{一项来自上海交通大学的研究表明，大型语言模型（LLMs）可以在不依赖大数据集的情况下学习复杂的推理任务。研究结果显示，仅需少量精心挑选的示例，就能训练LLM完成原本认为需要数万个训练实例的任务。这种高效性源于现代LLM在预训练阶段获得的内在知识。随着新的训练方法变得更加数据和计算高效，企业可能能够在不需要大型AI实验室资源的情况下创建定制模型。}

蚂蚁数科升级推出能源电力时序大模型EnergyTS 2.0，参数规模在1.0基础上从1B扩展至7B，可以应对更为复杂的能源预测任务。

康奈尔大学和希腊伯罗奔尼撒大学的研究团队开发了一种新型AI协作框架，让多个AI代理像人类团队一样互相信任和协作。通过建立信任评估机制和重新思考流程，在苹果叶片疾病诊断任务中，系统准确率从48.13%提升到85.63%，相对提升77.94%。这种方法无需额外训练即可大幅提升AI性能，为多代理AI系统的发展提供了新思路。

AI系统正面临多重攻击威胁，大部分漏洞尚无有效修复方案。攻击者可劫持自主AI代理执行网络攻击，仅需250个文档和60美元即可毒化训练数据。提示注入攻击对56%的大语言模型有效。模型库藏有数十万恶意文件。深度伪造视频通话已造成数千万美元损失。AI有用性与可利用性并存，系统快速发展加剧了这一现实。

Anthropic 推出新的引用 API 功能，将检索增强生成(RAG)技术直接集成到 Claude 模型中。该功能可自动引用源文档中的具体段落，有助于减少模型产生的虚假信息，提高回答准确性。这一创新吸引了 AI 研究人员的关注，有望在法律、金融等领域得到广泛应用。

今日，深信服举办2024秋季新品发布会。发布会上，深信服正式推出了最新的创新成果：实现动静态数据分类分级和数据风险自动研判分析的安全GPT4.0、具备卓越可靠性和AI勒索防护能力的分布式存储EDS新版本520。

aiOla 推出了一款名为 Jargonic 的新型自动语音识别模型,专为企业使用而设计。这个模型能够处理专业术语、背景噪音和各种口音,无需大量再训练或微调。Jargonic 采用独特的关键词识别系统,可以零样本适应企业特定词汇。在多项基准测试中,Jargonic 在准确性和专业术语识别方面都优于主要竞争对手。这款模型现已通过 API 向企业客户开放使用。

Check Point 实现了 99.7% 的恶意软件拦截率、99.9% 的网络钓鱼防御率和 0.1% 的超低误报检测率

Meta研究团队发现大语言模型在复杂推理任务中，更短的"思考链"反而能带来更高的准确率。研究人员通过三个顶级语言模型的实验证明，选择最短思考链可以比随机选择提高18.8%准确率，比最长思考链提高34.5%准确率，同时显著减少计算资源消耗。基于此，他们提出了"short-m@k"方法，只从最先完成的m个思考中选择答案，既能提高模型表现又能节省高达40%的计算资源。这一发现颠覆了"思考越多越好"的传统观念，为更高效的AI推理开辟了新路径。

2021年度反欺诈解决方案奖

未来的汽车可能会倾听你说的每一个字—— 不是为了切换收音机频道或者更新导航方向，而是通过分析驾驶员语音来实时评估情绪状态。

南京大学研究团队提出了一种新型推理范式：进程级自适应思维模式切换（PATS），能让大型语言模型根据每步推理的难度动态调整思维策略。与传统固定策略不同，PATS在波束搜索框架中通过控制候选步骤数量（2/4/8个）模拟不同复杂度的思维模式，并根据过程奖励模型（PRM）评分动态切换。实验表明，PATS在多个数学推理基准测试上实现了准确率与计算效率的优化平衡，仅使用全复杂模式55.4%的计算资源就达到了相近的准确率，为大模型高效推理提供了新思路。

Semtech LoRa生态圈合作伙伴浙江鼎昆环境科技股份有限公司（以下简称“鼎昆科技”）长期致力于白蚁预防的非药物措施的研发及推广。

自去年宣布推出Copilot Studio以来，微软表示该工具已在多个业务部门让效率显著提升。从下个月开始，客户将可以对这一说法进行测试。

这项研究探索了大语言模型在思维链推理过程中的一个惊人能力：在完成推理甚至生成第一个词前，模型的内部表示已包含预测任务成功与否的信息。研究者通过探测分类器分析模型内部状态，发现其准确率显著高于仅基于文本的BERT基线。更令人惊讶的是，在某些数据集上，推理中后期的信息对预测成功率没有显著帮助。这一发现为开发更高效的思维链策略提供了理论基础，可能使AI在解决复杂问题时既保留思维链的优势又降低计算成本。

CrowdStrike 推出了 Charlotte AI 检测分流系统，能够以超过 98% 的准确率自动评估警报，并每周减少超过 40 小时的手动分流工作，帮助安全运营中心 (SOC) 团队应对不断增加的警报量。该系统通过整合人类标注的数据，提升了效率，使防御者能够与攻击者实时对抗。

这篇研究首次系统探索了验证粒度对大型语言模型测试时扩展的影响。研究团队通过提出可变粒度搜索（VG-Search）算法，挑战了传统的固定验证频率范式。实验表明，根据任务难度和计算预算动态调整验证粒度，可以在减少超过52%计算量的同时，将准确率提高3.6%。这一发现为优化大模型的推理效率提供了全新思路，特别适用于计算资源受限的场景。

近日，IBM全球企业咨询服务部和魅族科技有限公司（以下简称“魅族”）联合宣布，由IBM为魅族规划、设计的全新S&OP（销售与运营规划流程）运营体系已正式上线并投入使用。

英特尔和宾夕法尼亚大学佩雷尔曼医学院（宾夕法尼亚大学医学院）正在组建一个联盟，包含29家国际医疗和研究机构，使用一种叫做 “联邦学习”的隐私保护技术来训练可以识别脑肿瘤的人工智能模型。

本文介绍了可提升大语言模型的训练后量化表现的增强型SmoothQuant技术，说明了这项技术的用法，并证明了其在准确率方面的优势。