中国人民大学团队提出HierSearch系统，通过分层架构让AI同时搜索企业内部资料和网络信息。系统包含本地搜索专家、网络搜索专家和统筹规划者，采用分层强化学习训练，配备知识精炼器筛选信息。在六个领域测试中显著优于传统方法，为企业级智能搜索提供了高效解决方案。

新加坡国立大学研究团队发布了离散扩散大语言模型的全面综述，这种新型AI写作模式让机器能像人类一样反复修改文本，而非传统的从左到右逐字生成。技术实现了10倍推理加速，支持精确的格式控制和并行生成，在保持传统模型性能的同时，解决了可控性和推理效率问题。

9月17日，面向全球白帽和技术精英的全球性安全行业大会——2021补天白帽大会在北京举行。作为《网络产品安全漏洞管理规定》（以下简称“规定”）正式实施后的第一个白帽行业盛会，来自监管机构、安全团队、研究机构的嘉宾和顶级白帽近千人汇聚一堂。

KAIST研究团队开发出RL-ZVP方法，首次让AI从训练中的"无用数据"学习。传统方法遇到全对或全错答案时会停止学习，但RL-ZVP通过分析词汇重要性给予精确反馈。在数学推理测试中，该方法比现有技术提升高达8.6个准确率点，且训练过程更稳定。这项突破重新定义了AI训练范式，证明了被忽视的训练数据实际蕴含巨大学习潜力。

随着全球企业手中数据量的快速增长，高级分析正成为各类业务活动的核心。消化数据、运用数据，企业才能够做出更明智的业务决策。

微软研究院推出POML标记语言，通过标准化模板解决AI对话格式混乱问题。该系统将内容与样式分离，能根据不同AI模型偏好自动调整格式，测试显示可将准确率提升9倍以上。研究团队开发了配套工具，用户无需编程基础即可创建复杂AI交互场景，为人机高效沟通提供了新方案。

想象一下，如果你家里有两位外国朋友：一位只能听懂你说的话并回答问题，另一位则只能根据你的描述画画，但不能回答你的问题。虽然他们各自都很有才华，但你必须在两人之间不断切换才能完成复杂任务。这就是当今人工智能领域的现状——我们有出色的"理解型"模型（如能看图回答问题的GPT-4V）和"生成型"模型（如能画图的Stable Diffusion），但它们像两个分离的世界，很少能融为一体。

本文探讨如何通过掌握提示工程，优化 AI 指令，提升生成效果与工作效率，从而在快节奏的工作环境中取得竞争优势。

Black & Veatch首席数字技术官Mike Adams在AI、数据中心和能源转型推动关键基础设施需求的背景下，分享了其20多年领导经验。Adams通过"Mike Drops"等创新沟通方式，将复杂挑战转化为简明语言，促进组织协调。他强调故事叙述在领导中的重要性，通过实例说明数字化能力对关键基础设施的价值，并介绍了"建立滩头阵地"等领导理念，帮助团队挑战现状、推动创新。

上海交通大学研究团队利用影响函数揭示了数据特征如何刺激大型语言模型的数学和代码推理能力。研究发现高难度数学问题能同时提升数学和代码推理，而低难度编程任务对代码推理最有效。基于此，他们提出了"任务难度翻转"策略，使模型在AIME24准确率翻倍至20%。细粒度分析还显示，探索性思维行为对推理有积极影响，而数学推理偏好逻辑连接词，代码推理则强调结构化语法。这些发现为优化AI训练数据提供了重要指导。

挪威卑尔根大学研究团队开发了RotaTouille深度学习框架，专门处理轮廓数据的旋转等变性问题。该方法基于复数值神经网络和圆形卷积，无论轮廓如何旋转或改变起始点都能准确识别。实验显示在多个数据集上超越传统方法，为医学影像、工业检测等领域提供了新的技术选择。

清华大学研究团队开发了HERMES系统，让机器人能通过观看人类操作视频学会复杂双手协作任务。该系统融合多源数据，采用通用奖励机制和虚实结合训练方法，配备精确导航定位能力。实验显示平均成功率达67.8%，在医疗、制造、家庭服务等领域展现广阔应用前景，代表了机器人从数据驱动向理解式学习的重要进展。

预测未来一直是个冒险的想法。所幸的是，预测分析技术的出现，让用户能够根据历史数据和分析技术（如统计建模和机器学习）预测未来结果，这使得预测结果和预期趋势比以前更加可靠了。

MIT研究人员开发了名为OOFSkate的光学追踪系统，运用人工智能分析花样滑冰运动员的跳跃视频并提供改进建议。该系统可追踪运动员的物理指标，帮助他们完成四周跳甚至五周跳。研究团队还在探索AI如何评估花滑的艺术表现，通过与专家和新手的反应对比，深入理解AI的美学评估能力。

芝加哥大学研究团队通过创新的"分支因子"测量工具，发现经过对齐训练的AI模型生成选择比原始模型减少近十倍，解释了现代AI助手回答相似的原因。研究还发现这种"保守化"在复杂推理中反而提升了稳定性，并提出了通过引导方式平衡AI可靠性与创造性的方法，为AI技术发展提供重要指导。

IBM Security全球副总裁Bob Kalka在本届互联网安全大会（ISC 2020）中，向我们介绍了在即将到来的智能时代，要通过何种思路来应对未来智能安全环境中新攻击手段与态势。

腾讯与上海交通大学联合推出的DeepTheorem研究突破了大型语言模型在数学定理证明领域的限制。该项目创建了包含12.1万个IMO级别非形式化定理的大规模数据集，开发了专门的RL-Zero强化学习策略，并设计了全面的评估框架。研究表明，通过使用自然语言而非传统形式化系统，即使是7B参数的模型也能在复杂定理证明上取得显著成果，超越许多更大的专业模型。这一成果为AI数学推理开辟了新途径，使语言模型能够像人类数学家一样思考和证明。

WebNovelBench研究为评估AI的长篇故事创作能力提供了突破性方法，利用4000多部中国网络小说建立基准，将AI小说家与人类作品进行直接比较。研究者设计了"摘要转小说"任务，通过八个叙事维度进行评估，发现顶级AI模型如Qwen3-235B-A22B已接近高质量人类创作水平。研究揭示了开源模型正快速追赶专有模型，并为AI创意写作评估提供了可靠标准。这项工作不仅展示了AI在叙事创作领域的进步，也为理解人工智能与人类创造力的关系提供了新视角。

这项研究提出了LongGuide算法，解决了大型语言模型在长文本生成任务中的局限性。研究团队发现，仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则：度量指导原则和输出约束指导原则，显著提升了模型性能。在七种长文本生成任务中，该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点，为提升AI长文本生成能力提供了新方向。

纵观群晖科技进入中国大陆市场的几年，正是NAS产品从小众应用逐渐转变为大众认知的几年，而他们的发布会也逐渐从侧重新品发布转向为存储新趋势、技术新方向的解读……