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。

QwenLong-CPRS是阿里巴巴千问文档团队开发的创新上下文压缩框架，专为解决大型语言模型处理长文本的效率和"迷失在中间"问题。该技术通过自然语言引导的动态优化、双向推理层、基于语言建模的标记评价和窗口并行推理四大创新，实现了高达21.59倍的上下文压缩率和显著的性能提升。研究表明，配备QwenLong-CPRS的小型模型甚至能超越专业长上下文模型，为高效处理海量文本开辟了新途径。

ByteDance与南洋理工大学联合开发的MMSearch-R1是首个端到端多模态搜索强化学习框架，让AI学会了"按需搜索"——知道何时依靠内在知识、何时主动搜索外部信息。该系统整合图像和文本搜索工具，通过精心设计的奖励机制训练AI的搜索判断力，在知识密集型任务中准确率超越同规模基线3%，搜索调用减少30%以上，为构建更智能可靠的AI助手开辟了新道路。

“解放双手,变身为假期出行途中的享受者”是众多长途短途驾驶员心中的美好愿景,这也可能是近年脍炙人口的自动驾驶领域最贴近用户诉求的生活场景。

9月22日，浪潮信息边缘计算新品发布暨合作伙伴大会在京举行。

从成立之初，云势数据就坚定地与亚马逊云科技携手，逐步建立起系统的服务能力。如今，AI浪潮席卷而来，云势数据依托多年的技术沉淀，与亚马逊云科技再度联手，进入AI驱动客户互动赛道，开拓下一代客户服务的新边界。

中科院团队开发的Stream-Omni是一个突破性的多模态AI模型，能同时处理文字、图像和语音，实现真正的"看听说"一体化交互。该模型创新性地采用了针对性的模态对齐策略，仅用2.3万小时语音数据就达到优秀性能，并能在交互中实时显示中间结果，为AI助手的自然化交流开辟了新路径。

在太平洋时间9月19日2023年英特尔on技术创新大会开幕前夕，我有幸采访了英特尔公司首席执行官帕特·基辛格，借此机会了解了英特尔在过去一年中取得的进展

无论是尖端医学研究、大规模基因组分析还是日常应用检测，NVIDIA Million-X百万倍计算性能飞跃的愿景已经在基因测序的各个领域结出累累硕果，并将持续为人类消除疾病、促进健康做出贡献。

想象一下，你正在使用一位非常聪明的私人助教来解决复杂的数学问题。这位助教擅长通过"思考过程"来逐步分析问题，但他的思考过程往往很冗长，需要写满好几页纸。虽然最终答案往往是正确的，但如果你赶时间，或者纸张有限，这种详尽的分析就会成为一种负担。

导读：为进一步加快推动人工智能和制造业的融合发展，在第六届世界智能大会筹备期间，世界智能大会组委会首次与中国新一代人工智能发展战略研究院、天津市智能科技产业专家咨询委员会合作开展“WIC智能科技创新应用优秀案例”评选活动。

导读：为进一步加快推动人工智能和制造业的融合发展，在第六届世界智能大会筹备期间，世界智能大会组委会首次与中国新一代人工智能发展战略研究院、天津市智能科技产业专家咨询委员会合作开展“WIC智能科技创新应用优秀案例”评选活动。

墨奇科技 CEO 及联合创始人邰骋、墨奇科技 CTO 及联合创始人汤林鹏，介绍了如何将指纹识别问题转化为高精度图像搜索问题，基于先进的多尺度特征表示、极少样本的自学习框架、超高性能的异构搜索系统，首次实现了无需细节特征的指纹比对系统。

为了保护风电塔医生们的安全，云庐科技携手华为云，在170米风电塔上装了“风电机组结构状态诊断系统”，诊断风机及结构的运行情况，同时预测安全隐患，提前预警。

澳大利亚研究团队开发出PresentAgent，这是一个能将任何文档自动转换为专业演示视频的AI系统。该系统集成了文档解析、幻灯片设计、语音合成等功能，并创建了全新的多维度评价体系。实验显示，AI生成的演示视频在多项指标上接近人类专家水平，为教育、商业等领域的演示制作提供了高效解决方案。

这项由都柏林大学团队完成的研究提出了DriftMoE系统，通过神经网络路由器与增量专家的协同学习来处理数据流中的概念漂移问题。该方法在九个基准数据集上的表现与传统大型集成方法相当，但资源消耗显著更低，特别适合边缘计算等资源受限场景，为构建高效自适应的流数据学习系统提供了新思路。

OpenAI 在开发者大会上正式推出实时 API 的公测版，允许所有付费开发者在他们的应用程序中构建低延迟、多模态的体验。

当下，普通大众都可能面临"药品贵、看病难"问题。目前，在医疗领域广泛使用了HPC和人工智能技术，这都离不开强大的计算力支持。浪潮作为全球领先的计算力提供商，已经在医疗领域前行甚远。

浪潮信息，正手握“匠心”的魔法棒，在服务器的“方寸之间”，施展着“点石成金”的秘术。

斯坦福大学和英伟达研究院联合开发的"矫正点流"为点云姿态估计提供了全新解决方案，将成对配准和多部件组装统一为条件生成问题。该方法学习连续点流场，将点从随机噪声引导至目标位置，并通过自监督重叠预测增强几何理解。实验证明，矫正点流在六个基准测试中均超越现有技术，特别是在处理部件对称性和互换性方面表现出色。联合训练策略使单一模型能从不同数据集中学习共享几何先验，大幅提升性能。