三星研究院提出PLADIS技术，通过稀疏注意力机制显著提升AI绘画的文字理解准确性。该方法无需重训练模型，仅在推理阶段替换注意力计算函数，就能让AI更精准理解用户描述，生成更符合要求的图像。实验显示图像质量提升20%，文字匹配度大幅改善，且兼容各种现有AI绘画系统。

专注“炼器”十余载，施耐德宝光传承创业、创新的基因，取得了一连串令人瞩目的成果，也成为了高新大道的一面鲜明旗帜。

上海AI实验室团队开发出革命性的MoM（记忆混合体）AI架构，通过模仿人脑海马体的神经机制，为AI系统配备多个独立记忆仓库，彻底解决了传统AI模型处理长文本时的"健忘"问题。该技术在保持线性计算效率的同时，性能接近甚至超越传统Transformer模型，为长文档理解、代码分析、智能对话等应用领域带来突破性进展，现已完全开源供全球研究者使用。

上市44天，卖出146台，推出10个季度，足迹遍布37个国家和地区，累计创收10亿美金

上海AI实验室联合多所高校开发出VisualPRM系统，这是首个专门用于多模态推理的过程奖励模型。该系统能像老师批改作业一样逐步检查AI的推理过程，显著提升了AI在视觉推理任务上的表现。研究团队构建了包含40万样本的训练数据集和专门的评估基准，实现了在七个推理基准上的全面性能提升，即使是最先进的大型模型也获得了5.9个百分点的改进。

清华大学团队通过创新的"模式感知重排序"技术，解决了AI视频生成中注意力机制计算效率低下的问题。该技术将复杂分散的注意力模式重新整理成规整的块状结构，结合专门设计的稀疏化和量化策略，在保持生成质量的同时将计算速度提升1.9-2.7倍，为AI视频生成的普及应用铺平道路。

世界智能大会始终遵循习近平总书记贺信精神，坚持国际化、高端化路线，“旨在为世界智能科技领域搭建一个交流合作、共赢共享的平台”。

千叶珠宝把会员管理分成三步：第一，建立会员系统，积累会员数据；第二，完善会员权益和服务，增加会员粘性；第三，搭建大数据决策平台，实现精准分析。如今，千叶珠宝已经迈上了前两个台阶，而在未来的一年里，大数据决策平台的搭建将成为其核心目标。

字节跳动种子团队开发出突破性AI数学证明系统BFS-Prover-V2，通过创新的多智能体协作和自适应训练方法，在MiniF2F测试中达到95.08%成功率，在ProofNet测试中达到41.4%成功率，展现出接近顶尖数学家的证明能力。该系统采用"规划师-证明者"分工协作模式，能够将复杂数学定理分解为简单子目标，并通过动态重规划机制灵活应对困难问题，为AI复杂推理能力树立了新标杆。

当飞机冲破北京冬日的重重“霾伏”，降落在阳光灿烂、碧空万里的深圳，笔者不禁深深呼吸了好几口新鲜空气。

遥想2015年，由于x86数据中心计算的绝对垄断地位，现金充裕的英特尔公司斥资167亿美元收购了FPGA制造商Altera。而促使芯片巨头下手的原因，就是当时不少超大规模企业和云服务商正四下打探，想把一部分CPU算力转移至FPGA以打造SmartNIC。

这项由多国顶尖大学联合完成的研究，通过测试六个先进AI模型对近4万幅画作的识别能力，揭示了当前人工智能在艺术鉴定领域的严重局限。研究发现，即使最优秀的AI模型准确率也仅有60%，且无法识别《蒙娜丽莎》等世界名画，同时容易被某些AI生成的仿制品"欺骗"。

阿联酋穆罕默德·本·扎耶德人工智能大学研究团队开发出世界首个支持埃及阿拉伯语双文字系统的AI语言模型Nile-Chat，能同时理解和生成阿拉伯文字和拉丁字母书写的埃及阿拉伯语。该模型采用创新的混合专家架构，在各项测试中显著超越现有模型，为超过1亿埃及阿拉伯语使用者提供了更精准的AI语言服务。

香港中大与字节跳动联合研究团队开发出InterActHuman系统，解决了AI生成多人交互视频的技术难题。该系统通过创新的"局部条件注入"方法和动态掩码预测技术，实现了精确的多人音频-视频同步，在唇语准确性和用户体验方面远超现有技术，为未来影视制作、游戏开发和教育应用开辟了新的可能性。

这么多Serverless 平台，我们到底该如何选择？其实与一切软件架构选择难题一样，问题的答案还是跟具体的需求密切相关。

这篇研究来自新加坡南洋理工大学，首次建立了覆盖英语-汉语、英语-泰米尔语和英语-马来语的代码切换对话摘要基准测试CS-Sum。研究评估了10个大型语言模型，发现即使最先进的模型在处理混合语言时也存在严重局限，主要表现为忽略非英语内容、翻译不当和说话者错误归属三类问题。研究揭示仅靠模型扩大或微调无法解决这一问题，强调需要在预训练阶段就加入充分的代码切换数据。

智源研究院2020年搭建大模型攻关团队,2021年6月推出当时规模最大、性能领先多模态大模型“悟道2.0”。

本文讨论了 IT 自动化过程中容易忽视的流程问题、数据质量、整合难题、成本误区以及 AI 融入后带来的监管与创新挑战。

清华大学等多家机构研究团队完成了语音分离技术的全面调研，系统梳理了从传统方法到深度学习的技术演进。研究揭示了"鸡尾酒会问题"的核心挑战，分析了各种学习范式和网络架构的优劣，并通过统一实验框架提供了公平的性能基准。调研涵盖了实时处理、轻量化设计、多模态融合等关键技术方向，为学术界和产业界的技术选型提供了重要参考，推动语音分离从实验室走向实际应用。

我们期待看到这种"诚实的AI"在更多场景中发挥作用，为人类提供更可靠、更值得信赖的智能服务。