清华大学研究团队开发了MATE多智能体翻译系统，这是首个专为残障人士设计的开源AI辅助工具。该系统能在文字、语音、图像间智能转换，如将图片转为语音描述、语音转文字等。系统包含8个专业智能体协作，准确率达91.7%，支持本地运行保护隐私，为视听障碍等用户群体提供了强大的信息获取工具。

谷歌一直在强调用Gemini将AI践行到底，只不过这次在中国的内容，传递了很多特色故事，这些故事有谷歌的AI如何点亮中国传统文化，如何创造种类繁多的AI应用，以及更重要的，如何赋能中国开发者的成功出海。

InfantAgent-Next是一款突破性的多模态通用型AI助手，能通过文本、图像、音频和视频与计算机进行交互。不同于现有方法，它采用高度模块化架构，将基于工具和纯视觉的代理技术融为一体，让不同模型能逐步协作解决分散任务。在OSWorld视觉测试中达到7.27%的准确率，超越Claude-Computer-Use；同时在代码处理基准SWE-Bench和通用任务平台GAIA上也表现出色。其开源设计不仅提供了丰富工具集，还优化了鼠标点击定位和文件编辑功能，为AI自动操作计算机开创了新范式。

Hugging Face团队发布SmolLM2语言模型研究报告，详细阐述了17亿参数小型模型的创新训练方法。该研究通过多阶段精细化训练策略和三个全新数据集(FineMath、Stack-Edu、SmolTalk)的创建，证明了小模型在数据质量优化下可达到优异性能。模型在多项基准测试中超越同规模竞品，为人工智能技术的普及化和可持续发展提供了新的技术路径。

新加坡南洋理工大学研究团队开发的STREAM3R系统革命性地改变了3D重建方式，采用流式处理技术像阅读故事一样按序处理图像，而非传统的同时处理所有图像。该系统实现每秒12-33帧的实时处理速度，准确度高达94.7%，特别擅长处理动态场景，为自动驾驶、机器人导航和虚拟现实应用开辟了新可能。

本次峰会探讨了人工智能(AI)的社会技术本质,强调需要通过包容性方法来开发和治理AI,以避免加剧不平等和权力集中。与会者呼吁将伦理原则转化为具体实践,并强调了AI在全球扩散过程中的地缘政治影响。峰会还讨论了如何负责任地在公共部门推广AI,以及开放与封闭AI模型的利弊。

斯坦福大学研究团队开发了史上最具挑战性的AI数学推理测试系统Putnam-AXIOM，基于威廉·洛威尔·普特南数学竞赛的522道大学级难题。测试结果显示，即使最强的AI模型也只能达到42%的正确率，远低于它们在传统测试中的表现。研究还创新性地引入了变形题目生成和教师强制准确率评估方法，有效识别了AI对训练数据的记忆依赖问题，为真实评估AI数学推理能力提供了新标准。

这项研究开发了VIDEO-RTS系统，仅用传统方法3.6%的训练数据就让AI学会了真正的视频推理能力。系统采用"纯强化学习"跳过死记硬背阶段，结合"稀疏到密集"的自适应推理策略，在五个权威测试中平均准确率提升2.4%。这一突破性进展可能改变AI视频理解的发展方向。

Insilico Medicine是一家诞生于数字化时代，或者说计算机时代的企业。这家公司位于巴尔的摩，其专注于利用新一代人工智能与区块链技术进行药物发现、生物标记开发以及衰老研究。

这个突破意味着，未来的AI助手将不再是被动的问答机器，而是能够主动、适时地参与人类对话的智能伙伴。

2024年7月4日，2024世界人工智能大会暨人工智能全球治理高级别会议即将在浦江之畔揭开帷幕。在“一带一路”倡议提出十周年的时间节点，在AI Agent再次引爆人工智能新热潮的现在，在各类人工智能技术及应用不断融入人们日常生活的当下，此次大会讲“以共商促共享，以善治促善智”作为主题，聚集世界各国代表、顶级专家学者、行业精英、初创团队等，共同探讨在人工智能深度发展时代下的热点话题。

本届大会由外交部、国家发展改革委、教育部、科技部、工业和信息化部、国家网信办、中国科学院、中国科协和上海市政府共同主办，打造“会议论坛、展览展示、评奖赛事、智能体验”四大板块，聚焦人工智能领域前沿技术、产业动向、向善治理等全球人工智能行业普遍关心的领域。

一家身陷危机的公司返璞归真，并迅速掀起病毒式传播。但如此赤裸裸地复制Twitter，能否为这家老迈的科技巨头注入新的活力？

北京大学团队开发的ReMoMask系统实现了文本到3D人体动作生成的重大突破，通过双向动量学习、语义时空注意力和检索增强指导三项核心创新，在权威数据集上取得显著性能提升，为电影制作、游戏开发、虚拟现实等领域提供了高质量的动作生成解决方案，标志着人工智能向更自然人机交互迈进的重要进展。

这项研究提出了HoPE（混合位置编码），一种针对视觉语言模型的新型位置编码技术，专门解决长视频理解的挑战。传统位置编码技术在处理长视频时表现不佳，HoPE通过两个创新解决了这一问题：混合频率分配策略（为空间信息分配高频，时间维度使用零频率）和动态时间缩放机制（根据视频速度灵活调整时间编码）。实验证明，HoPE在长视频理解和检索任务上分别提升了8.35%和22.23%，为AI更准确理解长视频内容开辟了新途径。

Skywork AI推出的第二代多模态推理模型R1V2，通过创新的混合强化学习方法，成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉，在多项权威测试中超越同类开源模型，某些指标甚至媲美商业产品，为开源AI发展树立了新标杆。

停车场运营商APCOA正利用大数据将传统停车场转化为移动枢纽，在提供电动汽车充电之余，还可作为小企业的办公空间和配送公司的仓储地点。

Salesforce推出的Promptomatix是首个零配置提示词自动优化框架，让普通用户无需技术背景即可生成高质量AI提示词。系统通过智能任务分析、自动数据生成和成本感知优化，在五类NLP任务测试中均表现优异，特别在文本分类上提升15-20%。该技术有望大幅降低AI应用开发门槛，推动人工智能技术普及。

研究团队开发了IR3D-Bench基准测试，要求AI根据单张图片重建完整3D场景，以此检验AI是否真正理解所见世界。测试涵盖20多个顶尖AI模型，结果显示虽然AI在物体识别上表现出色，但在空间关系理解和尺寸估计方面存在明显不足。研究为评估AI视觉理解能力提供了新标准。

帆软数据应用研究院调研了规模不一的216家企事业单位，了解到他们的大数据BI应用状态、需求情况、对大数据BI产品功能的期待，同时基于帆软数据应用研究院对行业的长期观察和思考，形成了该篇报告。