March 16, 2026

在跨模态表征学习中，将不同模态的信号映射至统一的共享表示空间，进而驱动检索、理解与生成等一系列下游任务，是其核心目标。 而文本在所有模态中具有天然的独特性。它不仅是一种输入信号，更是人类对世界进行结构化认知、梳理概念体系以及开放世界知识的载体。正因为此，文本监督的质量，往往决定了跨模态表征空间的上限。更强大的文本监督信号能够引导模型在对齐过程中，学习到更复杂、更细粒度，也更具语义结构的表征空间。…

November 13, 2025

编者按：当“更大、更快、更高效”的 AI 计算成为业界追求的方向，在硬件革新之外，系统软件层的突破同样关键。微软亚洲研究院与爱丁堡大学联合提出的 WaferLLM 正是这一探索的重要尝试。该研究聚焦于晶圆级 AI 计算平台的系统软件优化，从架构原理到推理性能全面重构，为 AI 计算的未来提供新的视角。相关论文已被 OSDI 2025 接收。 随着 AI 模型规模持续膨胀、计算复杂度急剧上升，传统芯…

October 16, 2025

编者按：当大模型的规模不断突破极限，AI 训练的算力需求也在以指数级攀升。传统 GPU 已难以兼顾性能与能效，异构 AI 芯片逐渐成为新趋势。但如何让不同计算单元“协同作战”，仍是编译领域的一大难题。北京大学、微软亚洲研究院、帝国理工学院与上海交通大学联合团队研发的 PipeThreader 系统，旨在解决这一核心挑战。PipeThreader 首次提出“流水线导向编译”理念，让编译器能够像“流水…