这项研究首次创建了CommonForms大规模表单数据集，从800万PDF文档中筛选出5.9万份高质量表单，涵盖20多种语言和14个领域。基于此训练的FFDNet模型在表单字段识别上超越Adobe Acrobat，能识别文本框、复选框和签名区域，训练成本仅500美元且完全开源，为自动化表单处理提供了经济实用的解决方案。

Google研究团队推出Atlas，一种革命性的AI记忆优化模型，解决传统Transformer架构在处理长文本时的计算复杂度问题。Atlas通过三大创新：超线性容量的记忆模块、基于上下文而非单词的记忆优化、及使用Muon优化器的高效记忆管理，实现了在超长文本(10M)处理中保持80%以上的准确率。研究还提出DeepTransformers架构，作为传统Transformer的严格泛化版本，在语言建模和常识推理任务中展现出色性能。

在赋能行业的平台的背后，EasyDL依托于NVIDIA的Tesla GPU深度学习平台，搭建了用于深度学习模型训练（Training）和服务（Inference）阶段的GPU集群。

沈徽在以“智能视觉，看懂世界”为题的主题演讲中表示，如今人工智能技术已经快速渗透到各行各业，并且通过技术提升驱动生产力升级，不断为产业带来变革。

上海交通大学团队开发出FlowRL训练方法，将AI从"奖励最大化"转向"分布匹配"，让AI学会多样化推理而非单一模式。该方法在数学推理上比现有最佳方法提升10%准确率，在编程任务中达到CodeForces前83.3%水平，解题方案多样性提升近一倍，为AI训练提供了新思路。

英特尔亮相第二十四届中国零售业博览会（China Shop 2024）。会上，英特尔发布了《零售门店数字化赋能专项报告（2024年）》。

7月22日，第三届华为云AI院长峰会在贵安召开。多位中国工程院院士、中国科学院院士，以及来自国内近30所顶尖高校的60余名院长、教授、专家汇聚一堂，共同探讨人工智能发展的新趋势及新挑战，促进人工智能创新思想、技术、产业、应用、人才的集聚和落地。

蚂蚁集团智能凭证安全产品全项通过信通院能力测评，获最高评级。

本研究提出了双头优化（DHO）框架，一种解决视觉-语言模型知识蒸馏中梯度冲突问题的创新方法。通过设计两个独立的预测头分别学习标记数据和教师信号，DHO有效缓解了传统单头方法中的梯度冲突，提升了特征学习质量。实验结果显示，DHO在ImageNet等11个数据集上一致超越基线方法，使用1%标记数据时较现有最佳方法提高了3%的准确率，同时参数量更少。此外，DHO支持推理时通过线性组合双头输出灵活调整模型表现，为半监督学习下的知识蒸馏提供了一种简单高效的解决方案。

Pinecone 推出了 Pinecone Assistant，一种 AI 智能助手构建 API 服务，旨在加速检索增强生成（RAG）应用的开发。该服务集成了向量搜索、模型编排和重排等功能，简化了 RAG 应用的构建过程。Pinecone Assistant 提供了优化的接口、自定义指令和多种文件格式支持，为开发者提供了灵活且高效的 AI 智能助手构建工具。

NVIDIA研究团队揭示了训练AI模型同时掌握数学推理和编程能力的突破性方法。通过精心设计的监督学习和强化学习协同训练，他们发现仅用数学题训练就能显著提升编程能力。研究提出了温度调节、阶段性训练等关键技术，最终的AceReason-Nemotron 1.1模型在多项权威测试中达到业界领先水平，为AI跨领域能力发展提供了新范式。

香港浸会大学团队开发了HumbleBench，这是目前最大的AI幻觉评估基准，包含22,831个测试题，专门评估多模态大语言模型的"认知谦逊"能力。与传统只测试选择正确答案的基准不同，HumbleBench的每个问题都包含"以上都不对"选项，测试AI能否在不确定时诚实承认无知。研究发现即使最先进的AI模型表现也不理想，最好的模型准确率仅73%，在极端测试中甚至接近0%，揭示了当前AI系统"不懂装懂"的严重问题。

NVIDIA研究团队开发了iGRPO训练方法，让AI学会像人类一样反复思考改进数学解答。该方法分两阶段：先生成多个解答选最佳，再基于最佳解答生成改进版本。在相同计算资源下，这种方法显著提升了AI数学推理能力，在权威数学竞赛中创造新纪录，AIME准确率达85.62%，已达顶尖人类学生水平，为AI系统学习复杂推理开辟新路径。

马里兰大学研究团队推出DynaGuard，这是首个能理解用户自定义规则的AI守护模型。不同于只能识别预设类别的传统系统，DynaGuard能处理自然语言编写的任何规则，并提供详细解释帮助AI自我纠正。该模型基于40000个场景的DynaBench数据集训练，在传统安全任务和定制规则处理上都表现优异，为AI安全技术开辟了新方向。

这项研究提出了SHARE，一种新型文本到SQL修正框架，它利用三个小型语言模型（SLM）协同工作，实现高效精准的SQL错误修正。SHARE首先通过基础行动模型将SQL转换为行动轨迹，再经过模式增强模型和逻辑优化模型的层次化精细化修正。研究团队还创新性地提出了层次化自演化训练策略，大大提高了训练数据效率。实验结果表明，SHARE在多个基准测试上显著提升了SQL生成准确率，计算成本仅为传统方法的十分之一，并展现出强大的泛化能力，适用于各种生成器模型和SQL方言。

马里兰大学等机构联合提出ViCrit训练法，通过让AI识别图片描述中的人工植入错误来提升视觉理解能力。该方法将传统的生成完整描述转换为精确的错误定位任务，使训练目标更加明确。实验显示经过训练的AI模型在幻觉减少和多项视觉推理任务上都有显著提升，同时研究团队还发布了ViCrit-Bench评估基准。这项研究为AI视觉训练开辟了新思路。

商汤科技等机构联合开源了百亿级图文交错数据集OmniCorpus，规模是现有数据集的15倍，包含86亿张图像和16,960亿个文本标记。OmniCorpus数据集在多语言、多类型数据抓取上进行了优化，提高了内容提取的质量和完整性。通过人工反馈和自动过滤规则，确保了数据集的高质量。在VQA和Image Captioning等测试中，基于OmniCorpus预训练的模型表现出色，对训练多模态大模型有重要帮助。

南华理工大学等机构联合开发的DOUBLE-BENCH是首个面向真实场景的文档检索增强生成系统评估基准。该研究发现现有评估方法存在严重缺陷，无法准确反映系统真实能力。DOUBLE-BENCH包含3276个多语言多模态文档和5168个精心设计的问题，全面测试结果显示当前系统在检索准确率和多步推理方面仍有重大提升空间，并暴露了系统"过度自信"的问题。

新兴的金融欺诈手段也层出不穷，并呈现产业化与组织化的态势，欺诈行为更具隐蔽性和蔓延性。巨大的欺诈风险已成为国内金融领域面临的最大挑战之一，全面提升反欺诈防控能力迫在眉睫。

这项研究提出了一种名为ConfiG的创新方法，通过生成针对性的数据增强样本来解决知识蒸馏中的协变量偏移问题。研究团队利用教师模型和学生模型之间的预测差异，引导扩散模型生成那些能挑战学生模型的样本，从而减少模型对训练数据中欺骗性特征的依赖。实验表明，该方法在CelebA、SpuCo Birds和Spurious ImageNet数据集上显著提升了模型在缺失组别上的性能，为资源受限环境下的AI应用提供了实用解决方案。