EasyNLP是PAI算法团队基于PyTorch开发的易用且丰富的中文NLP算法框架，支持常用的中文预训练模型和大模型落地技术，并且提供了从训练到部署的一站式NLP开发体验。

四月的上海，温润如玉，在这座充满活力的国际金融中心，一场金融行业数字化转型的盛会正在进行。4月25日下午，以“AI赋能 智简网络”为主题的2019华为全球金融峰会网络专场分论坛在上海成功举办。

Transformer时代终结？Mamba作者提出H-Net：端到端、无分词器

一项由苏州大学、微软等机构合作的研究OPENTHINKIMG首次提出了完整的视觉工具强化学习框架，解决了当前大型视觉语言模型缺乏视觉思维的问题。该研究基于Qwen2-VL-2B基础模型，开发了V-TOOLRL方法，通过分布式工具部署、轨迹生成和强化学习，使AI能像人类一样"用图像思考"。实验表明，在图表推理任务上，该方法准确率达59.39%，显著超越了同类开源系统并优于GPT-4.1，为未来AI视觉认知提供了新路径。代码已在GitHub开源，将促进相关领域研究。

上海麦图信息科技有限公司，借助华为云ModelArts一站式AI开发与管理平台，开发出跑道防侵入场景中的航空器识别AI模型。

新加坡南洋理工大学联合多个国际研究机构开发出突破性AI系统Ego-R1，首次实现对一周超长视频的智能理解和推理。该系统采用独创的"工具链思维"方法，让AI像侦探一样使用不同工具分步解决问题，在44.3小时视频理解任务中达到46%准确率，显著超越现有技术，为未来个人AI助手的发展开辟新道路。

真正开启新一轮上行周期，生成式AI无疑是最具确定性的方向，它正深刻重构内容创作、技术底座、商业模式，为游戏产业打开全新的增长通道。

Essential AI团队通过系统研究发现，大语言模型的反思能力在预训练阶段就开始萌芽，而非传统认为的仅在强化学习后出现。研究团队对OLMo-2等模型的240个检查点进行测试，发现简单的"Wait,"触发词就能激发模型识别和纠正推理错误的能力。这种反思能力随预训练规模增长而提升，在数学、编程、逻辑推理等六个领域都有体现，为AI系统的高效开发提供了新思路。

刚刚第三届HUAWEI CONNECT 2018（华为全联接大会）上，徐直军公布了华为AI发展战略，以及华为AI全栈全场景解决方案，包括华为自研统一达芬奇架构的两款AI芯片——昇腾910和昇腾310。

韩国科学技术院研究团队开发出Simba方法，通过层次化稀疏化技术对状态空间模型进行"瘦身"，在保持性能的同时显著提升计算效率。该方法采用类似高速公路的架构设计，让AI模型的上层只处理最重要的信息，实现了最高80%的速度提升和更好的长序列处理能力。这项即插即用的技术为AI模型优化提供了新思路。

6月7日-10日,第十六届(2023)中国国际社会公共安全产品博览会在北京首钢会展中心成功举办。

近期，第四范式宣布完成C＋轮融资，C轮总计融资金额达2.3亿美元，投后估值约20亿美元。本轮融资中，引入新战略股东包括思科、中信银行、联想。松禾资本、基石资本以财务投资方加入。

上海交通大学团队开发了名为ST-Raptor的智能系统，能够像人类专家一样准确理解医疗报告、财务报表等复杂表格结构。该系统创新性地使用"层次正交树"表示方法和九种基础操作工具，配合智能问题分解和双重验证机制，在复杂表格分析任务中准确率达到72.39%，比现有最佳方法提升20%以上，有望广泛应用于医疗、金融、教育等领域。

阿联酋穆罕默德·本·扎耶德人工智能大学研究团队开发出LlamaV-o1，这是一个能够像人类一样进行分步视觉推理的AI系统。该系统通过课程学习和束搜索技术，不仅能给出正确答案，更能清晰展示每一步思考过程。研究团队还创建了包含八个领域超过1000道题目的VRC-Bench评测基准，不仅评判答案准确性，更重视推理过程质量。实验显示，LlamaV-o1在多项任务中表现优异，推理速度比同类方法快5倍，为构建可信透明的AI系统提供了重要突破。

苹果与清华合作提出EpiCache技术，解决AI长期对话中的记忆管理难题。该方法将对话自动分割成话题片段，为每个话题建立专门记忆库，实现智能匹配和高效检索。实验显示，EpiCache比传统方法准确率提高40%，内存使用减少4-6倍，响应速度提升2.4倍，为资源受限环境下的AI对话系统提供了实用解决方案。

香港科技大学研究团队开发了MOSS-ChatV视频AI系统，通过创新的"过程推理奖励"机制解决了现有视频AI推理过程不一致的问题。该系统不仅能准确预测视频中的未来事件，还能提供清晰的推理解释。研究构建了MOSS-Video数据集，采用动态时间规整算法训练模型，在多个视频理解任务上取得显著性能提升，为视频AI的可解释性发展开辟了新方向。

上海交通大学AI团队提出的SpatialScore是迄今最全面的多模态空间理解评测基准，包含28K样本，涵盖各类空间任务。研究首创VGBench专门评估视觉几何感知能力，并开发SpatialAgent多代理系统，集成9种专业工具增强空间理解。实验表明，即使最先进的大模型在空间理解方面仍存显著局限，特别是在视觉几何感知任务上，而SpatialAgent通过结构化工具调用显著提升性能。这项工作为未来多模态模型在实体AI应用中的发展提供关键方向，填补了AI系统在3D空间认知能力评估的重要空白。

StepFun和清华大学联合提出Open-Reasoner-Zero，这是首个开源的大规模推理导向强化学习训练框架。该方法采用极简的vanilla PPO算法直接在基础模型上训练，无需复杂预处理，仅用十分之一训练时间就在多个数学推理基准上超越了DeepSeek-R1-Zero。研究证明了简单方法在AI推理训练中的强大潜力。

缺货是零售商的一大忌讳。沃尔玛公司曾指出，如果能解决1%的产品脱销问题，那么沃尔玛将能多获得25亿美元的销售收入。为了做到这一点，零售商也开始思考——是压根没有意识到商品脱销，还是根本不知道仓库还有库存，亦或是商品正在从工厂到商店的运输途中。

复旦和腾讯联合开发的UnifiedReward-Think是全球首个具备链式思维推理能力的统一多模态奖励模型。该系统能像专业评委一样进行多维度深度分析，在图像和视频评估任务中全面超越现有方法，准确率提升5-25%。更重要的是，即使不展示推理过程，其内化的推理能力也能显著提升直接判断的准确性，为AI评估领域带来革命性突破。