企业自动化软件公司UiPath（纽交所代码：PATH）日前宣布，联想集团通过在全球范围内部署UiPath自动化技术，实现了生产力和效率的大幅提升。

Skywork OR1是昆仑公司AI团队开发的开源推理大模型，通过创新的强化学习方法显著增强了语言模型的推理能力。该研究基于DeepSeek-R1-Distill模型系列，采用名为MAGIC的训练方法，在AIME24、AIME25和LiveCodeBench三大基准测试中实现了显著性能提升，32B模型平均准确率提高15.0%，7B模型提高13.9%。研究团队通过系统研究策略熵崩塌现象，提出了有效的缓解策略，并开源了全部代码、数据和模型权重，为AI社区提供了宝贵资源。

近日，紫光股份旗下新华三集团打造的私域大模型百业灵犀（LinSeer）在中国信通院组织的大规模预训练模型标准符合性验证中，模型开发模块被评为4+，达到国内先进水平。

想象一下，你正在参加一场料理比赛，有两位评委。第一位评委只给你一个分数，而第二位评委会详细解释你的菜品在口感、创意和技巧上的表现如何，然后才给出最终评价。显然，第二位评委的反馈对于你改进厨艺更有帮助。伊利诺伊大学研究团队正是秉持这一理念，开发了能像第二位评委那样工作的AI评估系统。

我们生活在一个AI能力有望超越人类大脑的时代下。

去年3月，搜狗推出了AI录音笔C1，一年后，搜狗全新的AI录音笔产品它们又来了!受疫情的影响，今日，搜狗公司在线上举办了名为“同舟共记”的AI录音笔新品发布会，此次发布会，搜狗除了正式发布S1、E1两款AI录音笔新品外...

基于“人工智能＋大数据”搭建证券行业智能化客户服务平台。

这篇论文由加州大学伯克利分校和香港大学的研究团队提出了LIFT方法，挑战了传统视觉语言模型需要同时训练文本和图像编码器的假设。研究发现，使用预训练的大型语言模型作为固定文本编码器，只训练图像编码器就能在多项任务上超越CLIP，特别是在理解空间位置、对象属性关联等组合信息方面。LIFT不仅提高了计算效率，还解决了CLIP在处理复杂语义关系和长文本描述时的短板，为视觉语言模型提供了一条更高效的发展路径。

知道吗，地球上估计有一千万种物种，而科学家只确认了150万种。且其中许多物种濒临灭绝。而在非营利组织Wild Me的努力下，保护野生动物的庞大任务可以从公民科学家们那里获得帮助。

6月9日，阿里云宣布推出第七代ECS、POLARDB-X数据库、视觉智能开放平台等重磅新品，在性能、稳定性和开发效率上继续领跑全球。此外，阿里云还发布了新一代数据中台、混合云管理平台、云原生数据仓库等产品及解决方案，目前这些产品均已在阿里云官网上线。

11月9日，在华为全联接大会2022——“共建数智生态”主题演讲，华为云全球生态部总裁康宁以“共创新价值，一切皆服务”为题发表演讲。

格罗宁根大学和哈佛大学的研究团队发现，当前大型推理模型在被要求用非英语语言"思考"时，面临严重的语言匹配与准确性权衡。他们通过评估六个先进模型，揭示即使最强大的32B参数模型也经常默认使用英语推理，而非用户指定的语言。提示黑客技术能将语言匹配率从45%提高到90%以上，但准确率会下降。这一发现对构建真正可信的多语言AI系统具有重要启示。

邮储银行依托 “金睛“信用风险监控系统，收集、整理和分析政府和企业公开的环境信息，搭建环境信息数据库，依托公众环境研究中心（IPE）的动态环境绩效评价 （DEPA）解决方案，快速高效识别企业的环境信用风险，提升信贷管理的效率和效能。

UC伯克利大学研究团队发现，当前先进的视觉语言AI模型虽然拥有强大的视觉识别能力，但在实际应用中却无法有效利用这些视觉信息。研究通过对比AI视觉系统的直接表现与完整系统的表现，发现存在巨大的性能差距，AI往往依赖语言模型的偏向性而非真实的视觉感知来回答问题。这一发现揭示了AI系统中视觉-语言整合的根本性缺陷，为未来AI发展指明了新方向。

近日，盛邦安全发布了Web应用安全综合治理系统RayGate v3.0版本，新增了IPv6资产自学习、定制化策略模板、三级用户站点开通、篡改事件手机端查询等功能，

AITEE是一款由德国康斯坦茨应用科学大学研发的电气工程智能辅导系统，结合大型语言模型和图神经网络技术，能够理解手绘和数字电路图，通过检索增强生成找到相关解决方法，并使用苏格拉底式对话策略引导学生独立思考。系统不仅能准确识别电路组件和结构，还能通过并行Spice模拟验证计算结果，有效解决了传统教育中的"教师带宽问题"，为电气工程学生提供个性化、可扩展的学习体验。

史蒂文斯理工学院研究团队发现大语言模型内部存在"真相神经元"，这些特殊神经元能够识别信息真实性，不受主题限制。研究通过积分梯度方法定位这些神经元，证明抑制它们会显著降低模型在真实性测试中的表现。实验表明，这些神经元主要分布在模型的中间层，且其影响可跨数据集泛化。这一发现为提高AI系统可信度提供了全新视角，有望促进更可靠的语言模型开发。

这是Meta首款能够理解图像和文本的旗舰视觉模型。

卡内基梅隆大学研究团队开发了ViGoRL系统，通过视觉定位强化学习显著提升AI的视觉推理能力。该方法让模型将每个推理步骤明确锚定到图像的特定坐标，模拟人类注视点转移的认知过程。与传统方法相比，ViGoRL在SAT-2、BLINK等多项视觉理解基准上取得显著提升，并能动态放大关注区域进行细节分析。这种定位推理不仅提高了准确性，还增强了模型解释性，为更透明的AI视觉系统铺平道路。

新加坡国立大学研究团队开发的SynthRL是一种创新的数据合成管道，旨在提升视觉语言模型的推理能力。该方法通过三阶段流程自动生成更具挑战性的训练数据：首先基于难度选择模型已掌握的简单问题，然后生成保留原始答案的更复杂变体，最后验证问题的正确性与难度增加。应用于MMK12数据集后，研究生成了3300多个高质量问题，并在五个视觉数学推理基准上实现显著性能提升，尤其在最困难的样本上效果最为明显。这一研究证明了智能数据合成在增强AI推理能力方面的重要价值，为视觉语言模型的进一步发展开辟了新途径。