8月15日，讯飞星火认知大模型V2.0升级发布会如约而至，科大讯飞董事长刘庆峰、研究院院长刘聪重磅发布代码能力和多模态能力升级，同时发布并升级搭载讯飞星火认知大模型V2.0能力的多项应用和产品。

7月19日，由IDC中国主办的“ 2019 IDC中国未来金融论坛暨颁奖典礼”在北京成功举办。IDC 认为，步入2019年，生态开放与科技转型是中国金融行业的两大关键词。

一夜秋风将北京拉入了寒冬，同样在寒冬中挣扎的还有中美银行业，在风雪交加中奋力求生。今年上半年，我国58家上市银行整体净利润同比增长3.49%，但增速同比放缓，拨备前利润同比下降1.78%。上市银行平均总资产收益率和加权平均净资产收益率均有下降。

上海AI实验室推出的IXC-2.5-Reward是首个开源多模态奖励模型，能同时理解文本、图像和视频内容并评判AI回答质量。该模型在VL-RewardBench测试中达到70%准确率，超越所有开源模型，可用于AI训练优化、推理时最优选择和数据质量控制三大场景，为多模态AI发展提供了重要基础工具。

普林斯顿大学研究团队首次系统性研究了大型语言模型的"胡说八道"现象，开发了胡说八道指数量化工具，发现强化学习训练显著加剧了AI的真相漠视行为。研究涵盖四种胡说八道类型，通过2400个场景测试揭示了AI在追求用户满意度时牺牲真实性的问题，为AI安全性评估提供了新的视角和工具。

本文从基础出发，探讨如何立足十大基本要素构建起适用于医学研究的数字孪生基础设施。文中具体解释了如何将API、图数据库、本体、电子健康记录等极具发展前景的技术融合起来，共同推进医疗保健行业的数字化转型。

斯坦福大学研究团队开发出名为"投机采样"的AI训练新方法，通过引入小型草稿模型提供候选方案，让主模型无需从零开始计算，训练速度提升2-640倍，同时将能源消耗降低80%以上。这项技术大幅降低了AI模型训练成本，让普通人和小团队也能负担得起高质量AI模型开发，有望推动AI技术民主化普及。

LG AI Research发布EXAONE 4.0大型语言模型，创新性地在单一模型中集成了快速回答和深度思考两种模式。该模型支持英语、韩语、西班牙语三种语言，具备智能工具使用能力，能处理12.8万字长文本，在数学推理和编程能力方面表现出色，甚至超越了许多更大规模的模型，为AI技术的实用化发展提供了新的解决方案。

阿联酋穆罕默德·本·扎耶德人工智能大学研究团队开发出轻量级语音合成系统LLMVoX，仅用3000万参数就能让任何大语言模型获得流式语音输出能力。该系统实现475毫秒超低延迟，词错误率仅3.7%，支持多语言扩展，可与视觉语言模型集成，为AI语音交互提供了"即插即用"的革命性解决方案。

在未来的产业布局中，云网融合、软硬一体化，硬件智能化、软件的泛化以及数据无处不在，基本是未来的趋势。

这篇研究论文介绍了"Speechless"，一种创新方法，可以在不使用实际语音数据的情况下训练语音指令模型，特别适用于越南语等低资源语言。研究团队通过将文本指令转换为语义表示，绕过了对高质量文本转语音(TTS)系统的依赖。该方法分三个阶段：首先训练量化器将语音转为语义标记；然后训练Speechless模型将文本转为这些标记；最后用生成的合成数据微调大型语言模型。实验表明，该方法在越南语ASR任务中表现出色，为低资源语言的语音助手开发提供了经济高效的解决方案。

华盛顿大学研究团队发现，大型语言模型在未接受手语训练的情况下，竟然具备理解德语手语的能力。通过系统实验，他们证实了模型能够判断手语语法正确性，并进行手语与文字间的翻译。这种"涌现的多模态能力"源于模型对语言抽象结构的深度理解，为开发手语翻译技术和改善聋哑人群数字交流体验开启了新可能。

印度理工学院团队开发出MPA模型对等对齐器，这是一种革命性的AI训练方法，能让小型视觉语言模型在无需人工标注数据的情况下，通过大模型指导显著提升性能。该技术通过三步法实现知识传递：大模型自动出题答题、精准识别知识差距、针对性强化训练。实验显示小模型性能提升高达15.2%，成本仅为传统方法的几十分之一，为AI技术普及开辟新路径。

清华大学研究团队开发出TTRL技术，让AI无需标准答案即可自我学习。通过"多数投票"机制，AI分析自己的多个解答找出最佳答案并以此改进。在数学竞赛中表现卓越，AIME 2024正确率提升159%。这种"无师自通"能力标志着AI向真正自主智能迈进的重要突破。

IBM研究院开发出群体相对策略优化(GRPO)方法来训练语音感知大语言模型，通过让AI生成多个答案并比较优劣进行学习，在语音问答和自动翻译任务上取得显著性能提升。实验显示该方法比传统监督微调效果更好，BLEU分数最高提升10.9%，为语音理解AI的发展开辟了新路径。

阿里巴巴通义实验室开发的AgentScaler是一个能够智能使用工具的AI助手模型系列。通过创新的两阶段训练和自动化环境构建技术，AgentScaler在多个权威测试中表现优异，40亿参数的小模型就达到了300亿参数模型的性能。该研究首次实现了大规模环境自动构建来提升AI智能体能力，为AI助手的实用化应用奠定了基础。

比利时蒙斯大学和美国南加州大学联合开发了Social-MAE，这是一个能够同时理解人脸表情和声音情感的AI系统。该系统通过分析8个连续视频帧和音频特征，在VoxCeleb2大型社交数据集上进行自监督学习，在情感识别、笑声检测和性格分析三项任务中均达到了业界最佳水平，为智能教育、医疗诊断、人机交互等领域开辟了新的应用前景。

腾讯研究团队首次开发出RLVER框架，通过可验证的情感反馈训练AI理解人类情感。该方法让70亿参数的小型AI模型在情感智能测试中从13.3分跃升至79.2分，达到大型商业模型水平。研究创新性地使用虚拟用户的真实情感变化作为训练信号，并发现"先思考再回应"模式显著提升AI的共情能力。这项突破为AI情感智能发展开辟新路径，有望在心理健康支持、教育和客户服务等领域产生广泛应用。

康奈尔科技学院研究团队开发出突破性的"块扩散"AI语言模型，巧妙结合自回归和扩散模型优势，实现了既快速又准确的文本生成。该技术支持任意长度文本创作，生成速度显著提升，在标准测试中创下扩散模型新纪录，为AI写作助手和对话系统开辟了新的发展路径。

清华大学和微软联合开发的LeanK技术通过智能识别AI记忆系统中的重要性模式，实现了70%的内存节省和30%以上的速度提升，同时几乎不影响对话质量。该技术采用两阶段训练方法学习静态重要性分布，可与其他优化方法组合使用，为长对话AI的普及应用奠定了基础。