本文介绍了一种新的提示方法,旨在充分利用多智能体人工智能系统。随着智能体AI的兴起,我们将面临如何通过提示来调用合适的智能体AI完成任务的挑战。文章探讨了"驾驶员座位"和"乘客座位"两种提示方法,并提供了实际应用示例。同时还介绍了最新的多智能体AI研究进展,包括基于句子嵌入的智能体推荐技术。

香港科技大学研究团队推出VL-Rethinker，这是首个能在视觉语言任务中进行深度反思的AI系统。通过创新的"选择性样本回放"和"强制反思"训练策略，VL-Rethinker在数学视觉推理等任务上显著超越GPT-o1，证明了AI可以学会像人类一样自我检查和纠错，为构建更智能可靠的多模态AI系统开辟了新路径。

CapSpeech是约翰·霍普金斯大学等机构联合提出的风格描述文本转语音合成基准，包含超过1000万机器标注和36万人工标注的语音-描述配对。它支持五大下游任务：基础风格描述、带音效的语音合成、口音控制、情感表达和表现力丰富的虚拟代理。研究团队开发了自回归和非自回归两种模型，并通过客观和主观评估证明了该基准的有效性。CapSpeech不仅丰富了语音合成的表现力和可控性，还为实际应用如有声读物、对话代理和跨文化语音合成铺平了道路。

以太坊正在积极“瘦身”，希望借此应对其它高效率区块链方案带来的挑战压力。

网络安全的保卫者们要随时做好准备，同入侵者在每一台服务器甚至每一个进程里展开“巷战”，并将他们彻底消灭。

微软研究团队开发了LettinGo框架，通过让AI用自然语言生成用户画像来改进推荐系统。该方法分三步：多模型探索生成多样化用户档案，通过实际推荐效果评估档案质量，最后用偏好对齐技术训练专门的档案生成器。在三个主要数据集上的实验显示，相比传统方法平均准确率提升20个百分点，且生成的档案更灵活、可解释性更强。

香港大学团队首次发现AI事实核查系统的重大安全漏洞，开发出名为Fact2Fiction的攻击方法，能够系统性欺骗最先进的事实核查系统。研究显示即使投入极少量精心制作的虚假证据，就能让AI系统40-60%的时间得出错误结论，成功率比现有攻击方法高出8.9-21.2%。该研究揭示了AI系统透明度设计的双刃剑效应，为开发更安全可靠的下一代系统提供重要启示。

Open AI的大型语言生成模型ChatGPT火热，它能胜任刷高情商对话、生成代码、构思剧本和小说等多个场景，将人机对话推向新的高度。全球各大科技企业都在积极拥抱AIGC，不断推出相关技术、平台和应用。

我们正在目睹，以5G为代表的新一代信息技术，就在赋予社会这种经济韧性。

弗吉尼亚理工大学研究团队开发出突破性技术，能从单一视频生成全新视角画面。他们通过"K阶递归噪声表示"解决AI模型记忆问题，用"随机潜在调制"智能填充新视角中的空白区域。该方法无需重新训练模型，在视觉质量、角度准确性等关键指标上均优于现有方法，为电影制作、虚拟现实等领域带来新可能。

南加州大学研究团队开发出一种名为PILS的新技术，能够通过分析AI模型输出时的概率信息来破解隐藏的系统指令。这种方法通过观察AI生成文本过程中多个步骤的"思考轨迹"，将隐藏提示的恢复成功率提高了2-3.5倍。研究发现AI模型的概率输出存在于低维空间中，可以用数学方法进行压缩和逆向分析。这项发现对AI安全具有重要影响，揭示了当前依赖隐藏指令的安全机制可能存在漏洞，为AI安全防护提出了新挑战。

5G毫无疑问是今年巴展的焦点，作为 5G 产业链中的重要一环，高通成为存在感最高的参展商，阿蒙则成为最忙的人。

哈佛大学研究团队首次实现了人工智能的"流等变性"，让机器能够像人类一样理解时间中的运动和变化。这项突破性研究开发出FERNNs神经网络，不仅能识别物体位置，还能理解运动规律。实验显示，该技术在运动预测任务中性能提升50倍，并具备零样本泛化到新运动模式的能力，为自动驾驶、机器人、视频分析等领域开辟了新前景。

南洋理工大学研究团队开发的NVG技术革新了AI图像生成方式，让AI学会像画家一样分层创作。该技术将图像分解为9个粒度层次，从整体构图到精细细节逐步生成，不仅提高了图像质量，还提供了前所未有的结构控制能力。在多项评测中NVG均优于现有方法，仅需9步即可生成高质量图像，为数字艺术创作和AI可控生成开辟了新路径。

Prime Intellect团队首次实现320亿参数AI模型的全球分布式强化学习训练，开发了INTELLECT-2推理模型。该研究突破了传统中心化训练的限制，通过PRIME-RL框架、SHARDCAST权重分发和TOPLOC验证系统，让全球任何拥有GPU的计算机都能参与大模型训练，显著降低了AI开发门槛，为AI民主化发展开辟了新路径。

5月19日，微软年度开发者大会Build 2020以完全数字化的形式在线上开幕。48小时内，微软通过一系列在线直播和互动环节，向来自全球的软件及移动应用开发者、数据科学家、IT专家社区展示其围绕开发者、智能云、生产力、协作工具等推出的一系列最新举措和成果。

这项由18所顶尖高校联合开展的研究推出了革命性的AI代理评估平台xbench，彻底改变了传统以技术能力为中心的评测方式，转而采用真实职业场景的实战检验。研究团队在招聘和营销两个专业领域构建了完整的评估体系，让AI代理像实习生一样直接承担真实工作任务，用实际成果证明商业价值。通过对九个主流AI代理的全面测试，发现不同模型在专业任务中的表现差异显著，技术评测高分未必转化为实用价值。

2023年大众对AI的看法从怀疑到认可，AGI（通用人工智能）的发展迅速，大模型展现出惊人的想象力和取悦能力。应用层尚未出现独角兽，创业者面临官方技术迭代的挑战。

本研究由斯坦福大学等顶尖学府联合提出SkillBlender方法，让人形机器人像人类学习技能一样先掌握基础技能，再智能混合应对复杂任务。通过预训练行走、伸手、蹲起、踏步四种原始技能，系统能以最少的奖励设计完成复杂全身协调任务。新建的SkillBench测试平台包含三种机器人、八项任务，并创新性地评估动作准确性和自然度。

KTH皇家理工学院研究团队通过收集6万个AI智能体运行轨迹，首次系统性地揭示了当前AI评估方法中存在的严重随机性问题。研究发现，即使在确定性设置下，同一智能体的表现仍可能波动2-6个百分点，许多声称的技术"改进"可能只是评估噪音。团队提出了基于统计功效分析的严格评估框架，为建立可靠的AI性能评估体系提供了科学指导。