在金融科技的浪潮下，券商作为整个金融行业价值链的核心环节，转型与变革已成为大势所趋。

这项由巴斯克语言技术中心团队完成的研究，开发了GUIDEX方法来自动生成信息提取的标注指南和训练数据。该方法通过四个步骤（文档总结、结构化表示、指南生成、实例提取）模拟专家工作流程，无需人工标注即可适应新领域。实验显示，GUIDEX在七个零样本命名实体识别基准上创造了新的最佳成绩，比现有方法平均提升近2个F1分数点。

浙江大学研究团队开发的"自制动力训练"（Self-Braking Tuning，SBT）方法解决了大型语言模型在推理过程中的过度思考问题。该方法不依赖外部干预，而是培养模型自主识别冗余推理并适时终止的能力。研究者通过分析推理效率比率和过度思考标记比率，构建了两种数据策略：SBT-E（精确版）和SBT-D（动态版）。实验结果表明，经过训练的模型在多个数学基准测试上保持原有准确率的同时，将标记消耗减少了30%到60%，显著提高了推理效率。这项创新使AI系统能更像人类一样有效思考，为资源受限环境下的AI部署提供了新解决方案。

这是“云端赏珠峰”呈现的美景。数千万足不出户的人们通过这一24小时实时景观且360度全景呈现的珠峰云直播，以“身临其境”的方式领略了不同时段下珠峰变幻莫测的盛景，体验了珠穆朗玛峰的壮美与险峻。

这项研究由香港理工大学和新加坡国立大学的团队共同完成，提出了R?ec，首个将推理能力内置于大型推荐模型的统一框架。与传统方法不同，R?ec在单一自回归过程中实现了推理生成和物品预测的无缝整合。研究者还设计了RecPO优化框架，无需人工标注即可同时提升模型的推理和推荐能力。实验结果显示，R?ec在三个数据集上显著超越现有方法，在Hit@5和NDCG@20指标上分别提升68.67%和45.21%。这一突破为下一代智能推荐系统开辟了新方向。

保险业务可以说非常复杂，为了对个人以及组织日常面临的各类风险进行评估与管理，过程中自然不可避免要涉及多方协调以及对大量记录信息的处理。

美擎仿真一体化软件平台是中国工业软件自主化发展进程的里程碑，证明中国人有条件、有意愿、也有能力打造属于自己的高端工业仿真软件。

时光荏苒，岁月如梭，然而技术的进步同样日新月异，转眼又来到总结一年的时刻，第八届数据技术嘉年华大会将于2018年11月16日~17日在北京市朝阳区东三环中路61号富力万丽酒店盛大开启。

一个新技术的磅礴发展，需要杀手级应用的撬动，5G亦如此，整个产业都在寻找着市场的走向和趋势。

数字化转型已经成为一个重要的发展趋势，一度成为早期采用者和前沿企业的重中之重。如今数字化转型已经步入主流。很少有人会否认，数字化转型举措对企业组织的成功至关重要。

MBZUAI研究团队开发了FinChain，这是金融领域首个可验证的符号化思维链推理基准测试。该基准涵盖12个金融领域的54个主题，每个主题包含5个不同难度的参数化模板，配有可执行的Python代码验证每一步推理。研究者还提出了ChainEval评估指标，同时评估最终答案正确性和中间推理步骤一致性。对30个大语言模型的测试表明，即使最先进模型在处理复杂金融推理时仍有很大提升空间，且模型规模是决定推理能力的关键因素。

新冠病毒最危险的特征在于它人传人的能力。但我们正在利用科技的力量追踪和预测它的传播点，为打赢这场战“疫”全力以赴。

纽约大学团队提出Calibrate-Then-Act框架，让AI智能体学会在探索新信息与行动成本间找平衡。通过显性推理环境先验和成本约束，CTA方法在知识问答、编程等任务中展现出强大的适应性决策能力，94%匹配最优策略。研究证明显性推理胜过端到端隐性学习，为构建更智能、实用的AI系统提供了重要理论基础。

南洋理工大学研究团队提出4RC方法，实现统一的4D视频重建。该技术采用"编码一次，随处查询"模式，通过因式分解表示将4D信息分解为基础几何和运动位移，支持从任意帧到任意时间的灵活查询。在多项4D重建任务中表现优异，在Waymo数据集上相比现有方法提升36%，为自动驾驶、虚拟现实等领域提供强大技术支撑。

在以数字为核心的新经济时代，数据成为各行业的基本生产要素之一。数字化服务和数字化运营，不仅能够提升企业的业务效率，同时能聚焦新业务，实现价值创造。

万物互联大幕开启，数字化大势之下，如何利用物联网创造更光明的未来？Digital，Give me five节目组特别奉文一篇， 让我们一起迈向物联网新时代。

在赣南，科技的枝芽早已深入农业生产、乡村治理、政务系统，乃至工厂产线的各个角落。

这篇论文介绍了MIT开发的USAD技术，这是一种能够同时理解语音、音乐和环境声音的通用音频AI模型。通过创新的知识蒸馏方法，USAD在多个音频处理任务上都达到了接近专门模型的性能水平，为构建更智能的音频理解系统奠定了基础。该技术在智能助手、多媒体处理、教育等领域具有广阔的应用前景。

Lexsi Labs开发的C-?Θ技术革新了AI安全控制方式，从传统的实时监控转向一次性内在改造。该技术通过精确识别AI内部负责安全判断的神经回路（占比不到5%），对其进行定向调整，使AI天生具备更强的有害内容识别和拒绝能力。实验表明，经改造的模型对有害内容拒绝率提升至75-93%，而对正常功能影响极小，为AI安全部署提供了更高效、可靠的解决方案。

这项由Mohamed bin Zayed人工智能大学研究团队主导的研究首次建立了针对大型音频语言模型的安全性测试基准。研究发现，当前主流音频语言模型在面对特定音频扰动时，即使是微小的声学变化也能显著降低其安全防护能力，导致生成有害内容。研究团队构建了包含1,495个对抗性音频样本的数据集，并开发了音频扰动工具包来生成更具挑战性的测试样本。实验评估了七种主流模型，结果显示没有一个模型能在所有安全维度上保持一致的鲁棒性，这为音频AI安全研究提供了重要基础和方向。