在政务云基础设施和政务专属云基础设施市场，均拔得头筹，持续领跑 。

谷歌研究院开发出一种革命性的人工智能技术，通过学习人类眼动轨迹来提升视觉问答能力。该技术像训练侦探一样教会AI关注图像中的关键区域，准确率提升3-10%。研究发表于CVPR 2024，在教育、医疗、无人驾驶等领域具有广阔应用前景，为AI向人类智慧靠近开辟了新路径。

ChatGPT的爆火让AI再次成为大众热议的焦点，作为英特尔所提出的搭建起从模拟时代到数字时代桥梁的五大“超级技术力量”之一，伴随着无处不在的智能化，AI可将无穷的数据转化为切实可行的洞察。

ChatGPT的爆火让AI再次成为大众热议的焦点，作为英特尔所提出的搭建起从模拟时代到数字时代桥梁的五大“超级技术力量”之一，伴随着无处不在的智能化，AI可将无穷的数据转化为切实可行的洞察。

这项研究展示了如何通过在经济问题上进行后训练，让大语言模型像经济学家一样思考，从而实现战略性泛化能力。研究团队开发了名为Recon的7B参数开源模型，通过在2,100个高质量经济推理问题上进行监督微调和强化学习，不仅提升了模型在经济基准测试上的表现，更重要的是让模型在从未直接训练过的多智能体博弈中展现出合理的战略行为。结果表明，领域对齐的后训练可以作为智能体对齐的可扩展路径，通过结构化推理问题培养出更广泛适用的理性决策能力。

当你在《我的世界》中跳跃时，AI能瞬间将你的想法变成脚下奔涌的虚拟河流——Skywork AI的Matrix-Game模型让键盘成为拨动虚拟世界的开关，170亿参数的“造物主”实时编织出符合你意图的动态场景，重新定义人机共舞的未来。

中科院团队开发了名为IKEA的AI搜索助手系统，解决了现有AI过度依赖外部搜索或内部知识的问题。该系统通过创新的知识边界感知机制和奖励设计，让AI学会准确判断何时使用内部知识、何时进行搜索。实验结果显示，IKEA在保持高准确率的同时，将搜索次数减少了50%以上，为开发更智能、高效的AI助手提供了新思路。

传统客服的服务模式早已不能完全支持企业客服的需求，亟需转型升级，客户对于服务的高效性、便捷性、体验性、个性化以及企业快速解决问题的能力都提出了更高的要求。企业纷纷开始使用人工智能构建对话机器人、AI助手，同时这也是企业AI自动化见效最快的方式。

保加利亚研究团队通过创新的双语训练方法，成功让AI模型学会了在非英语环境下使用外部工具。他们开发的TUCAN模型在保加利亚语功能调用任务上实现了显著提升，小模型改进幅度达28.75%。更重要的是，团队开源了完整的方法论，为全球多语言AI工具使用能力的发展提供了可复制的解决方案。

NewsBreak团队与伊利诺伊大学合作开发DuaShepherd，这是一个创新的AI数学推理奖励模型。该系统独创性地结合了两种评估维度：步骤正确性判断和解题潜力评估，通过多任务学习和复合概率融合，在MATH500和ProcessBench测试中显著超越传统单一奖励模型，为AI数学推理提供了新的技术路径。

泰坦尼克号沉没已经过去107年，这场悲剧与可持续农业、人口迁移问题或者健康保险费率等现代问题能有什么关系？这里给大家一点提示：数据证明。

65%的受访企业认为人工智能技术在数字化转型过程中起到非常重要的作用，86%的受访企业将其视为新一轮产业变革的核心驱动力。

谷歌公司希望NASA能够帮助其在数月之内证明，量子计算机完全有能力超越原有经典计算机系统。

清华大学研究团队提出VERIF方法，通过结合代码验证和大语言模型验证解决AI指令遵循中的验证难题。该方法构建22000实例数据集VERINSTRUCT，将约束分为硬性和软性两类分别处理，在多个基准测试中显著提升模型性能，同时保持通用能力不下降，为强化学习训练提供可靠验证机制。

上海AI实验室等机构联合发布MELLA项目，通过创新的"双源数据策略"解决了多语言视觉AI的文化理解难题。该研究构建了包含680万样本的大规模数据集，涵盖8种低资源语言，让AI既能流利表达又能理解文化内涵。实验显示文化理解能力提升150%以上，为全球数十亿非英语用户带来更优质的AI服务体验。

OpenAI发布了新的大语言模型o1，专注于逻辑推理优化，其推理能力在多个领域超越现有模型。o1模型通过思维链模式训练，提升了数学、编程、科学问题解决能力。在AIME和GPQA测试中表现优异，超越人类专家水平。o1模型使用大规模强化学习算法，强调思维链和强化学习的重要性。OpenAI未向用户展示原始思维链，但提供摘要。o1模型目前可供ChatGPT Plus订阅用户使用。

为进一步加强在产业数字化领域的领先优势，将自身数字科技能力加快实现产业化应用，全力参与国家“新基建”建设，京东数字科技集团近日宣布成立产业AI中心。

清华大学团队开发的ASM-UNet系统通过创新的自适应扫描机制，首次实现了医疗影像精细结构的智能识别。该系统结合群体共性和个体差异的双重评分策略，在胆管系统等微小复杂结构分割上取得突破性进展。团队还构建了BTMS数据集，为精细粒度医疗影像分割提供标准测试平台，推动精准医疗发展。

该解决方案标志着传统分拣和分类流程已实现完全自动化。覃高鄂表示，此项任务的完成得益于信捷公司与英特尔的技术合作伙伴关系。“英特尔处理器非常适合计算机视觉和边缘计算任务，其软件开发工具在构建和训练人工智能模型时发挥了很大的作用。”

华盛顿大学研究团队开发出RCME系统，首次让AI真正理解生物分类的层级关系。该系统不仅能识别物种，还能理解从"界"到"种"的完整分类层级，在识别准确率和层级理解方面大幅超越现有技术，为生物多样性研究和物种保护提供了强大工具。