9月6日-8日,2021中国国际数字经济博览会在石家庄(正定)国际会展中心盛大开幕。

4月20日，在第20届华为全球分析师大会“华为云，一切皆服务，做好行业数字化云底座和使能器”主题论坛上，华为云Stack总裁尚海峰发表主题演讲“赋能政企深度用云，跃升数字生产力”。

展锐高级副总裁夏晓菲在会上分享了服务这一战略的三大底座技术，分别是：马卡鲁通信技术平台，AIactiver技术平台和先进半导体技术平台。

机器翻译越来越好用，但外语学习还是不能停。

RAVENEA是哥本哈根大学研究团队开发的首个多模态检索增强视觉文化理解基准，集成了超过10,000份人工标注的维基百科文档，用于评估视觉语言模型的文化敏感性。研究发现，轻量级视觉模型在配备文化感知检索功能后，在文化视觉问答和图像描述任务上分别提升了至少3.2%和6.2%的性能，证明了检索增强方法在提升AI文化理解能力方面的有效性，为构建更具文化包容性的视觉AI系统开辟了新路径。

AI工作负载已经集中为单一的深度学习领域，这也是市场需求所使然。

当云计算成为数字经济发展的重要支撑力量，企业纷纷通过上云进行数字化转型和智能化创新。

在11月7日-9日举办的华为全联接大会2022上，作为华为2022 年度优秀合作伙伴之“openEuler最佳实践伙伴”，麒麟软件受邀参加此次大会，并在会上分享了麒麟软件在CentOS迁移方案方面的实践成果。

计算机视觉最主要的应用是面部识别，这种技术经常被用于安全和执法领域。但是，在本文中，我想介绍一些计算机视觉技术不太明显的用途。特别是以下的三个行业，可能会从这种技术趋势的发展中受益匪浅。

这篇研究介绍了Meta公司开发的J1系统，这是一种通过强化学习训练大语言模型进行评判的创新方法。J1将可验证和不可验证的提示转换为具有可验证奖励的判断任务，从而鼓励模型在做出决策前先进行思考。研究表明，J1在8B和70B参数规模下都超越了同等规模的现有模型，甚至在某些测试中超过了更大的模型如o1-mini和DeepSeek-R1。这种方法的核心创新在于不仅优化最终判断，还优化思考过程本身，使模型学会制定评估标准、生成参考答案并重新评估回答的正确性。

这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题：许多测试问题不看视频就能回答正确，且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架，将视频问题分为四类：语言模型可回答型、语义型、时序型和其他类型，发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型，研究团队证明单一总分可能掩盖关键能力差距，并提出了更高效的评测方法，为未来视频AI评测提供了新方向。

8月31日-9月2日,2021世界5G大会在北京亦创国际会展中心举行。

香港大学研究团队开发的MatTools是首个全面评估大语言模型在材料科学工具应用能力的基准测试框架。研究发现通用型大模型（如GPT-4o）显著优于专业材料科学模型；AI生成的文档作为检索源比原始代码或官方文档更有效；简单的自反思系统反而优于复杂的多代理架构。这项研究为AI辅助科学工具的设计提供了全新思路，强调"通才胜于专才"、"AI懂AI"和"简单更好"的原则，有望加速材料科学研究和技术创新。

麻省理工学院与IBM研究团队共同开发的TANGO框架通过强化学习同时训练大语言模型的生成器和验证器，实现双向互促进的能力提升。不同于传统方法使用固定验证器，TANGO的验证器随生成器共同演进，提供精确的步骤级反馈。实验证明，这种"探戈式"协作方式使模型在数学竞赛问题上平均提升25.5%，特别是在最具挑战性的AIME 2025竞赛上准确率翻倍。TANGO还将训练效率提高3.3倍，验证器在无需步骤级标注的情况下也达到了业界领先水平，为大语言模型的推理能力增强开辟了新思路。

2022年，包括湖北卫视、湖北日报、极目新闻、江夏融媒等在内的多家湖北主流媒体走进江夏区政府、走进运营公司、走进华为、走进江夏区标杆上云企业

这项研究提出了Critique-GRPO，一种创新的在线强化学习框架，将自然语言批评与数字反馈相结合，克服了传统仅用数字反馈的三大局限：性能瓶颈、自我反思效果有限和顽固性失败。实验表明，该方法使大语言模型能够从错误中学习并改进，在八项数学和通用推理任务中，将Qwen2.5-7B和Qwen3-8B模型的平均通过率分别提高了约4.5%和5%，超越了包括那些引入专家示范的方法。研究还揭示，高熵探索和长回答并不总是最有效的学习方式，质量更重要。这一方法为大语言模型的自我提升能力开辟了新路径。

人工智能已经又70多年的发展历史了。目前我们所处的阶段是以深度学习为主导的AI2.0阶段，为了满足更高的要求以及实现更全面的智能，人工智能正在往更高的阶段AI3.0迈进。

对此，鼎桥行业定制终端从“端、管、云”打造了立体安全防护体系。而鼎桥为行业定制终端的通话安全所构筑的“黑科技”防线可不止一把“安全锁”。

莫斯科研究团队开发了基于自信心的AI训练新方法RLSC，让AI模型通过分析自己回答的可信度来自我改进，无需外部标注数据。该方法仅用16个样本和20个训练步骤，就让数学AI模型在多项测试中准确率提升13-22个百分点，同时大幅降低了计算成本，为AI训练提供了高效实用的新思路。

作为资深开发者，已经使用了好几代NVIDIA Jetson产品的林锐说：“Jetson系列有多个不同型号的设备，适用于不同的应用场景和需求。因此，在选择Jetson设备时，需要根据自己的需求选择合适的设备。”