阿里巴巴集团研究团队提出了Tree-GRPO，一种革命性的AI智能体训练方法。该方法通过树状结构让AI探索多种思考路径并进行比较学习，在多跳推理任务中实现了69%的性能提升，同时将训练成本降低至传统方法的四分之一。这项创新为解决AI稀疏监督和高昂训练成本问题提供了新思路。

北京时间4月24日晚间，拼多多发布2018财年年报，披露该财年完整运营数据。2018年，拼多多平台年度活跃买家数达4.185亿，GMV达4716亿元，实现营收131.20亿元，各项核心数据维持三位数以上的同比增长。

上海交通大学等多所院校联合开发的DreamVLA系统让机器人具备了"预知未来"的能力，通过预测动态变化、空间结构和物体语义来指导行动，在真实世界测试中达到76.7%成功率，在模拟环境CALVIN基准中创下4.44平均任务长度新纪录。该系统采用分块注意力机制协调三种预测能力，并使用扩散变换器从噪声中生成精确动作，代表了从"反应式"向"预测式"机器人智能的重要突破。

从他45岁那年打算创业起，从此却只想聚焦一件事——在中国做5G ATG。

科技行者推出《电商助农》选题，独家访谈中国各大电商，挖掘电商助农背后的故事。此为拼多多篇。

我们走进了一个真正数字化生存的时代，网络信号几乎像空气一样普遍。但是这个世界依然有一片领地，在多数时候还处于互联网的无人区，它就是“三万英尺”的天空。空陆互联创始人兼CEO李琨希望用5G连接中国的天空，实现航空业的数字化转型。

本周，科技部“人工智能驱动的科学研究”专项部署工作启动；阿里巴巴设立6大业务集团；IDC发布《2023年V1全球人工智能支出指南》

中山大学联合深圳气象创新研究院开发出PASSAT模型，这是首个同时融合物理约束和球面拓扑的AI天气预报系统。该模型通过球面图神经网络处理地气相互作用，用物理方程计算大气流动，避免了传统平面投影的几何扭曲问题。测试显示PASSAT在多项指标上超越现有AI模型，甚至优于部分业务化数值预报系统，为AI气象预报开辟了新路径。

史丹福大学团队开发出名为QuantAgent的AI股票预测系统，由四个专业AI助手协作：技术指标分析师、图形识别专家、趋势分析师和风险管理师。该系统仅通过分析股价数据就能预测市场走向，在比特币、标普500等八种资产的测试中，预测准确率普遍超过随机水平，最高达到80%。该研究展示了人工智能在高频交易领域的突破性应用。

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。

机器人会拥有自我意识吗?它们是否应当拥有权利?它们是否需要负责?

斯坦福大学NLP研究小组发布了全新的2024版GloVe词向量，这是对2014年原版的重大升级。新版本使用维基百科、Gigaword新闻数据和Dolma语料库进行训练，新增超过70万词汇，涵盖疫情、科技、网络文化等现代概念。测试显示新版本在处理当代文本、非西方人名地名和社交媒体内容方面表现显著优于旧版本，为自然语言处理应用提供了更准确的语言理解工具。

这两家公司，一个是向内拷问人性的AI先锋，一个是向外探索物理极限的AI长跑者，却都将事业锚点，落在漕河泾开发区时，一个题目浮现了：这片土地的科创引力从何而来？

在不少中国的投资人和合作伙伴们的眼中，这是个落地的好项目。其母公司AitherCO2，已经在欧洲和北美耕耘八年，通过节能改造，帮助2000个客户节省超过7亿美元的能源开支。

「打印不能再彩印、绿植被搬走了、打车报销的起始点必须是公司、伙食从鲜 虾变成了冷冻虾......降本增效的寒气正深入地影响着每一个大厂互联网人。今日推荐晚点LatePost（id：postlate）一篇文章，作者：祝颖丽 编辑：钱杨。」

阿里巴巴团队发布了GUI-Owl智能助手，这是一个能够像人类一样操作电脑和手机界面的AI系统。该系统通过自进化数据生产、多样化能力构建和强化学习训练，在多项测试中超越现有模型，配合Mobile-Agent-v3多智能体框架可达到73.3%的任务成功率，为GUI自动化领域带来重大突破。

中科院联合字节跳动开发全新AI评测基准TreeBench，揭示当前最先进模型在复杂视觉推理上的重大缺陷。即使OpenAI o3也仅获得54.87%分数。研究团队同时提出TreeVGR训练方法，通过要求AI同时给出答案和精确定位，实现真正可追溯的视觉推理，为构建更透明可信的AI系统开辟新路径。

清华大学研究团队首次提出情感认知融合网络(ECFN)，让AI能像人类一样理解和表达情感。该系统通过多层次情感处理架构，在情感识别准确率上比现有最佳系统提升32%，情感表达自然度提升45%。研究突破了传统AI情感理解的局限，实现了跨模态情感融合、动态情感追踪和个性化情感建模，为医疗、教育、客服等领域带来革命性应用前景。

在日常生活中，我们解决问题时从不会单纯地使用一种思考方式。比如在做数学题时，我们可能先用空间想象来理解几何图形，然后转换到逻辑推理来寻找关键关系，接着又跳转到发散思维去探索不同的解题路径，最后用精确计算来验证答案。这种自然的认知灵活性让人类能够应对各种复杂挑战，但现有的AI系统却缺乏这种能力。