哈工大和360研究团队联合开发了Light-IF框架，成功解决了大型语言模型在处理复杂指令时的"偷懒思维"问题。该框架通过教AI学会"预览和自检"的工作方式，显著提升了AI对多重约束条件任务的处理能力。Light-IF-32B模型在四个权威测试平台上均取得最佳成绩，超越了多个知名大型模型。研究团队已开源相关模型和代码，为AI助手的发展开辟了新方向。

对于AI芯片领域，我们还有非常大的想象空间，可以说，好戏才刚刚开始。

谋定而后动，不打无准备之仗向来都是华为的风格。从2017年3月成立云BU，正式宣布进入公有云市场，到2018年7月进入Forrester发布的《中国企业公有云平台》领导者象限，华为仅用了1年多的时间。

RMIT大学研究团队提出革命性QQSUM技术，突破传统电商问答系统只给单一答案的局限。该技术能将用户评论中的多元观点自动归纳为代表性关键点并精确量化支持度，为消费者提供全面客观的购买参考。实验显示，新系统在文本相似度和量化准确性方面分别提升2.11倍和67.12%，有望彻底改变电商平台的用户体验和决策方式。

正因为如此，微软决定与华盛顿大学的研究人员合作，共同开发出所谓“小芯片云”（Chiplet Cloud）的新方案。

德克萨斯大学Austin分校的研究团队提出了RIPT-VLA，一种创新的视觉-语言-动作模型后训练范式。该方法通过让AI模型与环境互动并仅接收简单的成功/失败反馈来学习，无需复杂的奖励函数或价值模型。实验证明，RIPT-VLA能显著提升现有模型性能，在轻量级QueST模型上平均提升21.2%，将大型OpenVLA-OFT模型推至97.5%的前所未有成功率。最令人惊叹的是，仅用一个示范样本，它就能将几乎不可用的模型在15次迭代内从4%提升至97%的成功率，展现出卓越的数据效率和适应能力。

“小i之父”袁辉的20年创业史告诉我们，AI最终是为人民服务。

2018中国管理·全球论坛暨金蝶用户大会，华为公司轮值董事长胡厚崑应邀出席，并发表了《出于云,胜于智》的主题演讲。胡厚崑表示，华为要给智能世界铺上云的跑道，装上智能发动机，帮助每个人、每个家庭、每个组织更快、更好、更安全地拥抱智能世界。

2018中国管理·全球论坛暨金蝶用户大会，华为公司轮值董事长胡厚崑应邀出席，并发表了《出于云,胜于智》的主题演讲。胡厚崑表示，华为要给智能世界铺上云的跑道，装上智能发动机，帮助每个人、每个家庭、每个组织更快、更好、更安全地拥抱智能世界。

11月25日-27日，美丽的太湖之滨浙江湖州，帆软第四届智数大会成功举办。

量变引发质变，是无线通信标准的进化法则。

AI能让够更早，更准确的发现并预测癌变的发生，这也是目前AI医疗的的一个主流发展方向，更早的发现，更准确的预测。最近一项来自美国国立卫生研究院（NIH）的研究就在对肺癌精准预测方向上取得了重大突破

对于绝大多数传统企业而言，将AI的潜力转化为实在的生产力，是一个要打通数据、重塑流程、平衡投入产出的漫长过程。许磊将这个过程定义为“产业重塑”。

安全合规作为第一道防线，国家对于呼叫中心行业的监管日趋严格，在刚刚过去的 315 晚会现场又打出一记重拳，曝光了一批不合规操作的上下游企业，涉及到“非法获取用户手机号码、频繁骚扰用户、通过技术手段规避投诉”等诸多行为。

2021年6月29日，由腾讯研究院与腾讯新闻共同搭建的“腾讯对话·Tencent Dialogue”【科技世界观】举行了第三期对谈。

这篇研究从王子苏丹大学的学者团队提出了阿拉伯语言模型评估的新范式，首先建立了全面的理论指南，然后分析了现有评估数据集的不足，并引入了阿拉伯深度迷你数据集(ADMD)作为解决方案。ADMD包含490个涵盖10个领域的挑战性问题，用于评估五大顶级语言模型。结果显示Claude 3.5 Sonnet表现最佳(30%准确率)，而所有模型在需要深度文化理解的领域表现欠佳。研究强调了将文化能力与技术精确性结合的重要性，为阿拉伯语NLP提供了新方向。

“小i之父”袁辉的20年创业史告诉我们，AI最终是为人民服务。

微软研究院突破性AI编程技术RPG能够像建筑师绘制蓝图一样规划整个软件项目，通过图形化结构替代模糊的自然语言描述，实现从零开始构建大规模代码库。ZeroRepo系统基于RPG生成的代码平均达3.6万行，比竞争对手多4倍，功能覆盖率81.5%，有望根本性改变软件开发方式。

M?FinMeeting是由苏州大学和阿里云研究团队开发的创新性金融会议理解评估数据集，支持英语、中文和日语三种语言，涵盖全球行业分类标准(GICS)定义的11个行业部门，包含摘要生成、问答对提取和问题回答三项任务。研究团队用七种代表性大型语言模型进行了实验评估，发现即使是最先进的长上下文模型在处理金融会议理解任务时仍有显著提升空间。这一数据集填补了金融领域人工智能评估基准的重要空白，为未来研究提供了宝贵资源。

微软亚洲研究院研究团队开发的rStar-Coder通过构建大规模验证数据集，显著提升了语言模型的代码推理能力。该数据集包含418K个竞赛级代码问题和580K个长推理解决方案，每个都经过多样化测试案例验证。关键创新在于三步测试输入生成方法和相互验证机制，确保了数据的高质量和可靠性。实验表明，即使是小型模型也能达到卓越性能——Qwen2.5-7B从17.4%提升至57.3%，甚至在USACO奥林匹克竞赛中超越了规模更大的模型，证明了高质量训练数据比模型规模更重要。