蚂蚁集团研究团队提出了γ-PO方法，通过动态调节AI训练中的目标边距来提升大语言模型对齐效果。该方法能够自动识别训练数据中答案质量差距的大小，对明显好坏的答案对加大学习强度，对模糊不清的答案对适当降低学习强度，避免AI被不确定信息误导。实验显示该方法在多个基准测试中平均提升4.4%性能，且几乎不增加计算成本，具有良好的即插即用特性。

我们引用了该篇评测报告，详细原文如下。同时，浪潮当前也推出了NF5468A5“超值机型 限免试用”活动，对该GPU服务器感兴趣的不妨一试。

这项突破性研究由法国瓦雷奥公司联合荷兰高校团队完成，开发出名为Franca的开源AI视觉模型。该模型仅使用公开数据训练，却在图像分类、物体检测、语义分割等多项任务中达到或超越了谷歌、Meta等科技巨头的私有模型性能。研究团队创新性地引入"套娃式"多层记忆系统和空间偏见消除技术，并完全开源了模型、代码和训练数据，为AI技术民主化做出重要贡献。

2024年将成为中国AI PC元年。

这项由微软研究院主导的突破性研究，首次提出让AI学习如何为其他AI制定最佳训练数据配方的创新思路。通过训练一个专门的"数据混合代理"，成功解决了大模型持续学习中的"灾难性遗忘"难题，在数学推理任务上平均提升3.02%的同时保持了原有综合能力。该技术具有强大的通用性和适应能力，一次训练即可应用于多种模型和任务场景，有望显著降低AI开发成本并提升训练效率。

韩国科学院团队发现多模态大语言模型存在"候选项先验偏见"，即系统偏爱高频出现的内容而非真正相关的内容。他们开发了BLiM双向检索框架和CPN标准化技术，通过让AI从两个方向思考问题并消除统计偏见，在四个数据集上平均提升6.4个百分点的检索准确率。该技术还适用于视觉问答、图像描述等多个领域，为构建更公平可靠的AI系统提供了新方案。

首尔国立大学研究团队开发了CHARTCAP数据集，包含56.5万个高质量图表-描述对，通过四阶段流水线和循环验证方法解决了AI图表理解中的幻觉和信息贫乏问题。研究还提出了视觉一致性得分评估方法，该方法通过重构图表来验证描述质量。实验显示，经CHARTCAP训练的AI模型在图表理解能力上首次超越人类专家标注，为AI在专业领域的应用开辟新路径。

三星研究院提出PLADIS技术，通过稀疏注意力机制显著提升AI绘画的文字理解准确性。该方法无需重训练模型，仅在推理阶段替换注意力计算函数，就能让AI更精准理解用户描述，生成更符合要求的图像。实验显示图像质量提升20%，文字匹配度大幅改善，且兼容各种现有AI绘画系统。

最近，在至顶传媒组织的一场市场圈培训活动上，侯明娟详细阐述了《新基建之5G带来的营销机会》，分享了营销的心得体会。

经历日以继夜的幕后工作后，2021年度m峰会上，深链首次推向了台前，阿里巴巴集团副总裁、阿里妈妈事业群负责人——家洛，官宣了品牌升级、技术创新和经营力重塑等三大计划，并将其命名为“数智化商业战略”。

边缘计算随着5G、IOT、AI等相关技术演进越来引人瞩目

李飞飞的World Labs以"空间智能"重新定义AI，专注3D物理世界理解，4个月估值飙至10亿美元，获科技巨头集体押注。她揭示语言无法编码物理世界，而DNA双螺旋等突破性发现都源于三维空间的深度认知。

南开大学团队开发的VisualCloze系统通过"视觉上下文学习"实现了通用图像生成，让AI能够像人类一样通过观察几个例子就学会新的图像处理任务。该系统采用统一架构处理多种任务，在风格转换、图像编辑、条件生成等方面都表现出色，并具备处理训练时未见过任务的泛化能力。

斯坦福大学等机构研究团队创建了MIRIAD医学问答数据库，包含582万对基于权威医学文献的结构化问答。该系统通过多层质量控制确保准确性，在医学AI问答任务中将准确率提升6.7%，在检测医学错误信息方面提升22.5%-37%。研究还开发了交互式可视化平台MIRIAD-Atlas，让用户能够直观探索医学知识结构，为医学AI的安全可靠部署提供了重要资源。

本周，国家互联网信息办公室印发《生成式人工智能服务管理办法（征求意见稿）》；2023阿里云峰会召开，发布大语言模型“通义千问”。

约翰霍普金斯大学研究团队开发了ETTIN模型套件，首次实现了编码器和解码器模型的公平比较。研究发现编码器擅长理解任务，解码器擅长生成任务，跨界训练效果有限。该研究为AI模型选择提供了科学依据，所有资料已开源供学术界使用。

清华大学和新加坡技术设计大学联合发布了突破性AI写作研究LongWriter-Zero，该模型完全通过强化学习训练，无需任何长文样本即可生成万字高质量文章。实验显示，仅32B参数的LongWriter-Zero在WritingBench和Arena-Write基准测试中均超越了千亿参数级的顶级模型，证明了创新训练方法胜过单纯扩大模型规模的理念。

这项来自越南国立大学和新加坡Knovel工程实验室的突破性研究证明，仅用15亿参数的小模型就能通过精心设计的强化学习策略实现卓越的数学推理能力。研究团队用42美元训练成本和7000个精选样本，让小模型在AIME24测试中达到46.7%准确率，超越OpenAI的o1-preview模型，展现了"小而美"的AI发展新路径，为资源受限的研究者和开发者提供了高性价比的AI推理解决方案。

CineMaster是由大连理工大学等机构联合开发的突破性视频生成框架，首次实现了电影级别的三维空间精确控制。用户可在三维环境中自由摆放物体、设计摄像机运动，系统自动生成符合预期的高质量视频。该技术通过创新的数据标注流水线和分阶段训练策略，在物体定位精度和运动控制准确性方面显著超越现有方法，为可控视频生成领域树立了新标杆，有望推动创意产业的民主化发展。

黄仁勋于昨天（7月16日）参加了在北京举行的第三届链博会，并于下午举行了长达90分钟的记者会。