现在科大讯飞在认知智能领域已经取得了一系列全球领先的成绩。刘庆峰说，我们要向OpenAI致敬和学习，快速追赶并努力超越，首先需要一套科学系统的评测体系。

AI 的发展与数据存储息息相关。高质量的数据是 AI 算法的基础，而有效的存储技术则是数据管理的关键。AI 与存储技术相互促进:AI 推动存储创新,存储技术支持 AI 发展。未来,存储密度提升将满足 AI 对大容量存储的需求,同时 AI 也将助力存储设计优化,形成良性循环。

华盛顿大学研究团队开发出世界首个主动式耳机AI助手LLAMAPIE，能够在用户对话中主动提供简短关键词提醒，无需用户主动询问。该系统采用双模型架构，在真人测试中将问答准确率从37%提升至87%，同时保持对话自然流畅。这项技术为人机交互带来新突破，在教育、商务和辅助医疗等领域具有广阔应用前景。

英超联赛数字媒体和受众发展总监Alexandra Willis在访谈中分享了如何运用数据和AI技术为全球18亿球迷提供个性化体验。她强调通过与Adobe、微软等技术伙伴合作，构建客户数据平台和分析能力，帮助球迷创造个性化内容。Willis认为数字化转型的关键是平衡内部专业能力与外部合作伙伴的专长，确保技术创新与业务目标保持一致，为不同地区和兴趣的球迷提供有意义的数字化体验。

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。

国家发改委宏观经济研究院原副院长、中国人民大学中国经济改革与发展研究院常务副院长马晓河出席第九届中国（天津滨海）国际生态城市论坛暨2018中国国际数字经济创新峰会，并做了题为《新时代经济发展需要新动能》的演讲。

西蒙弗雷泽大学研究团队开发了CLiFT压缩光场令牌技术，用创新的数据压缩方法解决虚拟现实中的存储和传输难题。该技术能够用原来十分之一的数据量实现相同的视觉质量，同时支持根据用户需求动态调整渲染效果。在实际测试中，CLiFT在保持高质量视觉效果的同时，相比现有方法实现了5-7倍的数据压缩率，为虚拟现实技术在移动设备和网络受限环境中的应用开辟了新的可能性。

数字转型指标亟需将客户放在第一位及鼓励员工拥有企业成果，以达到创建推动新的收入增长数字渠道的目的。

戴尔科技公司的追踪股票于今天上午从股东处获得价格修改批准，这意味着戴尔方面将能够借此对旗下VMware公司加以控制，为Michael Dell以及Silver Lake Partners带来丰厚回报，同时亦给戴尔重返股市扫清了道路。

我们整理了过去一年内的机器学习市场潜力，得出一份指南。

易捷在联络中心启用了生成式AI。过去，分析师需要40分钟才能阅读、理解并撰写电子邮件回复，但使用生成式AI，这个时间缩短到了大约10到15分钟。

在这次疫情当中，无人机的“硬核”加入，让它化身为空中“战士”，它可能是监督大军、空中防控、甚至是防疫消毒的大功臣。

卡耐基梅隆大学等机构联合发布CameraBench，这是首个专门评测AI理解视频摄像头运动的大规模数据集。研究团队与专业电影摄影师合作，标注了约3000个多样化视频，建立了精确的摄像头运动分类体系。测试发现现有AI模型在理解推拉镜头、跟踪拍摄等运动类型方面准确率仅约50%，但通过专门训练可提升1-2倍，为视频理解和AI电影制作技术发展奠定重要基础。

家用电器巨头Whirlpool的高级副总裁、首席信息官Danielle Brown详细介绍了协作团队和数据管理是如何成为他们产品领导力和整个客户旅程不可或缺的一部分。

这项新泽西理工学院与麻省理工学院合作的研究揭示了语言模型水印技术会降低模型对齐性的隐患。研究者发现水印导致两种行为异常：模型要么变得过于顺从而忽视安全限制（防护减弱），要么变得过度谨慎而拒绝合理请求（防护增强）。针对这一问题，研究团队提出了"对齐重采样"方法，通过从多个水印样本中选择最佳回答，成功恢复了模型对齐性而不损害水印检测效果。实验表明，仅需2-4个样本即可显著改善模型真实性、安全性和有用性，为大语言模型的安全部署提供了实用解决方案。

这个春天，基于大模型技术的应用成为科技圈的风暴眼，以ChatGPT为代表的生成式AI一瞬间成为科技圈顶流，而在其背后，更需要强大算力作为基础性支撑。

在后疫情时代的世界里，将会涌现出大量的数字化推动的机会，但是和万事万物一样，每个行业都将会发展出自己的故事。

马里兰大学研究团队提出了CoLa（Chain-of-Layers）方法，让AI模型能够根据任务难度动态调整内部层的使用策略，实现"快思考"和"慢思考"的灵活切换。通过蒙特卡洛树搜索算法，该方法在推理任务上显著提升了模型的准确性和效率，为75%的正确答案找到了更短的处理路径，并纠正了60%的错误答案，为AI模型的架构优化开辟了新方向。

这项由北京交通大学、复旦大学、人民大学和微软亚洲研究院联合完成的研究首次系统评估了多模态AI的诚实度问题。研究团队创建了包含12000+问题的MoHoBench基准，测试28个主流AI模型发现：面对无法通过图片回答的问题时，大多数AI选择编造答案而非诚实承认局限性，平均拒答率仅21.3%。研究还提出了有效的训练方法来提升AI诚实度。

现在是PC复兴的时代吗？