耶鲁大学团队构建了首个科学图表理解评估基准MISS-QA，测试AI模型解读科学论文示意图的能力。通过评估18个前沿模型发现，即使最先进的AI模型准确率也仅达78.3%，远低于人类专家的89%。研究揭示了AI在图表理解、信息检索和推理方面的五大弱点，为科学AI应用的发展提供重要参考。

NVIDIA研究团队发布了Eagle 2.5，这是一个突破性的视觉语言模型，专门用于长视频理解任务。该模型仅使用80亿参数就在Video-MME等基准测试中达到72.4%的准确率，与GPT-4o等顶级商业模型相当。Eagle 2.5采用了信息优先采样、渐进式训练和专门构建的Eagle-Video-110K数据集，能够处理数小时的长视频内容，为AI视频理解技术的普及化开辟了新路径。

阿联酋穆罕默德·本·扎耶德人工智能大学研究团队开发出LlamaV-o1，这是一个能够像人类一样进行分步视觉推理的AI系统。该系统通过课程学习和束搜索技术，不仅能给出正确答案，更能清晰展示每一步思考过程。研究团队还创建了包含八个领域超过1000道题目的VRC-Bench评测基准，不仅评判答案准确性，更重视推理过程质量。实验显示，LlamaV-o1在多项任务中表现优异，推理速度比同类方法快5倍，为构建可信透明的AI系统提供了重要突破。

哈尔滨工业大学团队开发的Optimus-3是首个在Minecraft环境中具备完整认知能力的AI系统，能够同时处理感知、规划、行动、定位和反思五大任务。该系统采用专家混合架构和任务级路由机制，有效解决了多任务学习中的干扰问题，并通过多模态推理增强强化学习显著提升了视觉相关任务的表现。实验结果显示，Optimus-3在各项任务上均超越了现有最先进系统，为通用人工智能的发展提供了重要技术路径。

明略科技集团目前已经全面上线九大智能防疫解决方案，覆盖流动高危人口排查、企业复工审核与管理、社区防疫管控、疫后心理康复服务、重大公共安全风险预测等诸多“抗疫”场景，帮助政府快速构建起立体化的疫情防控体系。

阿里巴巴团队发布了GUI-Owl智能助手，这是一个能够像人类一样操作电脑和手机界面的AI系统。该系统通过自进化数据生产、多样化能力构建和强化学习训练，在多项测试中超越现有模型，配合Mobile-Agent-v3多智能体框架可达到73.3%的任务成功率，为GUI自动化领域带来重大突破。

产品生命周期管理（PLM）与企业资源规划（ERP）系统都是企业中不可或缺的管理系统，两者都重要但侧重点不同。

香港中文大学团队开发的VisionThink系统通过强化学习让AI视觉模型具备了类似人类的智能决策能力，能够根据任务需要动态调整图片处理精度。该系统在节省75%计算资源的同时还提升了识别准确性，在多个视觉任务中表现优于传统方法，为AI视觉系统的高效智能化发展指明了新方向。

5G代表的新一代网络技术，也就是“新联接”的到来最有可能作为“两新一重”整体产业经济价值更新的启动点。

本文将对亚马逊云科技构建的云上安全堡垒一窥全貌，进而解构其提出的三大安全理念，以飨读者。

从机器人的发展历程来看，让门框机器人和“笨笨”成为现实也是迟早的事。

“源1.0”可以完成各种风格、类型文本的生成，如新闻资讯、金融行研、办公公文、法律文书、广告营销、网络文学、诗词歌赋、食谱菜谱等。

想象一下，你去到一个陌生的国家，那里的人们说着你完全不懂的语言。你会感到无所适从，对吧？在机器人世界中也存在类似的问题。不同种类的机器人就像来自不同国家的人，它们有自己特定的"语言"（动作方式）和"视角"（观察环境的方式）。一个操控机械臂的系统可能完全无法理解如何控制一个移动机器人，就像一个只会说英语的人无法直接理解中文一样。

人与机器人，能不能和平共处？

阿里巴巴联合人民大学开发的RecBot系统通过自然语言交互revolutionize推荐体验，用户可直接说"我要蓝色的但不要花纹"等指令，系统立即理解并调整推荐策略。该双智能体架构在三个月实际部署中显著提升用户满意度和商业指标，代表推荐系统从被动算法向智能助手的重要转型。

自萨提亚2014年接任以来，微软就一直专注于云计算业务，并且在策略和定位上也越来越明确——即为企业提供最完整的云服务。在刚刚结束的微软Ignite 2019大会上，微软又通过近200项的产品发布和技术更新，进一步诠释了微软智能云的“完整性”。

香港中文大学等机构联合研发的ToonComposer系统实现了动画制作的重大突破，仅需一张彩色图片和几张线稿草图即可自动生成完整卡通动画。该系统通过稀疏草图注入机制和空间低秩适配器技术，将传统的中间帧绘制和上色工作整合为统一的"后关键帧制作"阶段，大幅提升制作效率。实验显示其在视觉质量和动作连贯性等指标上显著超越现有方法，为动画产业的智能化发展开辟新路径。

香港科技大学联合腾讯微信AI等机构开发出SitEmb-v1.5情境感知文本嵌入模型，突破传统AI只能孤立处理文本片段的局限。该技术让AI在理解文本时能考虑上下文环境，就像人类阅读一样。仅10亿参数的模型就超越了多个70-80亿参数的先进系统，在书籍理解等复杂任务中表现优异，已开源供全球开发者使用。

小米研究院推出的BTL-UI是一个革命性的GUI智能代理框架，通过模拟人类"眨眼-思考-执行"的认知过程，让AI能够像人类一样自然地操作各种应用界面。该技术在多个基准测试中实现了显著性能提升，为未来的人机交互和自动化应用奠定了重要基础。

2024年5月17日，腾讯云生成式AI产业应用峰会在北京召开，公布大模型研发、应用产品的系列进展。