Observe.AI 正式推出 VoiceAI 智能语音助手，旨在自动化处理呼叫中心的日常客户交互。该解决方案集成了多项 AI 技术，包括语音识别、文本转语音和专有 AI 模型，可无缝对接企业现有系统。通过提供拟人化的语音服务，既能提升客户体验，又能大幅降低运营成本，帮助企业打造智能化客服中心。

ByteDance研究团队提出OneReward统一奖励框架，通过单一视觉语言模型指导多任务图像编辑模型训练。该方法在图像填充、扩展、物体移除和文字渲染任务上均超越商业竞品，开发的Seedream 3.0 Fill在多维评估中表现卓越，为AI图像编辑领域提供了统一的人类偏好学习解决方案。

随着技术变得越来越人性化，在工作场所保持以人为本的方法也变得至关重要。

俄亥俄州立大学团队开发了FlexiTokens技术，解决了AI文本处理中的"一刀切"问题。该技术让AI模型能够根据不同内容和场景自动调整分词策略，在医学、法律等专业领域和多语言处理方面表现出色，性能提升高达10%，同时显著提高处理效率。

时值9月开学返校季，为了鼓励上班族“活到老，学到老”，时刻保持持续学习心态，全球领先的职场社交平台LinkedIn（领英）联合微软office365、沪江网校、哈佛商业评论、印象笔记及起点学院，推出针对职场人的“开学日职场摸底考”线上知识问答活动。

人工智能、数据科学与技术在COVID-19的管理与对抗领域最重要的10种应用方式。

RISC-V定制计算领域的领导者Codasip今日宣布：推出一款全新的、高度可配置的RISC-V基准性处理器系列，以实现无限创新。该系列被命名为“700系列”，包括多款应用处理器和嵌入式处理器内核。

数字化转型可以有很多目标，从节省资金到提高客户满意度。但是Sprint的目标是让内部和外部客户能够在他们想要的时间和地点，做他们想做的事情。

哈工大研究团队开发出革命性AI智能体Mirage-1，首次实现了像人类一样的长期规划和跨应用操作能力。该系统通过分层多模态技能学习和技能增强搜索算法，在Android和网页环境测试中分别取得32%、19%、15%和79%的性能提升，为AI助手的实用化发展奠定了重要基础。

VSP 360 是 Hitachi Vantara 推出的全新管理层，统一管理 VSP One 存储资源，支持混合云部署、AIOps 智能预测及自动化运维。

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。

NVIDIA研究团队开发了OCR-2系统，让AI能够像程序员一样对自己编写的代码进行"自我批评"和改进。他们构建了包含250万个编程问题-解决方案-批评组合的史上最大代码推理数据集，采用两阶段训练方法，让AI既能写代码又能评价代码质量。该系统通过生成多个解决方案并自我筛选，显著提升了代码生成准确率。

浙江大学团队开发的Cooper框架实现了AI训练中的"教学相长"，通过同步优化策略模型和奖励模型，成功解决了传统训练中的奖励黑客攻击问题。该框架让AI老师和学生同步成长，在数学推理任务上实现了显著性能提升，为构建更稳定可靠的AI系统开辟了新路径。

AMD公司CTO Mark Papermaster制定了未来两年的发展计划。

韩国NXN Labs开发的Voost系统实现了虚拟试衣技术的重大突破，能够同时处理"试穿"和"脱衣"两个相反任务。该系统使用统一的AI模型和创新的双向学习方法，在图像质量、细节保持和结构准确性方面都超越了现有技术，为电商购物和时尚行业带来革命性改变。

互联网工程任务组 (IETF) 成立了一个工作组，旨在制定新标准，让内容创作者能够向 AI 开发者表明是否允许使用其作品。该工作组将开发统一词汇表来表达作者和出版商对 AI 训练使用其内容的偏好，并探索将这些偏好附加到互联网内容的方法。这一举措源于当前系统的ineffectiveness，以及内容创作者对 AI 公司未经许可抓取内容的不满。

美国将为全球研究人员提供16台超级计算机用于找出与新型冠状病毒有关的疗法和疫苗。超级计算机可以处理庞大的数据集，能够比其他硬件系统更快地对分子行为进行复杂的模拟，因此美国此举有望加强抗击新冠病毒的能力。

南洋理工大学研究团队构建了Video-MMMU基准，通过300个专业教学视频和900道问题，评估AI模型从视频中学习知识的能力。研究发现人类专家知识增益达33.1%，而最先进的AI模型仅达15.6%，特别在知识适应新场景方面表现不佳。该研究揭示了当前AI在真正理解和应用知识方面的局限性，为未来AI教育应用发展指明了方向。

独立研究者Rishiraj Acharya提出了门控关联记忆网络（GAM），这是一种全新的AI架构，通过分工协作的方式解决了传统Transformer处理长文本时计算量呈二次方增长的问题。GAM采用局部卷积处理语法结构和全局关联记忆处理语义信息，配合智能门控机制动态融合，实现了线性复杂度的同时保持了更好的理解准确性，在多个数据集上都显著优于现有方法。

卡内基梅隆大学等机构联合开发的LessIsMore技术，通过发现AI推理中的空间局部性和时间局部性规律，创新性地采用统一注意力头选择和稳定时间窗口机制，在保持准确性的同时实现1.1倍推理加速。该技术无需重新训练即可应用，为AI推理效率提升开辟了新路径。