用户正不断向AWS提出，以相同的方式在本地和云中工作的需求，在2018 AWS re:Invent上AWS CEO Andy Jassy首度谈及了AWS的本地化部署，发布AWS Outposts。

亚马逊现已正式发布Amazon Q，一款由AI驱动的生成助手，旨在增强软件开发并简化对企业数据的访问流程。亚马逊方面于2023年AWS re: Invent大会上首度公布这项技术，目前该方案已经全面上市。

加州大学伯克利分校研究团队首次系统分析多智能体AI系统失败原因，发现即使先进的AI团队成功率也仅30%左右。通过分析200多个案例，他们识别出14种失败模式，归类为规格说明、智能体协调和任务验证三大问题，并开发了MAST诊断工具。研究揭示失败根源在于系统设计缺陷而非AI能力不足，为改进AI团队协作提供了重要指导。

疫情无情，线上有情！在隔离期，我们日常生活从“线下”移到“线上”，开启了前所未有的别样生活；在防控期“线上生活”将成为人们的新生活常态，而这背后得益于工业互联网、5G和边缘计算的快速落地。

这项NVIDIA团队的突破性研究解决了AI视觉理解中的精确局部描述难题。通过创新的聚焦提示技术和本地化视觉架构，DAM模型能够准确描述图片和视频中任何指定区域的详细内容，性能显著超越现有方法，为医疗诊断、教育辅助、无障碍技术等领域开辟了新的应用前景。

5月8日至9日，以“因聚而生 众志有为”为主题的“华为中国合作伙伴大会2023”在深圳盛大召开。

本文探讨了7种可能严重影响企业运营的技术债务类型,包括数据债务、数据管理债务、开源依赖债务、AI债务、架构债务、AI实施中的安全债务以及文化债务。文章分析了这些债务的成因、潜在风险,并为CIO提供了应对建议,以帮助企业避免或减少技术债务对业务转型的阻碍。

这项研究开发了Hi3DEval系统，这是首个能够从整体、局部和材质三个层面全面评估3D模型质量的智能系统。通过创新的视频分析和3D几何特征结合方法，系统在各项评估指标上都显著超越了传统方法，为3D内容创作提供了标准化的质量检测工具，在游戏开发、虚拟现实、电商展示等领域具有广阔的应用前景。

昨日，探智立方发布了一站式全自动机器学习平台DarwinML 2.0升级，在为企业带来全流程自动化的建模能力的同时，显著提升了AutoML技术在企业中应用和部署的易用性。

清华大学研究团队通过大规模实验发现，当前备受推崇的强化学习训练方法（如训练GPT-o1的技术）并未真正提升AI的推理能力，而是让模型更善于从已掌握的推理方法中选择正确答案。研究涵盖多个模型和任务，揭示了AI能力提升背后的真实机制与普遍认知的差异。

新思科技指出企业要更好地保护敏感数据，符合当地法律法规要求，就必须创建数据安全策略和框架，多部门协作共同保障数据安全。

华为机器视觉总裁段爱国提出图像将从“给人看”到“给机器看”，隆重发布SuperColor、SuperCoding、AI Turbo三大根技术，以及好望新一代摄像机等七大新品。

作为“养智”参观考察线路的重要一环，由攀枝花市国有投资集团与腾讯医疗携手共建的攀枝花市“智慧康养大脑”——攀枝花智慧康养产业大数据中心正式亮相，吸引了社会各界关注的目光。

孤寂的海上，灯塔挽救了许多船只的沉没。通往冰雪创新的路上，现在也驻守了一座“科技灯塔”，守望着奥林匹克“更快、更高、更强 更团结”的希冀。

浙江大学团队联合字节跳动和浙江实验室发布了首个统一视频基础模型评测基准UniVBench，解决了现有视频AI评测标准各自为政、存在数据污染等关键问题。该基准包含200个原创高质量视频，涵盖理解、生成、编辑、重构六大核心任务，并开发了智能评测系统UniV-Eval，能提供八个维度21个细分指标的精确分析。测试结果揭示当前AI模型在动作理解等方面仍存在明显短板，为未来技术发展指明了方向。

NVIDIA Research推出了革命性的UDR系统，让用户可以完全自定义AI研究助手的工作策略。该系统解决了传统研究工具固化、难以专业化定制的问题，支持任意语言模型，用户可用自然语言编写研究策略，系统自动转换为可执行代码。提供三种示例策略和直观界面，实现了AI工具的民主化定制，为专业研究和个人调研提供了前所未有的灵活性。

人工智能项目并不是自下而上的，要实施好这样的项目需要大量的资源和明确的领导。

尽管AI在围棋等复杂游戏中表现出色，但在简单的井字棋游戏中却屡屡失败。研究显示，AI代理在模拟商业环境中的表现同样令人失望，经常出现幻觉、欺骗和任务未完成等问题。游戏测试为评估AI能力提供了直观方式，帮助普通用户理解AI的真实水平。面对当前AI行业的过度宣传，通过游戏化测试揭示AI的实际局限性，对于防范AI泡沫具有重要意义。

南洋理工大学与SenseTime Research的研究团队提出了ProxyV，一种创新算法，解决大型多模态模型处理视觉信息时的计算冗余问题。与传统方法不同，ProxyV不减少视觉标记数量，而是引入少量"代理视觉标记"替代原始标记参与繁重计算，通过轻量级模块引导原始标记更新。实验表明，ProxyV可在保持甚至提升性能的同时，将计算量和时间减少30%-46%。该方法还提供了非空间变体，可与其他优化方法结合使用，展现了平衡效率与精度的新思路。

香港大学团队提出UniVLA框架，通过"任务中心潜在动作"技术让不同机器人共享技能，无需大量标注数据即可从网络视频学习。在多项基准测试中显著超越现有方法，仅用1/20计算资源就达到更好性能。该研究为机器人跨平台技能迁移和大规模学习提供了新思路，有望推动通用机器人助手的实现。