大模型作为新质生产力的技术底座，必将加快产业升级、业态创新。未来，浪潮云将继续携手生态伙伴，深挖数据要素价值，推进海若大模型在各行业的快速落地，为新质生产力的发展添砖加瓦，为数字中国、数字经济、数字社会的建设贡献力量。

财报显示，2019年搜狗公司全年营业收入超80亿元人民币，创历史新高，非美国通用会计准则下，归属搜狗公司净利润超7.3亿元人民币。

加州大学欧文分校计算机科学家Peter Burke展示了机器人如何通过生成式AI模型和硬件自主编程大脑。该项目中，AI模型被提示编写代码，创建实时无人机地面控制系统，运行在搭载树莓派的无人机上。整个过程耗时2.5周，生成1万行代码，效率比传统开发提升20倍。研究发现当前AI模型处理超过1万行代码时准确性显著下降。专家认为这标志着空间智能和自主捕获技术的重大进步。

行者AI利用亚马逊云服务（AWS）旗下的全托管机器学习服务Amazon SageMaker开发的游戏内容过滤服务，对不恰当内容的识别率超过96%，大大高于同类产品的水平，上线短短三个月内，已经获得了几十家游戏客户青睐，服务于三国群英传、多多自走棋等多款游戏。

AI数据平台iMerit认为企业级AI工具集成的下一步不是更多数据，而是更好的数据。该公司正式推出学者计划，旨在建立专家团队来微调生成式AI模型。与Scale AI的高吞吐量方法不同，iMerit专注于专家主导的高质量数据标注，需要深度人工判断和领域专业监督。公司目前与超过4000名学者合作，客户包括三家大型生成式AI公司、八家顶级自动驾驶公司等。

：5月29日消息，全国科技工作者日来临之际，一个特别的藏品入选中国科技馆“2020数字馆藏”——阿里巴巴达摩院AI识别标注的第一张新冠肺炎CT影像。达摩院AI作为科技抗疫的历史见证，被写入中国科技发展史。

OPPO AI团队首次系统性研究了大语言模型智能体的效率优化问题，提出了高效智能体框架。通过对基础模型选择、规划复杂度、工具配置和记忆机制的深入分析，他们在GAIA基准测试中实现了96.7%性能保持的同时，运营成本降低28.4%。研究发现简单设计往往更有效，为智能体系统的实用化部署提供了重要指导。

SEALQA是维吉尼亚理工大学研究团队开发的新型基准测试，旨在评估搜索增强型语言模型在面对矛盾、嘈杂或无用搜索结果时的推理能力。它包含三种测试：SEAL-0（极具挑战性的核心问题集）、SEAL-HARD（更广泛的困难问题集）和LONGSEAL（测试长上下文多文档推理）。研究发现，即使是前沿模型在这些测试中表现也很差，增加测试时计算资源往往不能带来可靠的性能提升，高级推理模型对嘈杂搜索结果特别敏感，模型在识别大量干扰文档中的相关信息时仍然困难重重。

3月9日，搜狗公布了2019年第四季度及全年未经审计的财务报告。财报显示，2019年搜狗公司全年营业收入超80亿元人民币，创历史新高，增速领先行业水平，非美国通用会计准则下，归属搜狗公司净利润超7.3亿元人民币。

亚马逊和圣母大学研究团队提出动态奖励权重调整方法，解决了大语言模型多目标训练中的固定权重局限性。该方法包括超体积引导和梯度优化两种策略，能根据不同目标的学习进度自动调整训练重点。在数学推理任务测试中，新方法在准确性、简洁性和清晰度三个指标上全面超越传统方法，同时提升了训练效率。这为AI训练从静态策略向自适应优化的转变提供了重要突破。

斯坦福大学等机构研究发现，即使是最先进的AI推理模型在数学不等式证明中也存在严重缺陷。虽然这些模型能在65%的情况下给出正确答案，但推理过程的整体正确率仅为10%。研究通过新开发的IneqMath数据集和AI评判系统，揭示了当前AI在严密逻辑推理方面的根本性挑战，为AI数学推理能力的评估和改进提供了重要参考。

浙江大学ReLER实验室研究团队提出了SEED-GRPO，一种基于语义熵的不确定性感知策略优化方法，用于改进大型语言模型的训练。该方法通过计算模型对不同问题回答的语义多样性，来识别模型的不确定性程度，并据此动态调整学习力度。在五个数学推理基准测试上，SEED-GRPO取得了显著的性能提升，平均准确率达58.2%，在AIME24基准上更是达到56.7%，超越了许多参数量更大的模型，展示了不确定性感知学习在人工智能训练中的巨大潜力。

这项由东京大学、京都Rist公司和Sakana AI合作完成的研究提出了一种创新的AI数学推理训练方法。通过将监督学习和强化学习巧妙结合，先用长期监督学习提高准确率，再用强化学习优化效率，成功实现了"又准又快"的目标。该方法在权威的AI数学奥林匹克竞赛中获得第8名，并承诺完全开源。

电力是关系国计民生的重要行业之一，涵盖了发电、输电、变电、配电和用电等多个环节，随着高压、大容量、长距离输电等工程的发展，电力系统的复杂性越来越高。

中山大学团队针对OpenAI O1等长思考推理模型存在的"长度不和谐"问题，提出了O1-Pruner优化方法。该方法通过长度-和谐奖励机制和强化学习训练，成功将模型推理长度缩短30-40%，同时保持甚至提升准确率，显著降低了推理时间和计算成本，为高效AI推理提供了新的解决方案。

发挥中国移动云和算力网络优势，激发数据要素潜能，基于云原生存储计算底座，围绕10亿移动用户位置信令、画像等基础数据，融合政务、文旅、商业等外部数据，实现统一接入、统一管理、统一分析、统一发布，构建“时-空-人”一体化的时空大数据平台能力，打造面向多场景的行业应用。

保险行业的实质就是一种数据业务。凭借强大的业务量队伍以及作为业务基石的发病率/死亡率数据，保险公司的产品始终以大规模数据存储库的开发和分析为前提，根据用户群体的寿命和健康状况预期提供财务保护。

加州大学圣地亚哥分校研究团队创建了首个"野生"乐谱理解AI测试平台WildScore，通过807个来自Reddit音乐社区的真实问题，系统评估了多模态AI模型的乐谱解读能力。测试结果显示，即使最先进的GPT-4.1模型准确率也仅为68%，在节拍识别等方面表现尤其困难。研究揭示了AI在专业符号系统理解方面的局限性。

蚂蚁区块链科技（上海）有限公司（以下简称蚂蚁数科）围绕数据要素为核心，融合隐私计算、区块链、大数据、可验证计算等技术推出隐私协作平台（简称FAIR平台），实现面向数据开放与数据基建的隐私增强型数据计算枢纽，并在监管、营销、风控、民生等多个垂直领域的落地使用，推动了隐私安全、可信的数据共享及价值流转。

谷歌DeepMind和伦敦大学学院研究发现，大语言模型在面对反驳时会迅速失去信心并改变答案，即使反驳是错误的。研究显示LLM既会对自己的答案过度自信，又对批评异常敏感，表现出与人类相似但又独特的认知偏差。这种行为对多轮对话AI系统构成威胁，最新信息可能对LLM推理产生不成比例的影响。