自从亚马逊推出EC2以来，云计算发展已经超过10年，10年时间让公有云格局“定而未定”。之所以说未定，是因为随着像华为这样的ICT巨头进入公有云领域，从而让公有云市场可能面临再次洗牌，这是一股令如今的公有云巨头都不可小觑的力量。

这项研究提出了AdaCtrl框架，解决大型AI模型在推理时过度思考的问题。通过难度感知预算分配技术，AI可以自动判断问题难度并相应调整推理深度，同时允许用户手动控制思考量。实验表明，与基线相比，AdaCtrl在维持或提升准确性的同时，显著减少了简单问题的回答长度(最高减少91%)，对复杂问题则保持详尽思考。这种"量力而行"的思考方式不仅提高了AI效率，也增强了用户体验，为推理模型发展提供了新方向。

挪威研究团队创建了Kvasir-VQA-x1数据集，这是一个专门用于训练医疗AI进行胃肠镜检查分析的大型数据库。该数据集包含159,549个分层次的医学问答对，能让AI从简单识别发展到复杂临床推理。实验显示经过训练的AI模型在医疗图像分析上达到85%以上准确率，展现了从模式识别向深度医学推理跨越的重要进展，为未来智能医疗诊断奠定了基础。

麻省理工学院（MIT）与麻省总医院（MGH）宣布开发名为Sybil的深度学习模型，可利用单一CT扫描数据预测肺癌风险。相关研究已经于上击正式发表在《临床肿瘤学杂志》上，其中讨论了“以个性化潜在癌症风险评估工具服务高风险人群”的可能性。

百度AI开发者大会（Baidu Create 2018）上，百度高级副总裁、AI技术平台体系（AIG）总负责人王海峰发布百度大脑3.0，并指出，百度大脑3.0的核心是“多模态深度语义理解”，包括数据的语义，知识的语义，以及图像、视频、声音、语音等各方面的理解。

7月4日召开的百度AI开发者大会上，百度高级副总裁、AI技术平台体系（AIG）总负责人王海峰发布百度大脑3.0，并指出，百度大脑3.0的核心是“多模态深度语义理解”，包括数据的语义，知识的语义，以及图像、视频、声音、语音等各方面的理解。

阿里巴巴达摩院联合多家机构构建了史上最大的开源医学推理数据集ReasonMed，包含37万高质量样本。通过多智能体协作和精密质量控制，他们训练出仅70亿参数的ReasonMed-7B模型，在多项医学问答测试中超越了更大规模的竞争对手，甚至在某些测试中击败700亿参数模型，证明了高质量数据胜过模型规模的重要原则。

神州数码集团首席物联网专家郄胜强通过主题演讲分享在AIoT领域的探索与创新,为产业数字化转型提供借鉴思路。

至顶科技联合人民网财经研究院发布《开启智能新时代—2024年AI大模型产业发展报告》

在近日举行的年度计算机视觉和模式识别盛会CVPR（Conference on Computer Vision and Pattern Recognition）上，阿里云ET城市大脑的三项视觉技术论文入选，与其应用场景息息相关。

麻省理工与UMass研究团队开发出"预算引导"技术，解决深度思考AI模型推理过程过于冗长的问题。该方法通过轻量级预测器引导AI按预算思考，在MATH-500测试中比传统方法准确率提升26%，同时将思考词汇减少37%，实现了效率与准确性的双重优化。

中科大团队推出深度研究智能体评测基准DeepResearch Bench，包含100个跨22领域的博士级研究任务，创新性地设计了RACE和FACT双重评估框架，分别评判AI生成报告质量和信息收集能力。测试显示谷歌Gemini表现最佳，该研究为AI研究助手行业建立了首个科学统一的评估标准。

未来，人工智能技术与金融业务的深度融合，将进一步衍生出新业态、新场景，或将深刻影响金融业的发展模式，为我国数字银行的高质量发展增添动力。

Dell PowerScale存储系统可以让我们轻松面对未来ADAS指数级别的数据扩张，利用PowerScale进行深度学习和大数据分析方面的系统化技术探索，可以更好地满足国内泊车业务的增长需求，建立合规化数据生态，为未来发展奠定坚实基础。

日前，以“网络安全为人民，网络安全靠人民”为主题的2022国家网络安全宣传周在安徽合肥滨湖国际会展中心盛大举行。

这篇论文提出了"计划与预算"框架，解决大型语言模型在推理任务中的效率问题。研究者发现模型存在"推理失调"现象——简单问题上过度思考，复杂问题上思考不足。他们开发了贝叶斯预算分配模型(BBAM)作为理论基础，将推理分解为子问题并根据不确定性分配计算资源。实验表明，该方法在不同任务上显著提高推理效率，令牌使用减少39%，E?指标提升187.5%，且能使小型模型达到大型模型的效率水平。

认知视觉检测技术在工业制造在内的诸多领域拥有广阔的应用空间，针对不同的行业应用场景，IBM打造端到端的定制解决方案，助力各行业的升级与创新。

安森美的Hyperlux LP系列图像传感器即具备上述的Wake on Motion低功耗技术。在增强了设备的侦测能力的同时，有效地降低功耗。

澳大利亚国立大学和广湾大学研究团队开发的VAU-R1系统通过强化学习显著提升了视频异常理解能力。该研究不仅创建了第一个专门用于训练和评估视频异常理解的思维链基准数据集VAU-Bench，还提出了一种数据高效的强化微调框架，使模型能更准确地回答问题、定位异常时间段并提供连贯解释。实验结果表明，VAU-R1在多项选择题准确率和时间定位方面比传统方法有显著提升，为安全监控、灾害预警等领域的智能系统带来了新的可能性。

3月17日，中国工商银行发布基于昇腾AI的金融行业通用模型，首家实现了企业级金融通用模型的研制投产，并广泛应用于客服、营销、运营、风控等业务主战场中，推动人工智能技术在金融领域规模化应用的跨越式发展。