想象一下，你只需对手机说一句"帮我订一杯拿铁送到办公室"，手机就能自动打开外卖应用，找到你喜欢的咖啡店，选择拿铁，填写地址，完成支付，一气呵成地完成所有操作。这不是科幻电影中的场景，而是当前大型语言模型驱动的手机图形界面(GUI)代理正在实现的功能。

这项研究介绍了FinTagging，首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法，它将XBRL标记分解为数值识别和概念链接两个子任务，能同时处理文本和表格数据。在零样本测试中，DeepSeek-V3和GPT-4o表现最佳，但在细粒度概念对齐方面仍面临挑战，揭示了当前大语言模型在自动化XBRL标记领域的局限性，为金融AI发展提供了新方向。

俄勒冈大学和Adobe研究团队开发了mSCoRe基准系统，专门测评AI在多语言环境下的常识推理能力。该系统首次将推理过程细分为十种基本技能，涵盖逻辑、情境和社会伦理三大类别，并创新性地引入动态复杂度扩展机制。通过对八个顶级大语言模型的全面测试，研究发现现有AI系统过度依赖单一推理模式，在文化敏感的社会常识判断上仍有显著不足。

USC研究团队提出的潜在去噪分词器（l-DeTok）通过在训练过程中引入插值噪声和随机遮罩，让视觉分词器学会从损坏信息中重建图像，使其更好地适配下游生成模型的去噪任务。该方法在六种代表性生成模型上均实现显著性能提升，为视觉分词器设计提供了全新思路。

MiniMax公司发布了世界首个开源大规模混合注意力推理模型MiniMax-M1，通过创新的"闪电注意力"机制将AI推理的计算复杂度从平方级降低到线性级，支持100万词汇上下文和8万词汇生成长度。该模型在保持强大性能的同时，将长文本处理的计算成本降低75%，仅用53万美元就完成了完整训练，在软件工程、长文档理解等复杂场景中表现优异，为AI推理技术的普及奠定了重要基础。

香港科技大学研究团队推出VL-Rethinker，这是首个能在视觉语言任务中进行深度反思的AI系统。通过创新的"选择性样本回放"和"强制反思"训练策略，VL-Rethinker在数学视觉推理等任务上显著超越GPT-o1，证明了AI可以学会像人类一样自我检查和纠错，为构建更智能可靠的多模态AI系统开辟了新路径。

CapSpeech是约翰·霍普金斯大学等机构联合提出的风格描述文本转语音合成基准，包含超过1000万机器标注和36万人工标注的语音-描述配对。它支持五大下游任务：基础风格描述、带音效的语音合成、口音控制、情感表达和表现力丰富的虚拟代理。研究团队开发了自回归和非自回归两种模型，并通过客观和主观评估证明了该基准的有效性。CapSpeech不仅丰富了语音合成的表现力和可控性，还为实际应用如有声读物、对话代理和跨文化语音合成铺平了道路。

布朗大学与Adobe研究院联合推出MS4UI数据集，专门解决软件教学视频的智能总结问题。该研究收集了2413个Adobe软件教程视频，提出视频分割、文本总结、视频总结三大任务，为软件学习AI开辟新方向。实验显示现有方法表现不佳，凸显了专业领域AI的技术挑战。

网络安全的保卫者们要随时做好准备，同入侵者在每一台服务器甚至每一个进程里展开“巷战”，并将他们彻底消灭。

每个做过计算机图像处理的人，都认识 Lena Forsen。

Open AI的大型语言生成模型ChatGPT火热，它能胜任刷高情商对话、生成代码、构思剧本和小说等多个场景，将人机对话推向新的高度。全球各大科技企业都在积极拥抱AIGC，不断推出相关技术、平台和应用。

我们正在目睹，以5G为代表的新一代信息技术，就在赋予社会这种经济韧性。

OpenAI团队开发了PaperBench评估系统，测试AI复现顶级机器学习论文的能力。通过20篇ICML 2024精选论文和8316个评估点，发现最强AI模型Claude 3.5 Sonnet达到21%成功率，而人类专家为41.4%。研究揭示AI在代码编写方面较强但在实际执行中存在局限，为AI科研能力发展提供重要基准。

Alita是一种新型通用AI代理系统，采用极简设计理念，以"最小预定义，最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita，只配备一个核心能力和少量通用模块，能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示，Alita在GAIA基准测试上达到87.27%的通过率，超越包括OpenAI Deep Research在内的复杂系统，证明简约设计可带来卓越性能。

5G毫无疑问是今年巴展的焦点，作为 5G 产业链中的重要一环，高通成为存在感最高的参展商，阿蒙则成为最忙的人。

哈佛大学研究团队首次实现了人工智能的"流等变性"，让机器能够像人类一样理解时间中的运动和变化。这项突破性研究开发出FERNNs神经网络，不仅能识别物体位置，还能理解运动规律。实验显示，该技术在运动预测任务中性能提升50倍，并具备零样本泛化到新运动模式的能力，为自动驾驶、机器人、视频分析等领域开辟了新前景。

日本发布《人工智能运营商指南（草案）》，旨在应对生成式人工智能技术变化，提供统一的人工智能治理指导原则。草案分为五部分，包括人工智能定义、社会愿景、行为准则，以及针对人工智能研发者、提供者、业务用户的具体规范。

南洋理工大学研究团队开发的NVG技术革新了AI图像生成方式，让AI学会像画家一样分层创作。该技术将图像分解为9个粒度层次，从整体构图到精细细节逐步生成，不仅提高了图像质量，还提供了前所未有的结构控制能力。在多项评测中NVG均优于现有方法，仅需9步即可生成高质量图像，为数字艺术创作和AI可控生成开辟了新路径。

Prime Intellect团队首次实现320亿参数AI模型的全球分布式强化学习训练，开发了INTELLECT-2推理模型。该研究突破了传统中心化训练的限制，通过PRIME-RL框架、SHARDCAST权重分发和TOPLOC验证系统，让全球任何拥有GPU的计算机都能参与大模型训练，显著降低了AI开发门槛，为AI民主化发展开辟了新路径。

5月19日，微软年度开发者大会Build 2020以完全数字化的形式在线上开幕。48小时内，微软通过一系列在线直播和互动环节，向来自全球的软件及移动应用开发者、数据科学家、IT专家社区展示其围绕开发者、智能云、生产力、协作工具等推出的一系列最新举措和成果。