据相关数据显示，采购数字化近年来一直保持20%以上增速，预计2022年市场规模将超200亿元。

这项研究利用大语言模型解决科学新颖性检测难题，南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架，训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明，该方法在市场营销和NLP领域显著优于现有技术，为加速科学创新提供了有力工具。

SridBench是首个评估人工智能模型科研插图绘制能力的基准测试，由中国科学技术大学等机构研究团队创建。该测试包含1,120个来自自然科学和计算机科学13个学科的高质量样本，并设计了六维评估标准。实验结果显示，即使是目前表现最佳的GPT-4o-image模型也仅达到基本合格水平，文本信息缺失、视觉元素不完整和科学错误是主要瓶颈。这项研究揭示了AI科研绘图能力的现状，为未来技术发展提供了方向。

我们判断，“双碳”解决方案市场将“扶摇直上”，极具“实践智慧”的厂商是企业首选项。

普渡大学研究团队开发出Octopus训练方法，成功教会AI像人类一样自我纠错。该方法通过重新配对推理片段解决了自我纠错样本稀少的问题，并采用两阶段训练策略避免学习冲突。基于此方法的Octopus-8B模型在七个基准测试中平均提升9.5个百分点，训练效率提升28%，为开发更可靠的AI系统开辟了新路径。

你是否曾想过，如果AI能像人类一样看完整部电影，或者理解超高清图像中的细微细节会怎样？普通的AI模型在这方面往往力不从心，它们就像只能看几秒视频或者只能看低分辨率图片的"近视眼"。NVIDIA联合多所高校的研究团队近日推出的Eagle 2.5就是为了解决这一问题，让AI拥有"看得更久、看得更清"的能力。

微软团队开发的SIGMA是首个专为系统域任务设计的高效大语言模型，通过创新的DiffQKV注意力机制在保持性能的同时大幅提升推理效率，在长文本场景下速度提升达33.36%。该模型在系统管理任务上的表现全面超越GPT-4，为AI在专业技术领域的应用开辟了新路径。

香港科技大学团队提出WebExplorer框架，通过"模型驱动探索"和"迭代查询演化"两阶段生成高质量训练数据，成功训练出80亿参数的WebExplorer-8B模型。该模型在多个信息搜索基准测试中超越了720亿参数的大型模型，支持长达100轮的工具调用和128K上下文长度，展现了开源AI在网络助手领域的突破潜力。

在最近的一期《今日AI》播客中，葛兰素史克公司消费者保健业务美洲创新和新兴技术负责人Subroto Mukherjee，谈到了制药行业是如何使用人工智能和机器学习技术的，且介绍了人工智能和机器学习技术的独特用例。

印度理工学院等机构研究发现，即使是最先进的AI模型如GPT-4o、Claude等，在面对间接表达、干扰信息或背景过载的"混淆问题"时，准确率会从70-80%骤降至25-40%。研究团队开发的ObfusQAte评估框架首次系统性揭示了大语言模型的这一重要缺陷，为改进AI推理能力和提高实际应用可靠性提供了重要基准。

首尔大学研究团队开发出名为ECoRAG的智能文档压缩框架，解决了AI系统在处理长文档时效率低下和准确性不足的问题。该技术通过"证据性"概念区分有用信息与干扰内容，并具备自我反思能力来决定所需信息量。实验显示，新方法在保持更高准确率的同时，显著减少了处理时间和计算成本，为搜索引擎、在线教育、医疗诊断等领域带来广阔应用前景。

Meta研究团队开发了革命性的AU-Net架构，让AI无需传统分词直接从字节理解语言。这项技术在多语言处理和字符级任务上显著超越传统方法，为AI语言理解开辟了新路径。

“不管是唱歌作曲，还是写诗画画，其实我们的目的是想让小冰更像人类，这种在艺术、文学等方面的自主性，常常会让我们在某个瞬间产生一种错觉——她好像真的有自我意识。”

斯坦福和伯克利研究团队推出VidDiff技术，让AI学会像专业教练一样精准识别动作差异。该技术通过三步走方法解决视频动作比较难题，构建了包含549对视频的大型数据集VidDiffBench。虽然当前AI模型准确率有限，但已展现在健身指导、医学培训、体育分析等领域的应用潜力。研究为AI理解细微动作差异开辟新方向，有望让人人享有智能化的动作指导。

普林斯顿大学研究团队开发了ReasonFlux-PRM，这是首个能深度理解AI复杂思维过程的评分系统。不同于传统只看最终答案的评估方法，新系统能评判AI思考轨迹的每个步骤质量，在数学和科学推理任务上实现了平均4.5%-12.1%的性能提升，为AI教育和训练提供了突破性的解决方案。

这项由美国AI安全中心和Scale AI等机构联合开展的研究，创建了迄今最具挑战性的AI学术能力测试基准。该测试包含2500道专家级题目，涵盖数十个学科领域，由全球近千名专家贡献。测试结果显示，即使是最先进的AI系统表现也非常有限，准确率普遍在个位数，同时存在严重的"虚假自信"问题。研究揭示了AI系统与人类专家在深度学术能力方面的巨大差距。

这项研究探讨了具身智能体（如机器人）如何通过记忆为用户提供个性化服务。宜远大学研究团队开发了MEMENTO评估框架，通过两阶段设计评估智能体利用记忆的能力。研究将个性化知识分为物体语义（如"我最喜欢的杯子"）和用户模式（如"早餐习惯"）两类。实验表明，即使是GPT-4o等前沿模型在需要综合多记忆的任务中也表现出30.5%的性能下降，特别是在理解用户模式方面存在明显挑战。

这是一次理念相通、能力互补的“生态耦合”。

这是一次理念相通、能力互补的“生态耦合”。

阿里巴巴通义实验室的研究团队开发了HumanOmniV2，这是一个能够真正"读懂"人类复杂意图和情感的AI系统。该系统通过改进强化学习方法，让AI在回答问题前必须先全面理解多模态背景信息，解决了现有AI模型忽略重要线索和缺乏全局理解的问题，在多项测试中表现优异。