Alita是一种新型通用AI代理系统，采用极简设计理念，以"最小预定义，最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita，只配备一个核心能力和少量通用模块，能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示，Alita在GAIA基准测试上达到87.27%的通过率，超越包括OpenAI Deep Research在内的复杂系统，证明简约设计可带来卓越性能。

在AIGC时代，新华三希望带来全新的想法、产品与解决方案：一是聚焦“算力×联接”，充分发挥自身在算力和联接领域，特别是在片间互联和集群互联等方面的核心优势，激发乘数效应，最大限度释放智算资源价值，让算力更澎湃；二是深化“AI in ALL”，持续强化全系列产品的智原生能力，实现全栈软硬件产品、解决方案内嵌AI，打造更便捷高效的客户交互体验，让算力更智能。

清华、浙大等高校联合研发MergeVQ框架，首次实现单一AI模型同时精通图像理解与生成。通过创新的信息分层处理和Token合并技术，该系统用传统方法五分之一的计算资源达到更优性能，在ImageNet测试中展现突出效果。这一突破为AI视觉技术的高效化和普及化开辟新路径，有望推动智能相册、内容创作、电商推荐等多领域应用发展。

想象一下，你有一位非常聪明的朋友，他知识渊博但有个明显的缺点——他所知道的一切都是两年前学到的。当你询问最近发生的事情或最新的研究成果时，他只能提供过时的信息，甚至有时会自信满满地"编造"答案。这位朋友就像现在的大型语言模型（LLM）——虽然在训练过程中学习了海量知识，但一旦训练结束，它们的知识就固定下来了，无法获取新信息。

依托于数据中台、知识中台和智能中台能力，百度IPA将真正实现IPA机器人数字员工化的愿景，降低人力员工在日常重复性工作上的压力。在前端，这将表现为更优质、更自然、更有温度的服务体验——对金融机构来说，这就是核心竞争力所在。

这篇研究综述探讨了大语言模型(LLMs)与知识图谱(KGs)在问答系统中的结合方式。研究者提出新的分类法，根据问答类型和KG角色将方法分为：KG作为背景知识、推理指南或验证器。文章系统性分析了各种复杂问答类型(多文档、多模态、多跳、会话式、可解释和时间问答)的挑战，及其解决方案。尽管LLM与KG结合能有效解决推理能力有限、知识过时和幻觉等问题，但仍面临效率与效果平衡、知识动态更新和公平性等挑战。未来研究应关注开发能高效整合最新知识的框架，以及提升推理、解释和公平性的方法。

若要探寻真正能够治愈帕金森病的有效方法，就必须广泛收集并深入分析大量不同类型的数据信息，同时借助对大脑更为深入、细致的认知理解，从而推动新型治疗方式的研发。

光储未来┃通往“零碳时代”的列车已经出发！

这项研究展示了如何将传统图书馆的珍贵藏品转化为现代人工智能训练的高质量资源。哈佛团队不仅创建了一个包含2420亿文字标记的大型数据集，更重要的是建立了一套完整的数据处理、质量控制和版权管理体系。他们的工作证明了学术机构在人工智能时代的独特价值，展示了如何在保持学术严谨性的同时推动技术创新。这种将历史文献与现代技术相结合的做法，为解决当前人工智能训练数据稀缺和质量参差不齐的问题提供了一个优秀的解决方案，同时也为其他知识机构开展类似工作树立了标杆。

海泰科打造大型精密汽车注塑模具智能工厂，实现智能制造

这项由加州大学圣克鲁兹分校和eBay联合完成的研究首次揭示了先进AI模型的"睁眼瞎"问题：它们虽然具备强大的感知和推理能力，却无法识别表面合理实际有缺陷的指令。研究发现，即使是最先进的AI系统，在面对物体缺失、指代模糊、事实矛盾和目标不可行等隐性问题时，正确识别率不到40%。更令人意外的是，这些AI系统其实内心已经察觉到问题，但因过度训练的服从性而不敢表达。当被允许提出澄清性问题时，它们的表现瞬间飙升至94%以上，表明简单的交互设计改进就能大幅提升AI系统的可靠性。

腾讯将打造“智能化”与“全球化”两大效率引擎，助力企业稳健和可持续增长。

提到无人商店，你可能下一秒会想到 Amazon Go，进店即拿即走的模式，掀起了新一轮电商零售风潮，你可能惊吓于这种效率，但这只是亚马逊创新布局的“冰山一角”。

希腊雅典理工大学团队开发CultureMERT-95M多文化音乐AI模型，通过两阶段持续预训练和任务算术方法，让AI系统学会理解希腊、土耳其、印度等非西方音乐传统。该模型在非西方音乐分类任务上提升4.9%准确率，同时保持西方音乐理解能力，为构建更包容的全球音乐AI系统奠定基础。

华南理工大学研究团队开发出Grounded-VideoDiT系统，突破了AI长视频理解的关键技术瓶颈。该系统通过扩散时间潜在编码器、实体感知分割跟踪和混合标记策略三大创新，让AI具备了精确的时间定位、物体跟踪和多模态推理能力。在多项测试中表现优异，为教育、安防、医疗、体育分析等领域的视频应用开辟了广阔前景。

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。

2018年6月27日，讯众股份旗下全资子公司云讯科技，面向国内市场发布“云讯云雀”智能语音机器人软件。该软件的最大特色是，让企业真正实现低成本高效率获客。

东京科学技术大学团队通过大规模实验发现，专家混合模型在处理推理任务时存在"专家过多反而有害"的现象。研究显示，对于记忆性任务，专家数量越多性能越好；但对于数学推理等需要深度思考的任务，存在最优专家数量，超过这个临界点性能会下降。该发现为AI系统架构设计提供了重要指导，揭示了"少而精"策略在某些场景下优于"多而全"的传统观念。

华为中国政企业务总裁吴辉在会上发表了题为《为行业找技术，深入场景创造价值》的主题演讲，重点分享了华为基于多年的探索和实践总结出的行业数字化转型的方法论和企业转型成功秘诀。