近日，国际权威咨询机构Forrester发布了《Now Tech: External Threat Intelligence Services,Q4 2020》报告，奇安信凭借海量的威胁情报样本、精准的威胁情报检测能力和强大的APT组织追踪能力，成为少数入围该报告的中国厂商之一。

数据觉醒，AI-Ready数据基础设施加速智能化。

AI有了自知之明，准确率飙升，Meta AI团队发布DeepConf

aiOla在Whisper的架构之上进行了修改采用了“多头注意力”机制的并行计算方法，允许模型在每个推理步骤中预测多个token，同时不会损失性能和识别准确率。

这篇研究介绍了CSVQA，一个专为评估视觉语言模型在STEM领域推理能力的中文多模态基准测试。该数据集包含1,378道涵盖物理、化学、生物和数学的问题，每题都要求模型分析科学图表并进行专业推理。实验评估了15种VLM，结果显示即使最强大的模型o1也仅达到49.6%的准确率，揭示了当前AI在科学推理方面的明显局限。研究还发现模型在不同学科表现不一，思维链提示效果因模型而异，为未来改进指明了方向。

这项研究关注语音中的句子强调（即说话时对特定词的重音），它能传达说话者的潜在意图。耶路撒冷希伯来大学的研究团队发现，尽管现代语音语言模型进步显著，它们在理解句子强调方面表现不佳。团队创建了StressTest基准测试和Stress-17k合成数据集，并开发了StresSLM模型，使强调理解能力大幅提升。研究表明，通过特定训练策略，可以让AI不仅理解"说了什么"，还能理解"怎么说的"，从而捕捉人类交流中的微妙含义。

为了让这条杭州交通大动脉更加“聪明”，中控信息采用数字孪生、人工智能、物联网、云计算等数字技术，对江南大道进行了全域升级改造，让江南大道实现了更实时精准的认知、更智慧全面的管理以及更安全的大型活动保障。

马里兰大学和耶鲁大学研究团队提出"混合思维"(Mixture-of-Thought)框架，使大语言模型能够像人类一样通过自然语言、代码和真值表三种互补思维方式进行逻辑推理。这种创新方法在FOLIO和ProofWriter基准测试上比单一思维方式平均提高11.7个百分点的准确率，特别在处理复杂逻辑问题时效果显著。研究表明，多模态思维协同可有效克服自然语言推理中的关键瓶颈，为增强AI逻辑推理能力提供了新路径。

日本AI实验室Sakana AI开发出名为M2N2的新型进化技术，让开发者能够在不进行昂贵训练和微调的情况下增强AI模型能力。该技术突破了其他模型融合方法的局限性，甚至可以从零开始进化出全新模型。M2N2适用于大语言模型和文本到图像生成器等不同类型的机器学习模型，为企业构建定制AI解决方案提供了高效途径。

OpenAI 推出 ChatGPT 深度研究代理，能够在 5 到 30 分钟内分析数百个在线资源，生成全面报告。该代理使用 o3 模型搜索互联网信息，准确性比现有模型高，但仍存在一些局限性。目前仅向付费用户开放，未来将扩展功能并提高使用限制。

1月10日，中国电信星辰语义大模型TeleChat-7B版本宣布开源，并开放1T高质量清洗数据集。星辰语义大模型已与昇腾AI基础软硬件完成适配，并开源了适配后的代码。此外，中国电信还将在1月20日开源12B版本模型，拥抱更多开发者共建开源大模型生态。

4月3日,中国移动河南公司开封分公司(以下简称“开封移动”)和华为技术有限公司(以下简称“华为”)在长期友好合作基础上,联合创立的业务创新孵化基地“星光实验室”正式揭牌。

AI技术创新是推动企业智能化升级的核心驱动力。

2020年度数字化创新案例奖

斯坦福大学研究团队通过分析超过50000张公开照片，发现商业人脸识别系统能够从普通照片中推断出年龄、性别、种族、职业等大量个人隐私信息，准确率高达95%。研究揭示了不同人群面临的差异化隐私风险，并提出了技术保护、法律规范、个人防护等多层面的应对策略。这项发表于《自然·机器智能》的研究为数字时代的隐私保护提供了重要参考。

罗切斯特理工学院和美国陆军研究实验室的研究团队开发了一种突破性的无源域适应方法，通过混搭拼图增强技术和置信度-边界加权策略，使AI模型能在没有原始训练数据的情况下适应新环境。该方法在三个主要基准数据集上取得显著成果，特别是在PACS数据集上准确率提升了7.3%，为AI系统在隐私保护、安全限制等现实场景中的应用提供了新解决方案。

华盛顿大学联合微软研究团队发现，AI仅用一道数学题训练就能将推理能力从36%提升至74%，颠覆了传统"海量数据才能训练强AI"的观念。这种"单例强化学习"方法在多种模型上都显示出惊人效果，揭示了AI内在推理潜力的激发机制，为低成本训练高性能AI系统开辟了新路径。

这项新加坡国立大学的研究开发了"Thinkless"框架，解决了大语言模型在推理时的效率问题。研究者通过引入两种控制标记和创新的解耦式相对策略优化算法，使模型能够智能地决定何时使用详细推理、何时直接给出简洁答案，就像人类面对不同难度问题时会灵活调整思考深度一样。实验结果表明，这种方法能减少50%-90%的详细推理使用，显著提高效率同时保持准确度，为构建更智能、更高效的AI系统铺平了道路。

Thinkers360 发布的人工智能信任指数报告显示，2024年整体信任度评分为308分(满分400分)，较2023年的224分有所上升。报告针对不同场景和行业的信任水平进行了分析，并就提高人工智能可信度提出了五点建议，为CIO在2025年推进人工智能应用提供了参考。

在本周于纽约举行的美国全国零售联合会的年度会议上，英伟达着重介绍了这个用例，它显示出人工智能在各种实体店中能够发挥的强大力量。