时间。
自一年前成立以来,微软亚洲研究院——新加坡实验室已奠定了坚实的基础,深化了与政府、学术界和产业界的合作,并探索前沿AI研究如何创造现实世界的价值。本文《一周年之际:微软亚洲研究院——新加坡如何推进研究、合作与人才培养,实现现实世界的影响》首发于 Microsoft Research 。
OpenAI就涉及澳大利亚政府网站的事件道歉,并概述了更强的保障措施与支持,以加强澳大利亚的网络防御。
我们针对前沿AI训练安全案例的早期指南涵盖技术保障措施、运营实践以及调查错位事件
观看Future Vision XPRIZE获奖预告片《The Gifted》。
Claude Sonnet 5.5 现已在 Amazon Bedrock 和 AWS 上的 Claude Platform 上可用。它是一款更智能、更高效的 Sonnet 模型,适用于专注的编程和知识工作,单任务成本更低且速度更快。本文将介绍新特性、何时选择 Sonnet 以及如何开始使用。
在 Amazon SageMaker AI 上使用 AWS vLLM-Omni Deep Learning Container 部署文本转语音模型,并通过持久化双向连接流式传输生成的语音。这是第1部分的教程,部署 Qwen3-TTS 并通过 Gradio 应用程序流式传输语音。
在 Amazon SageMaker AI 上通过一个 AWS vLLM-Omni 深度学习容器部署两个生成式媒体模型。通过实时推理使用 FLUX.2-klein 生成图像,然后通过异步推理使用 Wan2.1-VACE 将其制作为视频,并从 Amazon S3 获取 MP4 文件。
Mistral 在慕尼黑开设物理 AI 与工业 AI 研究中心,与德国工业界开展合作。
了解使用 Amazon Nova Act 和 Amazon Bedrock AgentCore 的代理驱动合成监控方法。本文介绍了实现弹性托管用户旅程验证的架构和模式,超越了脆弱的 UI 脚本,并提供完整的示例实现。
了解如何将 Amazon Textract Custom Queries 适配器投入生产运营:使用 AWS CloudFormation 和 Terraform 的基础设施即代码、跨账户适配器晋升流程、针对多个表单版本的预分类路由模式,以及生产安全控制措施(例如 VPC 端点、加密和最小权限 IAM)。
OpenAI 正以 5 百万美元的资金以及最高 5 百万美元的软件额度与工程支持,扩大 Lenfest AI 协作与研究员计划。
我们正在收集使用 Codex 做出惊人成就的构建者、修补匠、研究人员和创作者的的真实故事。如果你想成为 Codex Originals 计划下一篇章的一部分,请在下方告诉我们更多关于你的故事和项目的信息。
GPT-6 Astra 完成 50 个标签页的税务工作簿的速度是 GPT-5.6 Sol 的两倍,而且它对用户意图更强的理解让 Basis 在实际应用中更有信心。
相比 Sonnet 5 的明确升级,运行速度快 30%,且对大多数工作而言成本最多降低 30%。
MiMo-V2.6 工具调用复读问题复盘:工具调用洪泛如何在 RL 过程中被放大,为何仅收紧 penalty 代价高昂且泛化有限,以及如何通过复读特化 RL teacher 与 MOPD 高效解决。
借助 Codex、GPT-Live-1 和 GPT-6 Astra,Proaction 能够更快速地构建、运营并销售现代舰队管理系统。
用通俗易懂的英语描述你需要的界面,然后让智能体构建一个你既能使用又能更新的实时界面——这样你就可以花更少的时间去适应工具,把更多时间用于完成工作。文章《GitHub Copilot 新手应用:如何使用画布构建自定义工作流》最初发布于 The GitHub Blog 。
了解如何使用弹性fabric适配器(EFA)和DeepEP在Amazon EKS上扩展混合专家(MoE)强化学习。本文介绍一种结合Amazon EKS、EFA和Amazon S3的架构,该架构将大规模RLHF和GRPO训练的聚合强化学习rollout吞吐量提高了40%。
了解如何在 Amazon SageMaker HyperPod 上运行 SkyRL——一个开源强化学习框架——使用 GRPO 对 Qwen3-VL-8B 视觉语言模型进行后训练。本演练涵盖构建容器镜像、从 SageMaker Studio 启动 Ray 集群、提交和监控任务,以及托管训练好的 LoRA 适配器以进行推理。