5月21-22日，2022第八届华为软件精英挑战赛-“普朗克计划”总决赛及颁奖典礼在深圳成功举办。

这项研究由ISTA和谷歌研究院联合开发的"影响力蒸馏"方法，通过利用二阶信息为训练样本分配最优权重，实现了大语言模型训练数据的高效选择。该方法在数学上有坚实理论支持，并创新性地引入"地标"近似技术，仅需计算少量样本的精确影响力，再高效传播到其他样本，大幅降低计算成本。实验证明，该方法在多种模型和任务上均优于或匹配现有技术，同时实现了高达3.5倍的速度提升，为大模型训练开辟了更高效的路径。

南开大学团队开发出DepthAnything-AC模型，解决了现有AI距离估算系统在恶劣天气和复杂光照条件下性能下降的问题。通过创新的扰动一致性训练框架和空间距离约束机制，该模型仅用54万张图片就实现了在雨雪、雾霾、夜晚等复杂环境下的稳定距离判断，同时保持正常条件下的优秀性能，为自动驾驶和机器人导航等应用提供了重要技术支撑。

近日，HPE宣布推出全新的计算产品组合，组合覆盖边缘到百万兆级计算领域，力求加速推动产业数字化转型。

这项研究提出了"下一事件预测"作为培养视频AI时间推理能力的新方法。研究者将视频分为过去和未来部分，让AI预测未来事件，而不仅仅是描述所见。他们创建了V1-33K数据集（包含33,000个视频片段）和FutureBench测试基准，实验证明这种方法显著提升了模型的时间推理能力。研究发现，演绎推理（通过下一事件预测）比归纳推理（视频问答）和溯因推理（先前事件预测）更有效，简单的监督式微调就能取得良好效果，且增加数据量超过5K后效果提升不明显。

在戴尔科技的帮助下，Draper正在使用模式识别技术提升卫星提供的海量图像数据的价值。

在疫情这段史无前例的时期之后，云已经从一个单一用途的计算和存储IaaS，发展成为一个更为复杂的平台，能够支持新型的高级应用，并被CIO们称为下一代创新引擎。

阿姆斯特丹大学研究团队开发出"缓存驾驶"技术，通过修改AI模型的键值缓存而非重新训练，让小型语言模型瞬间获得大模型的推理能力。该技术仅需一次调整就能让模型展现逐步推理行为，计算开销几乎为零，在多个推理基准测试中表现优异，还能实现推理风格迁移。

这项由香港大学和南京大学等机构研究人员联合开发的双专家一致性模型(DCM)解决了高质量视频生成中的效率难题。研究团队发现扩散模型蒸馏过程中存在优化冲突：早期阶段负责语义布局与运动，后期阶段关注细节精修，两者学习动态差异显著。DCM创新性地将这两个任务分配给不同的专家模型，通过参数高效的实现方式，使模型仅需4步即可生成接近50步原始模型质量的视频，大幅提升生成速度，为实用化AI视频创作铺平道路。

伊利诺伊大学研究团队开发了HalluSegBench评估系统，首次系统性揭示AI视觉分割模型的"幻觉"问题。通过创建1340对对比图像和四种新评估指标，研究发现当前先进AI模型普遍存在错误识别不存在物体的严重缺陷，且视觉变化比文字变化更容易引发幻觉。该研究为提升AI系统可靠性提供了重要工具和理论基础。

这项研究展示了如何用极少的计算资源训练出高性能的多模态大语言模型。加州大学团队仅用220小时GPU就训练出了2B参数的Open-Qwen2VL，性能超越了使用277倍训练数据的同类模型。关键创新包括高质量数据过滤、多模态序列打包和动态图像分辨率策略。更重要的是，该项目重新定义了AI模型的"完全开源"标准，公开了训练代码、数据过滤技术和全部训练数据，为学术界提供了宝贵的研究资源。

《连线》杂志创始主编凯文·凯利发表了《What is Next》的主题演讲。凯文·凯利被看作是“网络文化”的发言人和观察者，他的书可能大家也很了解，《失控》《科技想要什么》和《必然》等书籍，影响了很多信息科技领域的从业者，人们也经常亲昵地称他为KK，

快手科技团队开发的Klear-Reasoner在AI推理领域取得重大突破，在数学竞赛AIME2024中获得90.5%高分。该研究完全公开训练细节，提出创新的GPPO方法解决传统强化学习局限，证明精选高质量数据比大量普通数据更有效，为AI推理能力提升提供了新的技术路径。

生成式AI已渗透到社交媒体的各个层面，96%的社交媒体管理者使用AI工具辅助工作。AI主要用于内容创意生成、文案写作和文本改写等任务，帮助专业人士应对多平台运营压力。然而AI使用也面临质量问题、品牌个性丧失和用户反感等风险。专家建议AI可作为"超级助手"处理基础工作，但创意决策和敏感沟通仍需人工把控，关键是在提升效率与保持人性化连接间找到平衡。

AROS 是一款自由、开源的 AmigaOS 重现操作系统，现能以 USB 启动方式在 PC 上运行。它借助 Linux 系统与 QEMU 虚拟化技术，实现了经典 Amiga 环境的体验。

约翰霍普金斯大学研究团队开发了MMBERT多语言AI模型，采用渐进式学习策略训练超过1800种语言。该模型通过逆向掩码调度和温度采样等创新技术，在多项基准测试中超越XLM-R等现有模型，甚至在部分小语种任务上超过OpenAI o3和Google Gemini。模型运行速度比同类产品快2-4倍，已开源发布。

约翰霍普金斯大学发布DOTRESIZE技术，通过最优传输理论实现AI大模型智能压缩。该方法将相似神经元合并而非删除，在保持性能的同时显著降低计算成本。实验显示，压缩20%后模型仍保持98%性能，为AI技术普及和可持续发展提供新路径。

数源AI推荐的论文介绍了Panda-70M数据集，该数据集通过多模态教师模型自动为7000万个视频生成高质量字幕。研究表明，该数据集在视频字幕生成、视频文本检索和文本驱动视频生成等下游任务上表现优异。

这项由上海人工智能实验室等机构联合发布的研究提出了VeBrain框架，成功解决了多模态大语言模型在现实世界应用中的关键挑战。VeBrain通过将机器人控制重新定义为2D视觉空间中的文本任务，统一了多模态理解、视觉空间推理和物理控制三大能力。研究团队还创建了包含60万条高质量指令数据的VeBrain-600k数据集，并设计了创新的机器人适配器将模型决策转化为实际运动。实验结果表明，VeBrain在13个多模态基准和5个空间智能基准上表现优异，并在实际机器人应用中展示出强大的适应性和组合能力。

多年来,企业、政府和研究人员一直在努力解决从 PDF 文件中提取可用数据的难题。PDF 文件虽然广泛应用于存储各类文档,但其固定格式常常使数据难以被机器读取和分析。传统 OCR 技术在处理复杂布局时效果欠佳,而新兴的 AI 语言模型虽有潜力,但也存在幻觉和误解等问题。目前仍无完美解决方案,这个挑战将持续影响数据分析和机器学习领域。