7月16日，华为云与财联社联合举办“走进华为·金融证券CXO创新私享会”

宾州大学与Adobe联合推出LAMP-CAP数据集，首次实现多模态个性化图表说明生成。通过分析同一论文中的参考图表，AI能学习作者独特写作风格。实验显示，视觉信息对个性化效果贡献巨大，参考资料越相似效果越好。这项研究为学术写作助手开发奠定基础，预示着未来AI将更好地适应个人表达习惯。

近日，华为在欧式建筑风格的苏州研究所，也是华为中国政企业务总部所在地，发布了全新形象口号——“数智世界 一触即达”。这也是其提出携手伙伴深耕“NA、商业和分销”三大市场后的又一新动作。

斯坦福大学和上海交大等机构的研究团队提出了一种为视频世界模型增加长期记忆能力的创新方法。受人类记忆机制启发，他们设计了三种互补的记忆系统：短期工作记忆、基于点云的长期空间记忆和稀疏情节记忆。这种组合允许AI在生成长视频时保持场景的空间一致性，解决了现有模型因有限上下文窗口导致的"遗忘"问题。实验表明，该方法在视角回忆一致性和整体视频质量方面显著优于现有技术，为创建持续一致的虚拟世界铺平了道路。

卡内基梅隆大学等高校研究团队开发出SOTOPIA-RL框架，首次成功训练AI掌握复杂社交技能。该方法通过逐句精细评分和多维度评估，让AI学会在对话中平衡目标达成、关系维护和知识获取。测试显示AI社交表现大幅提升，在困难场景中达成率提升至8.31分，为开发更智能的AI客服、教育和医疗助手奠定基础。

卡内基梅隆大学研究团队提出MRT方法，通过元强化学习优化AI推理过程。该方法不仅关注最终答案正确性，还奖励思考过程中的有效进展，解决了现有AI"思考时间长但效率低"的问题。实验显示MRT在数学推理任务中准确率提升2-3倍，计算效率提升1.5-5倍，为构建更智能高效的AI系统提供了新路径。

更高效、更安全、更灵活的AI PC产品组合及创新解决方案，深化人与工作、员工与企业的关系。

近日，IBM公司在“2018 IBM金融创新者大会”上正式对外发布了银行业和金融市场《2017全球最高管理层调研报告——传统企业的逆袭》行业调研报告以及《锐意创新，驭浪前行——传统银行拉开逆袭大幕》专家洞察报告。

中央民族大学徐桂先团队创建了首个专门用于中国少数民族语言新闻标题生成的大规模数据集CMHG，包含藏语10万条、维吾尔语和蒙古语各5万条高质量数据。该数据集通过严格的母语使用者评估体系确保质量，并在多个先进模型上验证了有效性，为解决少数民族语言AI技术资源稀缺问题提供了重要基础，现已在Hugging Face平台开放共享。

阿里巴巴研究团队开发了Marco-Voice多功能语音合成系统，能够同时实现高质量的声音克隆和情感控制。通过创新的旋转情感嵌入和说话人-情感分离技术，系统可以独立调节声音身份和情感表达。团队还构建了包含10小时中文情感语音的CSEMOTIONS数据集。实验表明Marco-Voice在语音清晰度、说话人相似度和情感表达方面都显著超越现有系统，为虚拟助手、内容创作和教育技术等领域提供了强大工具。

那么，大模型如何发挥出大众和产业所期待的价值？如何打造行业大模型？又该如何评价大模型产品的好坏？

本周，OpenAI GPT-4、百度 文心一言等AI预训练大模型相继发布。

这项研究推出了CannyEdit图像编辑框架，通过选择性边缘控制和双重提示策略，实现了前所未有的自然编辑效果。在用户测试中，普通用户仅有49.2%能识别出其编辑痕迹，远低于其他方法的76-89%识别率。该技术无需专门训练，可处理添加、移除、替换等多种编辑任务，为AI图像编辑的实用化应用奠定了重要基础。

这次我们与Fosi Audio的创始人兼CEO Ryan(黄庆龙)进行了一场深入对话，他敞开心扉，分享自己从青涩创业者成长为行业新锐的跌宕起伏的故事，并讲述Fosi Audio如何以用户需求为核心、以技术创新为驱动，重新定义高保真音频的未来。这不仅是一个品牌的崛起，更是一个95后创业者追求梦想的故事。

腾讯AI Lab等机构联合研究解决了AI大语言模型的"幻觉"问题。他们开发的"迭代自调优"方法教会AI诚实承认不确定性，而非编造错误信息。实验证明该方法显著提升了AI的诚实度和可靠性，同时保持了有用性。这项突破将让AI助手在医疗、教育、法律等关键领域变得更加可信，为构建可靠的人工智能系统奠定基础。

5月31日2024向星力·未来数据技术峰会在上海隆重举办。

「和年薪百万的老w聊完天后，我对于职业发展所能达到的高度有了一个清晰的想象。」

南加州大学团队开发了Voxlect方言识别系统，使用超过200万语音样本训练AI识别11种语言的方言差异。研究发现地理相邻方言更易混淆，多语言模型性能优于单语言模型。该技术可应用于语音识别公平性分析和语音合成质量评估，为构建更包容的AI语音技术奠定基础，代码已开源供研究使用。

印度理工学院团队推出EKA-EVAL评测框架，首次实现对AI大模型的全方位多语言评估。该框架整合35个评测任务，专门支持22种印度官方语言，涵盖推理、数学、工具使用等核心能力。相比现有英语中心的评测工具，EKA-EVAL填补了多语言AI评估的重要空白，为全球语言多样化地区的AI发展提供了标准化评测平台。

浙江大学与阿里巴巴合作开发了MTDEval多轮对话评估系统，通过学习五个顶级AI评委的评判智慧，将多评委评估的准确性与单模型推理的效率完美结合。系统在七个基准测试中表现优异，评估速度比传统方法快数倍，同时构建了两个高质量数据集供研究使用。该开源系统为AI对话质量评估提供了实用可靠的解决方案。