MASKSEARCH是阿里巴巴集团同义实验室开发的新型预训练框架，通过创新的"检索增强掩码预测"任务，训练大型语言模型像人类一样主动使用搜索工具获取信息。这项框架包含两个阶段：首先在掩码预测任务上预训练，然后在下游任务上微调，大幅提升模型在开放域问答中的表现。研究采用监督微调和强化学习两种方法，结合多代理系统和课程学习策略，使AI能够自主分解问题、使用搜索工具并基于搜索结果进行推理。

这项研究解决了语音合成中的多音字问题，特别针对资源有限的波斯语。研究团队提出了两大创新：一是构建HomoRich数据集，为多音字消歧提供丰富素材；二是重新思考G2P系统设计思路，利用这些数据改进基于规则的模型。他们既提升了神经网络模型Homo-GE2PE的准确率，又创造了HomoFast eSpeak这一快速规则模型，两者均实现约30%的多音字识别准确率提升。研究结果特别有助于提高屏幕阅读器等辅助技术的使用体验，对视障用户尤为重要。

速度、安全、敏捷、创新、自动化、数据洞察，当我们了解全球各地的首席信息官(CIO)们他们今年的工作重点时，这些关键词被经常提及。

这项研究探索了一种全新的AI文本生成方式："弗兰肯文本"。灵感来自《弗兰肯斯坦》小说，研究者让大型语言模型在一个极端条件下创作：90%的内容必须直接复制自人类写作片段。尽管限制严格，但像Gemini-2.5-Pro这样的模型能生成既符合写作提示又保持连贯的故事。令人惊讶的是，这些混合文本常常逃过AI检测工具的识别——多达59%被误判为人类写作。这项研究不仅挑战了现有AI检测技术，还为混合作者归属研究提供了宝贵数据，并为人类-AI协作写作研究创造了可控的实验环境。

复旦大学研究团队开发的uLLSAM模型成功将多模态大语言模型(MLLMs)与分割一切模型(SAM)结合，解决了显微镜图像分析的跨域泛化难题。通过创新的视觉-语言语义对齐模块(VLSA)和语义边界正则化(SBR)技术，该模型在9个领域内数据集上提升了7.71%的分割准确度，在10个从未见过的数据集上也展现了10.08%的性能提升。这一统一框架能同时处理光学和电子显微镜图像，大大提高了生物医学图像分析的效率和准确性，为科研人员提供了强大的自动化分析工具。

很多公司正在推出数字化计划，以扩展或构建数字化能力，提高业务效率或者业务收入。随着数字化转型成功案例不断涌现，这个趋势也在逐步增强。

美国时间4月29日-5月1日在拉斯维加斯举办的2019年戴尔科技全球大会，有15000人参加，参会的个人感受是2019年开始将是戴尔科技的新的“元年”。

想象一下，你有一个只有普通计算机大脑五百分之一的智能助手，却能解决复杂的数学问题，这听起来像天方夜谭吗？南加州大学的研究团队带来了这样一个惊喜：他们创造了名为"Tina"的超小型语言模型，以极低的成本实现了强大的推理能力。

将学术机构、研究机构以及商业企业的力量集中起来，我们有望成功构建起具备实用性的量子计算机，并真正开启量子计算的新时代。

中国移动、大疆创新、唯品会及小米生态链分别展示与微软人工智能合作成果；微软认知服务拓展到智能边缘，ONNX项目及ML.NET打造开源跨平台人工智能开发框架；微软小冰发布人工智能内容创造的全新技能及开放全双工语音技术，助开发者从EQ对话中发掘商机

我们讨论大型语言模型（LLMs）的工作原理，从基础开始——假设您只知道如何加法和乘法。

「 过去大家眼中阿里P7的光彩只是公司带来的光环，和身处其中的个体没什么关系。今日推荐空白女侠（id：kongbainvxia）一篇文章，34岁的阿里p7失业独白。」

在数字化转型大背景下，IBM 企业咨询服务部（GBS）正在用“留白”的思想，为企业制定数字化战略。

TVP自成立之初，便希望能够“用科技影响世界”，让技术普惠大家，践行科技向善的初心与本心。正如TVP大咖们所言，也许远程办公的团队管理还缺乏经验分享、著作产出，但谁知道在这样的思想碰撞以后，会不会启发更多的有心人呢？

韩国首尔国立大学研究者提出HACO框架，解决手部接触估计中的数据不平衡问题。论文《Learning Dense Hand Contact Estimation from Imbalanced Data》针对手部接触数据中的类别不平衡（大多数样本无接触）和空间不平衡（接触主要集中在指尖）提出两大创新：平衡接触采样和顶点级类别平衡损失函数。他们利用14个数据集的84万张图像进行训练，在多种手部交互场景中显著超越现有方法，F1得分从之前最佳的0.197提升至0.531，同时在3D抓取优化和物体重建等下游任务中也展现出强大应用价值。

未来五年，华为的新目标是下沉到地市，深入到行业，这需要开发新的生态能力

除了硬件新品，华为还公布了全新高端品牌ULTIMATE DESIGN非凡大师。

区块链服务网络（BSN）由国家信息中心牵头研发和顶层设计，并协同中国移动通信集团有限公司、中国银联股份有限公司、北京红枣科技有限公司共同发起建设的区块链底层公共基础设施。

PATIENTSIM是韩国科学技术院等机构最新研发的医患交流模拟系统，它突破了传统模拟器的限制，通过四个维度（性格、语言水平、记忆能力和认知混乱程度）构建了37种独特的患者角色。基于MIMIC数据集中的真实临床资料，系统利用Llama 3.3大型语言模型生成真实且多样的患者反应，经临床医生评估获得3.89/4分的高分。作为开源可定制平台，PATIENTSIM为医学教育和AI医生评估提供了安全、可靠且符合隐私规定的解决方案。

VerifyBench是首个专门评估大语言模型基于参考的奖励系统的基准测试，填补了现有奖励评估基准的关键空白。由浙江大学、美团等机构联合开发，包含VerifyBench和更具挑战性的VerifyBench-Hard两个数据集。研究发现虽然大型模型在标准案例上表现出色，但在复杂案例上仍有显著改进空间。该基准测试通过精心构建的数据集和评估框架，为提升大模型推理能力提供了标准化评估工具，对强化学习训练具有重要意义。