随着企业越来越多地应用大型语言模型（LLMs），如何提升模型的知识准确性并减少幻觉现象，成为了一项重要挑战。Meta AI 的研究人员在一篇新论文中提出了 “可扩展记忆层”，或许能够为这一问题提供解决方案。可扩展记忆层的核心思想是在不增加推理时计算资源的情况下，向 LLMs 中添加更多参数，从而提升其学习能力。这种架构适用于需要储存大量事实知识但又希望保持推理速度的应用场景。传统的语言模型使用 “密集层” 来编码大量信息。在密集层中，所有参数在推理时几乎都是

华为推出“AI百校计划”，旨在通过提供昇腾云服务的AI计算资源，支持国内高校在AI领域的研究与创新，消除算力瓶颈，促进科研与人才培养。该计划面向有显著研究成果或深远影响力的高校团队，覆盖AI算子、算法、模型推理、大型模型训练等广泛领域。申请团队需提交项目详情，华为将综合评估项目目标、价值、创新性及对产业和生态的影响，通过评审的项目每年可获得5万至100万不等的计算资源支持。此举不仅提供实质性的技术助力，还体现了华为对AI教育和科研的长期承诺与支持。

Google Cloud与Y Combinator合作，为AI创业公司提供价值35万美元的云计算资源及专属GPU/TPU集群，支持期限两年。此举措旨在助力AI创新，通过优先使用计算资源及与AI专家一对一交流，帮助创业公司解决技术难题，促进其成长。双方合作旨在培养未来的科技巨头，Google希望通过早期支持建立长期合作关系。这一合作不仅为创业公司解决了计算资源不足的难题，也为Google Cloud提供了与未来独角兽企业合作的机会。

苹果公司及其合作伙伴推出了一款名为DCLM的开源大型语言模型，拥有7亿参数，通过使用2.5万亿个数据令牌进行训练，显著提升理解与生成语言的能力。DCLM的核心是一个标准化的数据集优化工具，供研究人员在Hugging Face平台上进行实验，旨在评估不同数据集质量与改进方法。研究表明，利用DCLM建立的基准数据集能够训练出在关键测试中表现出色的模型，尤其是在MMLU基准测试中，5-shot准确率得到了显著提升（达64%），并且在资源消耗上较其他领先模型减少了40%。这一成就表明DCLM不仅为自然语言处理领域提供了重要资源，也展示了优化策略如何在模型性能提升与资源效率之间实现平衡。