浙江大学和香港大学的研究团队提出了Prior Depth Anything，一个创新框架，融合了深度测量中精确但不完整的度量信息与深度预测中相对但完整的几何结构。该方法通过粗到细的流程，先用像素级度量对齐将深度预测与先验融合，再利用条件化单目深度估计模型优化结果。模型在7个真实数据集上实现了出色的零样本迁移，可处理深度补全、超分辨率和修复任务，甚至能应对混合先验情况，并支持测试时切换预测模型，提供灵活的精度-效率权衡。

阿联酋穆罕默德·本·扎耶德人工智能大学研究团队开发出轻量级语音合成系统LLMVoX，仅用3000万参数就能让任何大语言模型获得流式语音输出能力。该系统实现475毫秒超低延迟，词错误率仅3.7%，支持多语言扩展，可与视觉语言模型集成，为AI语音交互提供了"即插即用"的革命性解决方案。

本文探讨了判断AI是否达到通用人工智能（AGI）和人工超级智能（ASI）水平所需的问题数量。目前缺乏确定的测试方法来评估是否达到顶级AI水平。基于图灵测试的分析，作者提出仅通过少量问题难以全面评估智能水平。参考美国国会图书馆主题标引（LCSH）的40万个主题领域，如果每个领域提出1万个问题，将需要40亿个问题来全面测试AGI。这种大规模测试虽然在逻辑上合理，但在实际操作中面临巨大挑战。

近日，“云中核心，智领未来—2021 IBM科技创新架构系列说”精彩上演。活动倾情打造四大主题专场，每周一个话题，涵盖 IBM 基础架构四大解决方案，IBM专家以及合作伙伴代表相继出镜，在2021年开年之际，奉献了一场关于混合云架构创新实践的视听盛宴。

波兰SpeakLeash团队联合多家机构开发了Bielik v3系列AI语言模型，包含1.5B和4.5B参数版本，专门优化波兰语处理能力。该模型采用创新的小参数高效能设计，在多项波兰语基准测试中超越了参数量2-3倍的竞品模型。通过精心的数据筛选、自适应学习率和先进的训练策略，证明了小模型也能在特定语言领域达到卓越性能，为资源受限环境下的高质量AI语言服务提供了新的解决方案。

在未来的产业布局中，云网融合、软硬一体化，硬件智能化、软件的泛化以及数据无处不在，基本是未来的趋势。

第九届中国（天津滨海）国际生态城市论坛暨2018中国国际数字经济创新峰会于9月7日-8日在天津举行。微软（中国）首席技术官韦青出席大会，并做了题为《智慧城市建设——从理论到实践》的演讲。

IBM Services 高级副总裁 Mark Foster 于IBM Think Digital 大会上的主题演讲全文。

忘掉比特币吧，区块链技术将帮助我们利用太阳能获得另一种数字化货币。

去年在疫情的影响之下,出现了大量居家、移动、分散和远程办公的工作场景,这给企业的办公和员工传统的坐班式工作模式带来了很大的挑战。

这篇研究论文介绍了"Speechless"，一种创新方法，可以在不使用实际语音数据的情况下训练语音指令模型，特别适用于越南语等低资源语言。研究团队通过将文本指令转换为语义表示，绕过了对高质量文本转语音(TTS)系统的依赖。该方法分三个阶段：首先训练量化器将语音转为语义标记；然后训练Speechless模型将文本转为这些标记；最后用生成的合成数据微调大型语言模型。实验表明，该方法在越南语ASR任务中表现出色，为低资源语言的语音助手开发提供了经济高效的解决方案。

字节跳动种子团队提出熵调制策略梯度EMPG方法，解决AI智能体在长期任务中的稀疏奖励学习难题。通过自校准梯度缩放和未来清晰度奖励双重机制，根据步骤不确定性动态调整学习信号强度。在WebShop、ALFWorld和Deep Search三大基准测试中，EMPG显著提升了模型性能和训练稳定性，域外泛化能力尤为突出，为复杂AI系统的可靠训练提供了新的解决方案。

华盛顿大学研究团队发现，大型语言模型在未接受手语训练的情况下，竟然具备理解德语手语的能力。通过系统实验，他们证实了模型能够判断手语语法正确性，并进行手语与文字间的翻译。这种"涌现的多模态能力"源于模型对语言抽象结构的深度理解，为开发手语翻译技术和改善聋哑人群数字交流体验开启了新可能。

这项研究突破了大语言模型推理能力主要局限于数学和编程领域的限制，提出了"General-Reasoner"训练方法，使模型能够在物理、化学、金融等多领域展现高水平推理能力。研究团队构建了包含23万个跨学科问题的高质量数据集，并开发了基于生成式模型的答案验证器，取代传统规则验证方法。实验证明，该方法在MMLU-Pro等12个基准测试中表现优异，成功实现了全领域的推理能力提升，同时保持了在数学任务上的卓越表现。

微软亚洲研究院研究团队开发的rStar-Coder通过构建大规模验证数据集，显著提升了语言模型的代码推理能力。该数据集包含418K个竞赛级代码问题和580K个长推理解决方案，每个都经过多样化测试案例验证。关键创新在于三步测试输入生成方法和相互验证机制，确保了数据的高质量和可靠性。实验表明，即使是小型模型也能达到卓越性能——Qwen2.5-7B从17.4%提升至57.3%，甚至在USACO奥林匹克竞赛中超越了规模更大的模型，证明了高质量训练数据比模型规模更重要。

2022年12月15日，由数商传媒《数字商业时代》举办的2022年度“智造中国高峰论坛”以在线直播的方式召开。

这项研究提出了STRUCTEVAL，一个全面评估大语言模型生成结构化输出能力的基准测试。研究涵盖18种格式和44种任务类型，分为不可渲染(JSON、YAML)和可渲染(HTML、React)两大类。评测揭示即使最先进模型如GPT-4o也仅达到76.02%平均分，开源模型落后约10个百分点。研究发现，生成任务比转换任务更具挑战性，可视内容生成比纯文本结构更难掌握。某些任务(如Text→Markdown)已被很好解决，而另一些(如Text→Mermaid)仍然困难。这一基准为未来语言模型在处理结构化数据方面的进步提供了重要指导。

想象一下，你想要为游戏、虚拟现实体验或室内设计应用创建一个逼真的3D客厅。传统上，这需要专业的3D设计师花费数小时甚至数天的时间来建模、调整和布置每个物体。而现在，人工智能领域已经取得了令人瞩目的进展，尤其是在2D图像生成和单个3D物体生成方面。只需输入一段文字描述，AI就能创建出令人惊叹的图像或复杂的3D物体。

有一些“善”，能穿透阻隔，照进“黑暗角落”。

「远程办公后，我过上了“神仙般”的生活，跑步，撸猫，晒太阳」