在今天(2022年7月5日)由中国商业联合会举办的“卓见会——疫情纾困觅新机 适时转型开新局”系列线上论坛上,多点DMALL合伙人刘桂海作为受邀优秀企业代表,以《数字化助力实体零售逆市破局》为主题分享

“苍茫的天涯是我的爱~绵绵的青山脚下花正开~什么样的节奏是最呀最摇摆~什么样的歌声才是最开怀……”

香港大学团队开发了MiCo多图对比框架，通过自监督学习让AI学会像人类一样比较多张图片的细微差异。该方法无需人工标注，仅使用图像内在约束作为监督信号，在多项视觉理解测试中超越了GPT-4o等先进模型，为解决AI多图推理难题提供了新思路。

吴恩达表示终身学习( life-long learning)已经成为当今数字化世界中的新常态。他还分享了自己对于人工智能发展潜力的观点以及对这项技术的担忧。

开源在企业中流行的一个原因，是开源技术提供了经过良好测试的构建块，可以加速复杂应用和服务的创建。但是第三方软件组件以及包和容器的便利性，在带来好处的同时和引入了风险，因为你构建的应用要和这些元素是一样安全的。

网络安全态势愈演愈烈，如何确保数据安全已成为CIO、IT管理员们的头等大事。然而“我在明，敌在暗”，黑客的快速移动使得我们往往只能被动防御。

OpenAI在GPT-5发布后遭遇用户强烈反对，被迫进行调整。CEO阿尔特曼宣布为GPT-5增加"自动"、"快速"和"思考"三种模式选择，并恢复4o模型。付费用户可通过"显示其他模型"开关访问o3、4.1等模型。阿尔特曼承认突然弃用旧模型是错误决定，并表示正在优化GPT-5的个性化设置，让其比当前版本更温和但不像GPT-4o那样令人烦恼。

中国电信研究院等机构联合开发的xVerify系统，专门解决复杂AI推理模型的评估难题。该系统能够准确判断包含多步推理过程的AI输出，在准确率和效率方面均超越现有方法，为AI评估领域提供了重要突破。

宾夕法尼亚州立大学研究团队开发的AttnTrace技术，通过分析AI大模型的内部注意力机制，能够快速准确地追踪影响AI回答的关键文本内容。该技术解决了传统方法效率低下和准确性不足的问题，在多项测试中表现卓越，为AI安全防护和可解释性研究开辟了新方向。

让你的团队接受甚至拥抱变革，这对于IT的成功至关重要。掌握了变革领导艺术的IT领导者分享了他们对这一基本领导技能的建议。

挪威奥斯陆大学联合国际团队开发出首个AI代码"指纹识别"系统CodeT5-Authorship，能以97.56%准确率识别C代码的AI生成来源。研究基于32000个代码样本训练，涵盖八大主流AI模型，在二元和多元识别任务中均表现卓越。该技术为学术诚信监督、代码安全评估和数字取证提供了重要工具，标志着AI内容溯源领域的重大突破。

斯坦福和魁北克研究团队首创"超新星事件数据集"，通过让AI分析历史事件和科学发现来测试其"性格"。研究发现不同AI模型确实表现出独特而稳定的思维偏好：有些注重成就结果，有些关注情感关系，有些偏向综合分析。这项突破性研究为AI评估开辟了新方向，对改善人机协作和AI工具选择具有重要意义。

Emergence AI 推出了一个无需编码的 AI 代理自动创建平台。用户只需用自然语言描述任务，平台就会启动 AI 代理来创建更专业的 AI 代理完成任务。这项技术代表了"递归智能"的新里程碑，使 AI 系统能在无人干预的情况下自我改进。该平台可自主创建新代理，并使多个 AI 代理协同工作，实现企业自动化的新水平。

轨道运输业巨头美国西屋的CIO Kopal Raj表示，“铁路是国家经济中不可或缺的组成部分。由西屋新一代前沿科技提供支持的印度Vande Bharat列车正是迎接新时代的绝佳机会。”

在过去的十年中，软件和基础架构工程师经历了从笨拙的整体式应用程序到敏捷微服务，从昂贵的裸机基础架构到可伸缩的云计算和存储的转变。

11月28日，今年的re:Invent开幕在即，亚马逊云科技还会带来哪些意想不到的惊喜？

多年来，零售体验并没有发生太大变化：走进商店，寻找合适的产品，然后购买。但人工智能的出现正在改变一切.

这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题，提出了LEAF方法（Levenshtein高效对抗性微调）来增强文本编码器的稳健性。实验表明，LEAF显著提高了模型在面对文本扰动时的性能，在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时，LEAF显著提高了对抗噪声下的生成质量；在多模态检索任务中，它平均提高了10个百分点的召回率。此外，LEAF还增强了模型的可解释性，使文本嵌入的反演更加准确。

高管们面临推动企业创新的巨大压力，但转型效果往往不尽如人意。问题并非出在战略愿景上，而是底层运营模式未能跟上战略发展。多数企业将转型视为独立项目，导致与现有业务脱节。转型失败的主要原因包括：工作方式未改变、将转型当作一次性项目、战略执行存在巨大差距、只追踪进度而非绩效、责任归属不明。要实现持久变革，需要将转型融入日常工作，基于价值排序，关注成果而非活动，建立全新的运营系统来支撑战略执行。

人工智能正在快速发展，从推理模型到机器人技术都取得了显著进步。面对这一趋势，我们需要培养双重素养，即自然智能和人工智能的结合。这种混合智能可以在研究、医疗、教育和商业等多个领域发挥重要作用。通过平衡AI的精确性和人类智能的深度，我们能够更负责任地应对复杂的社会挑战。