数字化技术是证券行业发展提质增速的核心动能，科技创新能力成为证券行业数字化转型的成功密码。

11月28日，腾讯安全与青藤云安全在北京召开发布会，宣布在云安全领域展开战略合作。以腾讯云提供的高效稳定、安全可控的云服务为基础，加码云安全建设，为行业客户提供“天眼云镜”企业私有数据中心主机安全解决方案。

Google Assistant是最聪明的智能助理；微软Cortana非常出色，排在第二位；亚马逊Alexa的学习速度比其他任何助理都要快。但是苹果的Siri呢？它仍在挣扎中。

借助Adjust InSight强大的功能和洞见，营销人员能够以隐私保护为前提，基于丰富数据做出明智营销决策，进而推动ROI增长

英特尔与苏州阿普奇物联网科技有限公司联合举办2024阿普奇生态大会暨新品发布会。

近日,阿里云携手英特尔(中国)主办的“英特尔创新大师杯”冷冻电镜蛋白质结构建模大赛宣布开放报名。据介绍,该赛事旨在探索人工智能在获取蛋白质结构原子模型方面的潜力。

为庆祝开源一周年，MindSpore社区邀请行业大咖、专家学者和社区开发者面向全球进行直播，MindSpore新特性和TinyMS新工具在此次直播中首次亮相。

作为蜜度以强大科研能力与深邃行业洞察研发的两大创新应用，跨模态信息检索和智能校对能够成为深化数据价值和提升工作效率的重要途径。

这项由不列颠哥伦比亚大学张翔和曹俊泰领衔的研究，揭示了大语言模型中一个被忽视的关键限制：分词系统对符号和算术推理能力的影响。研究团队发现，即使使用思维链提示技术，模型的推理能力仍受制于分词格式。通过将原子符号（如字母）明确分割的输入格式，可使模型在计数、排序和反转等任务上的准确率提升高达80%。实验证明，在优化分词条件下，较小模型甚至能超越更大模型的表现。这一发现颠覆了传统认知，提示我们分词设计对模型能力的重要性不亚于模型架构本身。

BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台，整合了38个基准中的30万个问题，按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差，而BenchHub通过自动分类系统和用户友好界面，让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大，强调了定制化评估的重要性。该平台支持多语言扩展和领域特化，为研究人员和开发者提供了灵活评估大语言模型的强大工具。

这篇研究介绍了Moonshot AI团队开发的G1模型，该模型通过强化学习显著提升了视觉语言模型在游戏环境中的决策能力。研究团队首创了VLM-Gym训练环境，包含多种视觉游戏与统一接口，并开发了两代模型：G0通过纯强化学习实现自我进化，G1则结合感知增强冷启动与强化学习，在所有游戏中超越教师模型。最关键的发现是感知和推理能力在学习过程中相互促进，为解决视觉语言模型的"知道-行动"差距提供了新方向。

超分，即“超分辨率”，是指通过深度学习方式将低分辨率图片或视频的清晰度提高，获得更高分辨率

这篇论文介绍了香港中文大学研究团队开发的创新框架"Solve-Detect-Verify"和灵活验证器"FlexiVe"。该系统模拟人类"快思考"和"慢思考"的双重认知模式，能根据问题复杂度智能调配计算资源。验证器首先采用轻量级"快思考"并行评估整个推理过程，仅在结果不确定时才启动详细的"慢思考"分析。结合主动识别解决方案完成点的机制，该系统在AIME和CNMO等数学推理基准测试中表现出色，使用约四分之一的计算资源即可达到甚至超越传统方法的准确率，为AI推理效率与准确性的平衡提供了新范式。

5月21至23日，腾讯全球数字生态大会在昆明举办。22日，以“智医疗 至健康”为主题的智慧医疗专场正式开启，由人民日报全国党媒信息公共平台、健康时报联合腾讯公司联合开展的2018年度中国“互联网+医疗健康”优秀案例评选结果也正式揭晓。

伊利诺伊大学香槟分校等机构的研究团队提出MiCRo框架，创新性地解决了大语言模型偏好学习的多样性问题。该框架采用两阶段方法：先通过混合建模从二元偏好数据中提取多种潜在偏好模式，再利用情境感知路由根据用户具体需求动态调整偏好权重。实验证明，MiCRo不仅能有效捕捉多样化人类偏好，且仅需少量标注数据即可实现个性化适应，在多个数据集上显著优于现有方法，为构建更具个性化的AI系统提供了新思路。

在2018中国移动全球合作伙伴大会上，中国移动联合英特尔公司共同发布了一套基于Intel Movidius视频处理单元（VPU）、面向智慧园区的智能视频边缘计算解决方案，并推出一款基于该VPU芯片、前端一体化方案的人脸识别智能终端。

富士胶片商业创新（中国）宣布将以“３＋１”体系为企业提供数字化创新解决方案与服务，加速推进全行业的数字化转型进程。

华盛顿大学与西华盛顿大学的研究团队合作开发了VisualSphinx——一个包含66万个合成视觉逻辑谜题的大规模数据集，用于提升视觉语言模型的逻辑推理能力。通过四阶段流程：种子问题收集、规则遗传算法扩展、程序化图像合成和谜题组装，团队以不到1000美元的成本创建了这一资源。实验证明，使用该数据集进行强化学习的模型在逻辑推理任务上的表现显著提升，甚至超越了多款封闭源模型，且这种能力可迁移至其他视觉推理任务。

2022年 12月11日，中国（杭州）国际智能产品博览会如期开幕。在西子湖畔的杭州国际博览中心1B数字消费馆，数百家智能科技产业厂商展示了最新的产品和技术，未来智能科技产业的热点在这里一网打尽。

这项研究探索了让大语言模型从词级预测转向句子级预测的可能性。研究团队构建了一个框架，使预训练语言模型能在句子嵌入空间中进行推理，探索了语义嵌入和上下文嵌入两种范式。实验结果表明，上下文嵌入在连续推理模式下的表现与传统思维链方法相当，同时将推理时计算成本平均降低了一半。研究还开发了SentenceLens工具可视化内部推理过程，并展示了这种方法在模型规模扩展和模块化适应方面的潜力。这一突破性研究证明预训练语言模型可以有效过渡到更高层次的抽象推理。