AlphaOne 框架使开发者能在模型推理过程中灵活调节“慢思考”与“快思考”，从而提高复杂任务的准确性与效率，同时降低计算成本。

平台型世界级Al Maker深兰科技（上海）有限公司（以下简称“深兰科技”）与常州桐树生物科技有限公司（以下简称“桐树生物”）等签署了《股权转让协议》，拟取得桐树生物等持有的上海方程医学检验所有限公司的100%股权，并待完成工商变更登记事宜。

日前，2020世界人工智能大会云端峰会在线盛大开幕。全球领先的生物制药企业阿斯利康首次参会，携中国健康物联网创新中心14大创新诊疗一体化全病程管理解决方案，亮相 “AI家园” 云展览， 以3D动态展示。

新加坡南洋理工大学研究团队首次提出概念感知微调方法，让AI同时预测多个词块而非单一词块，从而更好理解完整概念。该方法在编程、数学、文本生成、分子设计和蛋白质设计五大领域均显示显著改进，将多词块预测技术首次引入模型微调阶段，大幅降低成本门槛，为AI训练范式变革提供新思路。

6月3日-4日，为期两天的华为智慧金融峰会2021在上海举办。

密歇根大学研究团队开发的HLIP框架为3D医学影像处理提供了突破性解决方案。通过模拟放射科医生的层次化阅读策略，HLIP能高效处理未经筛选的CT和MRI数据，无需昂贵的人工标注。在两个大规模数据集（包含220K患者的脑部MRI和240K患者的头部CT）上训练后，HLIP在多个公开基准测试中显著超越现有模型，如在Pub-Brain-5上提升32.4%准确率。这一创新不仅降低了计算成本，还为临床AI辅助诊断系统铺平了道路。

2019年4月，网易旗下的服务营销一体化解决方案专家网易七鱼迎来了三周年的里程碑。在进行全面的产品升级之时，网易七鱼推出电商，教育，和智慧政务解决方案，以智能化和场景化的两大关键为切入，助力行业智能化转型。

近期，由用友大易主办的Yonyou Dayee AI Day 落下帷幕，用友网络副总裁、用友大易CEO石磊在会上重磅发布了全新的AI招聘产品。

浪潮提出智慧计算的新基建是智算中心，浪潮将全力深化人工智能、开放计算两大战略性业务布局，通过持续的产品技术创新和生态发展，强力助推新基建建设，并将加速向全球服务器第一的目标迈进。

能源系统清洁化已经成为双碳转型的关键，但这也是工商企业面临的共同挑战，而数字化将是打开未来能源管理的钥匙。

REASONING GYM是GitHub团队开发的一个突破性推理环境库，为强化学习模型提供可验证奖励。与传统固定数据集不同，它能生成无限训练数据并调整难度，涵盖代数、算术、认知、几何等100多个领域的数据生成器。研究显示，即使顶尖AI模型在复杂任务上表现也不佳，而专门针对推理训练的模型明显优于通用模型。更重要的是，在一个领域学习的技能可以意外地迁移到其他领域，这为提升AI推理能力提供了新路径。

戴尔科技的产品方案正在为农业、制造、医疗、金融等多个行业提供支撑，戴尔科技始终秉持以科技创新推动人类进步的使命，以更先进的科技为您的业务赋能。

想象一下，你正在观看一场长达两小时的烹饪直播。主厨正在展示一道复杂菜品的制作过程，从准备食材到最终装盘。在这个过程中，你可能会在聊天框中提问："主厨用了多少盐？"或者"之前切洋葱的那把刀现在去哪了？"甚至是"你觉得这道菜最后会是什么味道？"

这项研究评估大语言模型理解人类心理状态动态变化的能力，创造了DYNTOM基准测试包含1,100个社交情境和78,100个问题。研究发现即使最先进的模型表现也低于人类水平44.7%，尤其在追踪心理状态随时间变化方面表现更差，揭示了当前AI系统在理解连续社交互动中的根本局限，为开发更具共情能力的人工智能指明了方向。

2023年5月8日，浪潮信息“智算 开新局·创新机”全国巡展首站在北京正式启动，本次巡展将陆续落地20+城市，与3000+行业用户共话数字时代下的智算产业新趋势与新机遇。

4月26日消息，近年来，随着SDN、AI等新型技术的引入，智能光网络被赋予全新的定义。

东北大学与快手科技联合研发的UNITE系统为多模态信息检索带来突破性进展。这项发表于2025年5月的研究首次系统分析了模态特定数据如何影响检索性能，并提出创新的模态感知掩码对比学习技术，有效解决不同模态间的竞争关系。UNITE能同时处理文本、图像、视频及其组合，在40多项测试中超越现有方法，即使与参数规模更大的模型相比也表现出色。研究发现视频-文本对在通用检索中表现优异，而文本-文本和文本-图像对对指令遵循任务至关重要，为未来多模态系统研究提供了宝贵指南。

GPT-4等顶尖生成式AI模型能够与人类医生的专业知识相结合，为我们带来一大波前所未见的强大虚拟健康工具。

Kimi月之暗面在大模型的浪潮中乘风破浪，开辟出一条属于自己的光明之路。

上海交通大学研究团队开发了ChartIR方法，通过结构化指导让AI能准确理解图表并生成相应代码。该方法分两阶段：先让AI详细描述图表内容，再通过迭代改进逐步完善代码。实验显示，相比现有方法，ChartIR在图表转代码任务上取得显著提升，为多模态AI应用提供了新思路。