复旦大学联合上海人工智能实验室发布的UnifiedReward是全球首个统一多模态奖励模型，能够同时评价图片和视频的生成与理解任务。该模型通过跨任务协同学习，在各项评测中都显著超越了专门的单任务模型，在图片理解任务上准确率提升近20个百分点。这项技术为AI评价体系带来革命性突破，将大大降低AI系统开发成本，提升各种视觉AI产品的整体质量。

答案其实早已跃然纸上，数字化是确定的方向，更是帮助民营企业吹散“寒气”，迈向高质量发展的成长阶梯。

9月16日，2018世界物联网博览会信息安全高峰论坛暨第十一届信息安全漏洞分析与风险评估大会在无锡市滨湖区成功举办。

希腊雅典理工大学团队开发CultureMERT-95M多文化音乐AI模型，通过两阶段持续预训练和任务算术方法，让AI系统学会理解希腊、土耳其、印度等非西方音乐传统。该模型在非西方音乐分类任务上提升4.9%准确率，同时保持西方音乐理解能力，为构建更包容的全球音乐AI系统奠定基础。

法国研究团队开发了"推理核心"训练环境，专门培养AI的基础推理能力。该系统包含18个核心任务，涵盖逻辑推理、规划、因果分析等领域，能无限生成新题目并精确控制难度。与传统依赖固定题库的方法不同，推理核心专注于培养通用认知能力，并使用专业工具验证答案。GPT-5测试显示任务具有挑战性，为AI推理能力发展开辟新路径。

Patronus AI发布突破性研究，构建了首个系统性AI代理错误评估体系TRAIL，涵盖148个真实案例和21种错误类型。研究发现即使最先进的AI模型在复杂任务错误识别上准确率仅11%，揭示了当前AI代理系统在长文本处理、推理能力和自我监控方面的重大局限，为构建更可靠的AI系统指明方向。

在大量的行业数字化转型实践中,华为摸索、积累出了一套应用数字化技术实现业务成功的战略框架与战术工具集

从传统角度看，电力电场的发电能力普遍较弱，因为我们至今很难预测无形无相的风，会在新一天中表现出怎样的活动趋势。

这项由巴斯克语言技术中心团队完成的研究，开发了GUIDEX方法来自动生成信息提取的标注指南和训练数据。该方法通过四个步骤（文档总结、结构化表示、指南生成、实例提取）模拟专家工作流程，无需人工标注即可适应新领域。实验显示，GUIDEX在七个零样本命名实体识别基准上创造了新的最佳成绩，比现有方法平均提升近2个F1分数点。

霍尼韦尔公司表示，摩根大通等多家客户已经开始在生产环境中使用其量子计算机。而且根据IBM方面去年建立的基准性能测试，该计算机已经成为目前世界上最强大的量子计算机成果。

波士顿大学研究团队开发的DORI基准测试从四个维度评估多模态大语言模型的物体方向理解能力：正面对齐、旋转变换、相对方向和规范方向感知。研究评估了15个最先进模型，发现即使最佳模型在粗粒度任务上的准确率也仅为54.2%，在细粒度方向判断上更低至33.0%，与人类表现相差近30%。结果表明当前模型在精确角度估计、多视角追踪和理解复合旋转方面存在系统性缺陷，反映了它们内部3D空间表示的根本局限，为未来模型设计提供了明确方向。

近年来，全球新冠疫情、劳动力短缺和不确定的政治局势所带来的影响有目共睹，这也意味着制造商需要更加灵活、有韧性，并能够适应不断变化的环境。

美国国家橄榄球联盟（National Football League，简写为NFL）与亚马逊的 AWS 部门建立了“数字运动员”合作伙伴关系，目的是帮助部署人工智能和机器学习，提高球员的健康和安全。

2020 年初，某保险公司保险集团总部。保险代理人小张（化名）正在用微信对客户进行展业、获客等保险服务。但在和客户在线上进行沟通时，总让小张有些力不从心。

Mistral AI首次推出推理模型Magistral，采用纯强化学习训练让AI学会深度思考。该模型在数学推理能力上提升近50%，能够展示完整思考过程，并意外获得多模态推理能力提升。研究团队开源了Magistral Small模型，为AI推理能力发展开辟新路径，证明了强化学习在培养AI思维能力方面的巨大潜力。

这项由Google DeepMind团队完成的研究开发了AlphaFold系统，能够从氨基酸序列准确预测蛋白质三维结构。在CASP14竞赛中，系统达到92.4分的惊人准确度，远超传统方法。该技术正在革命性地改变药物研发、基础生物学研究等领域，为科学家提供了快速获取蛋白质结构信息的强大工具，标志着计算生物学的重大突破。

4月29日，英特尔与Snap、纳斯达克、戴尔科技及NTT数据共同宣布成立全球包容联盟，并制定了多元与包容指标。

AMD 的第四代 Eypc 处理器日前登陆 AWS，并提供通用和高性能计算任务的选择。

“水下数据中心”是理想的数据中心选址，利用凉爽的水下环境帮助计算机实现高效的热交换，可以完美解决火灾、散热问题，并节省服务器在散热上耗费的能源。

斯科尔科沃科技学院团队开发了一种基于稀疏自编码器的AI文本检测新方法，能够像"透视镜"一样看穿文本表面，识别AI生成内容的内在特征。研究发现AI文本具有三大类特征：话语特征、噪声特征和风格特征，不同AI模型表现出独特的"写作个性"。这种方法不仅检测准确率高，还能解释检测原理，为教育、媒体等领域提供了更可靠的AI内容识别工具。