香港科技大学研究团队发布LOCA-bench测试平台，专门评估AI助手在长时间复杂任务中的表现。研究发现AI存在"上下文腐烂"问题，随着信息量增加，准确率从70%急剧下降至20%以下。研究识别出AI的四大"职场病"并提出多种"记忆增强"技术，其中程序化工具调用法效果最佳，可将准确率提升25%以上。

复旦大学团队开发了全新的多维约束框架来评估和改进大语言模型的指令跟随能力。研究发现AI在处理复杂约束时表现不佳，成功率从简单约束的77%降至复杂约束的33%。通过强化学习训练，模型性能显著提升30-50个百分点且不影响其他能力。研究揭示改进主要来自注意力机制优化，为AI实用化提供了重要突破。

C2M在改变生产者的同时，也改变了生产关系。所以C2M在逐渐全球化的世界中给了我们一个再次创造的机会，因为它带来的既是一场价值链的重新布局，也是一场产业数字化的变革。

澳大利亚研究团队开发出PresentAgent，这是一个能将任何文档自动转换为专业演示视频的AI系统。该系统集成了文档解析、幻灯片设计、语音合成等功能，并创建了全新的多维度评价体系。实验显示，AI生成的演示视频在多项指标上接近人类专家水平，为教育、商业等领域的演示制作提供了高效解决方案。

2020年3月5日，“Wi-Fi 6改变企业，华为AirEngine Wi-Fi 6新品解读会”线上举行。华为邀请各界专家、行业客户及伙伴，一起分享了Wi-Fi 6对企业数字化转型的影响，以及华为AirEngine Wi-Fi 6新品亮点。

最近来自清华大学、无限极AI和上海交通大学的研究团队提出了一种名为"通向罗马之路"(R2R)的创新方法，可以在小型和大型语言模型之间进行智能令牌路由。研究发现，小型模型与大型模型的推理路径差异主要源于少量"分歧令牌"。R2R方法只在这些关键令牌上使用大模型，其余时间使用小模型，既保证了推理质量，又提高了效率。实验表明，使用平均5.6B参数的R2R方法超越了14B参数模型的性能，同时提供了2.8倍的速度提升。

阿里巴巴达摩院联合多所知名高校开发出M3Ret医学影像检索系统，首次实现单一模型处理X光、CT、超声、内镜等多种影像类型。该系统通过86万张真实医院影像进行自监督训练，在多项检索任务中超越现有方法，甚至能在未见过MRI数据情况下准确检索MRI影像，为医学AI的统一化发展开辟新路径。

近日，以“见证信任的力量”为主题2021年信任互联大会举行。大会聚焦网络信任领域，邀请了相关领导、知名学者、行业专家、合作伙伴、媒体等嘉宾齐聚一堂，深入探讨了新型网络信任体系的新内涵，以及对推动经济社会发展的重要价值。

阿里巴巴Qwen团队首次进行全球最大规模人类偏好建模实验，使用1500万真实偏好样本训练AI理解人类喜好。研究发现偏好建模存在类似语言模型的缩放规律，AI在识别错误信息方面能力稳步提升，但在主观偏好判断上表现复杂。该技术已集成到实际系统中，性能显著改善。

戴尔科技智能数据平台与网络韧性解决方案：既能承载数据驱动创新，又能抵御安全风险。

共赴新程之际，IBM邀您回顾2023的闪光瞬间，正式告别这硕果累累的一年。

速度、安全、敏捷、创新、自动化、数据洞察，当我们了解全球各地的首席信息官(CIO)们他们今年的工作重点时，这些关键词被经常提及。

苹果公司发布突破性AI模型Manzano，首次实现单一模型同时具备图像理解和生成能力。该模型采用创新的混合视觉标记器设计，通过统一的语义空间有效解决了传统多模态模型中理解与生成任务的冲突问题。在多项基准测试中，Manzano不仅达到了专门化模型的性能水平，还展现出优异的规模化效应和实用性。

中科院团队开发的SimpleGVR系统革新了AI视频增强技术，通过直接在潜在空间处理和创新的分阶段训练策略，能够将AI生成的低分辨率视频高效提升至高清画质。该系统不仅提升分辨率，还能修正AI视频特有的颜色混合等问题，在多项指标上超越现有顶级方法，为AI视频生成领域提供了实用的解决方案。

一项由苏州大学、微软等机构合作的研究OPENTHINKIMG首次提出了完整的视觉工具强化学习框架，解决了当前大型视觉语言模型缺乏视觉思维的问题。该研究基于Qwen2-VL-2B基础模型，开发了V-TOOLRL方法，通过分布式工具部署、轨迹生成和强化学习，使AI能像人类一样"用图像思考"。实验表明，在图表推理任务上，该方法准确率达59.39%，显著超越了同类开源系统并优于GPT-4.1，为未来AI视觉认知提供了新路径。代码已在GitHub开源，将促进相关领域研究。

戴尔科技集团全球销售主管Bill Scannell在采访中表示，“只要我们能与合作伙伴建立更好的信任关系，如果我们能与合作伙伴携手并进、努力在客户群体内建立信誉，就自然会在市场上取得成功。成功启发制胜经验，这正是我们所需要的。”

这项由格拉斯哥大学等顶尖高校联合开展的突破性研究，首次系统性提出了"自进化AI智能体"概念框架，将AI发展划分为四个阶段并提出三定律指导原则。研究详细阐述了从单智能体到多智能体系统的优化方法，涵盖思维能力、记忆管理、工具使用等多个维度，并分析了生物医学、编程、金融法律等专业领域的定制化应用，为构建能够持续学习和自我改进的下一代AI系统提供了理论基础和实践指导。

阿里巴巴团队开发了CODEELO，这是首个让AI模型与人类程序员在相同条件下公平竞技的编程评估平台。该系统通过直接将AI代码提交到真实竞赛平台CodeForces进行评判，实现了零误判和完全公平的评估环境。测试33个主流AI模型发现，只有OpenAI的o1-mini表现突出（评级1578，超越90%人类选手），大多数模型仍处于人类参赛者最低20%水平，揭示了AI在复杂推理任务中的真实能力差距。

在眼下严重的疫情面前，在家办公成了确保防疫、承担企业社会责任、又兼顾企业日常运营的主要工作方式。防御新型肺炎或倒逼企业远程协同，成为落地在家办公的契机。

阿里达摩院联合复旦大学开发了VL-Cogito多模态推理模型，采用创新的渐进式课程强化学习框架PCuRL。该系统模仿人类学习方式，通过三阶段训练让AI学会根据问题难度智能调整回答详细程度。VL-Cogito在十个基准测试中表现卓越，展现了在数学、科学、逻辑推理等多领域的强大能力，为多模态AI实际应用开辟了新路径。