浙江大学研究团队开发了CAT方法，通过在大语言模型的注意力机制中注入因果知识，解决AI容易学习虚假关联而非真正因果关系的问题。实验显示该方法显著提升了模型在新环境下的表现，如Llama模型准确率从64.5%提升至90.5%。这项创新为开发更可靠、具备真正推理能力的AI系统提供了新思路。

苹果公司发布突破性AI模型Manzano，首次实现单一模型同时具备图像理解和生成能力。该模型采用创新的混合视觉标记器设计，通过统一的语义空间有效解决了传统多模态模型中理解与生成任务的冲突问题。在多项基准测试中，Manzano不仅达到了专门化模型的性能水平，还展现出优异的规模化效应和实用性。

作为平民开发者，他们通过选择一个适合自己的开发平台进行App开发。其中FileMaker备受平民开发者青睐，FileMaker是Apple的子公司，提供为移动设备、云端和本地环境构建与部署定制化App的统一平台。

Elastic中国布道师、中国社区主席曾勇告诉记者，Elasticsearch由于其简单易用且能够解决实际的问题，从最开始的分布式搜索引擎到如今遍地开花的各种创新应用场景，Elasticsearch正成为大数据分析的热门工具。

北京大学多媒体信息处理国家重点实验室的研究团队提出了RICO方法，通过视觉重建机制显著提升图像描述的准确性和完整性。传统描述方法常面临"幻觉"和细节缺失问题，RICO通过文本-图像转换和反馈循环解决这些挑战。研究证明，该方法在多个基准测试中均优于现有技术，包括超越GPT-4o和人类编辑的表现。团队还开发了高效版本RICO-Flash，将这一方法应用于实际场景。这一创新不仅推动了多模态学习技术发展，还为改善人工智能系统的视觉理解能力提供了新思路。

德国约翰内斯·古腾堡大学美因茨分校研究团队发现，主流AI大语言模型对德国方言使用者存在系统性偏见，将其与教育程度低、思想保守等负面特征关联。研究测试了十个模型和七种德国方言，发现所有AI系统都表现出显著歧视。更意外的是，明确标注方言身份比暗示性提及产生更严重偏见，挑战了现有AI公平性认知。

孟加拉国联合国际大学研究团队开发了VisText-Mosquito多模态数据集，这是首个集成视觉检测和自然语言推理的蚊子繁殖点识别系统。该系统包含1970张标注图像，能够识别五类繁殖容器并进行水面分割，同时提供人类可理解的判断解释。YOLOv9s等模型达到92.9%检测精度，为全球蚊媒疾病防控提供了AI技术支撑。

RAVENEA是哥本哈根大学研究团队开发的首个多模态检索增强视觉文化理解基准，集成了超过10,000份人工标注的维基百科文档，用于评估视觉语言模型的文化敏感性。研究发现，轻量级视觉模型在配备文化感知检索功能后，在文化视觉问答和图像描述任务上分别提升了至少3.2%和6.2%的性能，证明了检索增强方法在提升AI文化理解能力方面的有效性，为构建更具文化包容性的视觉AI系统开辟了新路径。

数字化生存是现代社会中以信息技术为基础的新的生存方式，这是早在1996年出版的《数字化生存》一书中所提到的关于数字化的论断。

7月28日，以“数字赋智，协同创新”为主题的“2022年全球数字经济大会-京津冀工业互联网协同发展论坛”在国家会议中心成功举办。

在《三体》小说中，维度战争给读者留下了深刻的印象。而在商业变革中，“降维打击”实际上就是数字化转型的过程，即通过高阶算法对数据进行升维，抽取海量数据中的特征并描述出来，进而重构一个新的商业世界。

时下火热的AIGC与低代码开发，是否能碰撞出新的火花？

王田苗、黄铁军、邓志东、樊瑜波、熊蓉几位人工智能、机器人领域领军人物，就新一代人工智能为包括机器人产业在内带来的机遇与挑战进行了一场深度对话。

公益行业的数字化路径更需要戴尔这样企业，帮助其在敏捷生产力提升上加快脚步，让每一分善款都在透明、高效的流转中，发挥最大的价值。

这篇研究介绍了Meta公司开发的J1系统，这是一种通过强化学习训练大语言模型进行评判的创新方法。J1将可验证和不可验证的提示转换为具有可验证奖励的判断任务，从而鼓励模型在做出决策前先进行思考。研究表明，J1在8B和70B参数规模下都超越了同等规模的现有模型，甚至在某些测试中超过了更大的模型如o1-mini和DeepSeek-R1。这种方法的核心创新在于不仅优化最终判断，还优化思考过程本身，使模型学会制定评估标准、生成参考答案并重新评估回答的正确性。

今年6月,《财富》(中文版)发布“2023年值得关注的中国出海主力”盘点,在七个赛道中聚焦不断开拓新领域、影响力与日俱增的出海企业。

回顾去年底发布的新兴工作报告，除了AI专家角色（负责模型创建与训练）的持续增加之外，与AI相关的“配套”岗位也在不断发展。未来，市场对于「数据科学家」、「数据工程师」以及「云工程师」的需求也将提升——这种提升不仅体现在技术领域中，而是各行各业。

台湾大学研究团队系统梳理了复合AI系统优化这一新兴领域，提出了基于结构灵活性和学习信号类型的2×2分类框架。研究涵盖26种代表性方法，从固定结构到灵活架构，从自然语言反馈到数值信号优化。团队发现了自然语言反馈在非可微系统优化中的巨大潜力，同时指出了当前面临的人工配置依赖、计算成本过高、评估范围局限等挑战，为这一快速发展的领域提供了系统性理论框架和未来发展指引。

人工智能技术传递到产业端，最先产生的变化，往往是对算力需求的剧增。

生成式 AI 正在各行各业广泛应用。从客户服务到药物研发,从营销支持到网络安全,生成式 AI 正在改变企业的运营方式。它不仅可以提高效率,还能开启创新机遇。虽然目前应用场景有限,但随着技术进步和用户创意,未来将会涌现更多应用。企业需要审慎评估投资回报,选择合适的应用场景,以充分发挥生成式 AI 的潜力。