北京大学研究团队开发的ROCKET-3系统通过让AI在《我的世界》中完成10万个训练任务，学会了跨视角空间推理能力。该AI在游戏中的交互成功率提升了4倍，更令人惊喜的是能够零基础操控真实世界的机器人。这项研究证明了虚拟环境训练的巨大潜力，为AI从专用工具向通用智能体的转变指明了新方向。

复旦大学研究团队提出了一种突破性的自监督强化学习框架，让AI推理模型在不依赖外部强大模型指导的情况下显著提升指令遵循能力。该方法通过渐进式约束课程和智能奖励建模，成功解决了推理能力与指令执行能力之间的权衡难题，在多个基准测试中实现10-16个百分点的性能提升，同时保持了原有推理能力，为AI助手的实用性改进提供了低成本、高效率的技术路径。

Meta FAIR团队发布DARLING技术，通过"多样性感知强化学习"方法解决AI回答千篇一律的问题。该系统创新性地将质量与多样性奖励相结合，使用语义分类器判断真正的内容差异，在创意写作和数学解题等多个领域都实现了质量与多样性的双重提升。这项技术为AI在教育、创意产业等领域的应用开辟了新可能。

7月30日，Kyligence 在上海成功举办 Data & Cloud Summit 2021 行业峰会，本次峰会以"云 · 数据 · 智能"为主题，聚焦数据服务与管理领域的前沿趋势、领先技术及最佳实践。

华为轮值董事长胡厚崑、华为中国政企业务总裁吴辉、华为云CEO张平安第一天分享如下

这项由德州大学达拉斯分校主导的研究是首个全面梳理大语言模型在科学研究全生命周期应用的综合调研。研究团队系统分析了AI在假设发现、实验实施、论文写作和同行评议四个关键环节的作用，展现了从"AI副驾驶"到"全自动驾驶"的技术演进。研究发现AI不仅能提高研究效率，还能激发跨学科创新，但也面临技术局限、评估标准和伦理挑战。

斯坦福大学研究团队在2025年提出了首个从语言反馈学习的理论框架，创新性地引入转移消元维度来衡量语言反馈的信息量，并开发了HELiX算法。研究证明语言反馈能带来指数级学习加速，在多个游戏测试中表现优异，为AI学习从简单数值反馈转向丰富语言指导奠定了理论基础，有望推动教育、推荐系统等领域的AI应用革新。

腾讯AI Lab等机构联合研究解决了AI大语言模型的"幻觉"问题。他们开发的"迭代自调优"方法教会AI诚实承认不确定性，而非编造错误信息。实验证明该方法显著提升了AI的诚实度和可靠性，同时保持了有用性。这项突破将让AI助手在医疗、教育、法律等关键领域变得更加可信，为构建可靠的人工智能系统奠定基础。

Meta和华盛顿大学研究团队开发出PrefPalette系统，首次将认知科学的多属性决策理论引入AI偏好预测。该系统通过分析19个属性维度理解用户偏好形成过程，在Reddit 45个社区测试中准确率比GPT-4o提高46.6%。系统不仅能预测用户喜好，还能解释预测原因，为构建透明可解释的个性化AI奠定基础。

斯坦福大学等国际研究团队通过对比GPT-3.5、GPT-4o等六个主流大语言模型在印地语、波斯语和中文对话中的表现，发现AI在不同语言中的"幻觉"现象存在显著差异。研究显示中文表现最稳定，幻觉现象最少，而印地语和波斯语中AI经常出现答非所问的情况。这一发现揭示了训练数据质量对AI语言能力的决定性影响，为多语言AI公平性发展提供重要参考。

为CCTV6电影频道AI影像人才优选计划制作AI短片《玉覆荆楚》，结合游戏元素与荆州博物馆文物，讲述游戏、文物、坚守、传承的故事。制作过程中，团队经历了剧本创作、分镜设计、AI生成图像、图像转视频、剪辑和音效制作等环节，克服了多种困难。虽然作品有提升空间，但团队对结果感到满意，并对未来AI影像制作充满信心。

香港科技大学团队首创Video-MTR系统，让AI像侦探一样进行多轮推理来理解长视频。该系统不再一次性分析整个视频，而是先粗略观察，再针对性深入关键片段，最多进行三轮调查。通过双层奖励机制和仅8000个精选训练样本，在三大权威测试中均达到开源系统最佳水平，特别在长视频理解上提升显著。

万物发展，变化有时。财务共享中心的内涵、边界等也在悄然发生变化。

印度理工学院团队推出EKA-EVAL评测框架，首次实现对AI大模型的全方位多语言评估。该框架整合35个评测任务，专门支持22种印度官方语言，涵盖推理、数学、工具使用等核心能力。相比现有英语中心的评测工具，EKA-EVAL填补了多语言AI评估的重要空白，为全球语言多样化地区的AI发展提供了标准化评测平台。

浙江大学与阿里巴巴合作开发了MTDEval多轮对话评估系统，通过学习五个顶级AI评委的评判智慧，将多评委评估的准确性与单模型推理的效率完美结合。系统在七个基准测试中表现优异，评估速度比传统方法快数倍，同时构建了两个高质量数据集供研究使用。该开源系统为AI对话质量评估提供了实用可靠的解决方案。

复旦大学团队开发了全新的多维约束框架来评估和改进大语言模型的指令跟随能力。研究发现AI在处理复杂约束时表现不佳，成功率从简单约束的77%降至复杂约束的33%。通过强化学习训练，模型性能显著提升30-50个百分点且不影响其他能力。研究揭示改进主要来自注意力机制优化，为AI实用化提供了重要突破。

澳大利亚研究团队开发出PresentAgent，这是一个能将任何文档自动转换为专业演示视频的AI系统。该系统集成了文档解析、幻灯片设计、语音合成等功能，并创建了全新的多维度评价体系。实验显示，AI生成的演示视频在多项指标上接近人类专家水平，为教育、商业等领域的演示制作提供了高效解决方案。

这项由都柏林大学团队完成的研究提出了DriftMoE系统，通过神经网络路由器与增量专家的协同学习来处理数据流中的概念漂移问题。该方法在九个基准数据集上的表现与传统大型集成方法相当，但资源消耗显著更低，特别适合边缘计算等资源受限场景，为构建高效自适应的流数据学习系统提供了新思路。

2020年3月5日，“Wi-Fi 6改变企业，华为AirEngine Wi-Fi 6新品解读会”线上举行。华为邀请各界专家、行业客户及伙伴，一起分享了Wi-Fi 6对企业数字化转型的影响，以及华为AirEngine Wi-Fi 6新品亮点。

业务连续性计划主要围绕可能出现的已知场景进行构建，包括由火灾、网络犯罪分子的恶意攻击而造成的重大宕机。这些计划概述了组织在面对此类灾难时应当遵循的程序，但如果无法完全预测事件发生对业务产生的确切后果时，关注重点也许就该由计划转移至组织本身。