业内知名专家、用户，以及中科可控、联想、同方、新华三等整机厂商及众多合作伙伴出席了会议，围绕产业链协同创新与生态共建展开探讨。

我们生活在一个AI能力有望超越人类大脑的时代下。

在CyberRatings.org进行的第三方评估中，瞻博网络Connected Security以99.94％的行业安全有效性最高得分脱颖而出

罗切斯特理工学院和美国陆军研究实验室的研究团队开发了一种突破性的无源域适应方法，通过混搭拼图增强技术和置信度-边界加权策略，使AI模型能在没有原始训练数据的情况下适应新环境。该方法在三个主要基准数据集上取得显著成果，特别是在PACS数据集上准确率提升了7.3%，为AI系统在隐私保护、安全限制等现实场景中的应用提供了新解决方案。

华盛顿大学联合微软研究团队发现，AI仅用一道数学题训练就能将推理能力从36%提升至74%，颠覆了传统"海量数据才能训练强AI"的观念。这种"单例强化学习"方法在多种模型上都显示出惊人效果，揭示了AI内在推理潜力的激发机制，为低成本训练高性能AI系统开辟了新路径。

今日，Graphcore（拟未）在Wave Summit 2022深度学习开发者峰会上正式宣布加入硬件生态共创计划。

这项新加坡国立大学的研究开发了"Thinkless"框架，解决了大语言模型在推理时的效率问题。研究者通过引入两种控制标记和创新的解耦式相对策略优化算法，使模型能够智能地决定何时使用详细推理、何时直接给出简洁答案，就像人类面对不同难度问题时会灵活调整思考深度一样。实验结果表明，这种方法能减少50%-90%的详细推理使用，显著提高效率同时保持准确度，为构建更智能、更高效的AI系统铺平了道路。

本论坛就F5G如何重塑中小企业网络进行诠释并对MiniFTTO小全光和F5G全光矿山等方案、伙伴激励计划进行深入解读。

在大数据不断在追求计算效率和成本优化的背景下，阿里云云原生大数据计算服务 MaxCompute宣布推出按量付费闲时版

开通MaxCompute按量付费闲时版，意味着用户可以使用MaxCompute闲时计算资源（os_SpotQuota），它是一种共享型按量付费计算资源

中国人民大学研究团队提出LoFT方法，通过参数高效微调基础模型解决长尾半监督学习中的数据不平衡问题。该方法利用预训练模型的良好校准特性改进伪标签质量，并扩展出LoFT-OW版本处理开放世界场景。实验显示，仅使用传统方法1%的数据量就能取得更优性能，为AI公平性和实用性提供了新的解决方案。

Oracle于周四宣布收购网络安全公司Zenedge。这起交易的财务条款没有被披露。

南开大学团队开发出TempSamp-R1视频理解系统，采用混合学习策略结合自主探索和专家指导，让AI能够像人类一样精准定位视频中的关键时刻。该系统在多个数据集上取得显著性能提升，准确率达到52.9%-56.0%，为视频搜索、教育、安防等领域提供了重要技术支撑，标志着视频人工智能理解能力的重大突破。

根据德勤最新调查，虽然企业对生成式 AI 的投入持续增加，但实际收益低于预期。尽管如此，大多数企业仍对其前景保持乐观。监管合规成为主要障碍，IT 部门在应用中表现最佳。CIO 有机会在这一领域发挥领导作用，但需要管理成本并平衡各方期望。

现在，已全面上市的全新AWS P4d实例采用最新NVIDIA A100 Tensor Core GPU，开启了加速计算的下一个十年。

香港浸会大学团队开发了HumbleBench，这是目前最大的AI幻觉评估基准，包含22,831个测试题，专门评估多模态大语言模型的"认知谦逊"能力。与传统只测试选择正确答案的基准不同，HumbleBench的每个问题都包含"以上都不对"选项，测试AI能否在不确定时诚实承认无知。研究发现即使最先进的AI模型表现也不理想，最好的模型准确率仅73%，在极端测试中甚至接近0%，揭示了当前AI系统"不懂装懂"的严重问题。

微软推出名为Project Ire的人工智能代理，能够大规模自动分析和分类恶意软件。该AI模型可对可疑软件文件进行逆向工程，使用反编译器等取证工具分析代码以判断文件安全性。在公共数据集测试中，准确率达98%，召回率为83%。在涉及4000个"高难度目标"文件的实际测试中，准确率为89%，误报率仅4%。Project Ire将集成到Defender平台中，用于威胁检测和软件分类。

对Arm来说，2022年堪称艰难的一年。这家英国芯片设计商先是因传出可能被英伟达收购的消息而财务不振，随后又因监管机构的审查令交易胎死腹中。之后，Arm在制定IPO计划时决定裁撤员工，而当前的市场形势明显并不利于上市融资。

这项研究展示了如何通过在经济问题上进行后训练，让大语言模型像经济学家一样思考，从而实现战略性泛化能力。研究团队开发了名为Recon的7B参数开源模型，通过在2,100个高质量经济推理问题上进行监督微调和强化学习，不仅提升了模型在经济基准测试上的表现，更重要的是让模型在从未直接训练过的多智能体博弈中展现出合理的战略行为。结果表明，领域对齐的后训练可以作为智能体对齐的可扩展路径，通过结构化推理问题培养出更广泛适用的理性决策能力。

生成式AI(AIGC)无疑是当下最热门的话题和应用，各家软硬件厂商都在全力投入。