阿里云研究团队提出PVPO算法，通过引入"静态价值估计"作为稳定参考标准，解决传统强化学习方法在AI推理训练中效率低下的问题。该方法像给机器配备经验丰富的导师，结合群组采样策略筛选高质量训练数据，在多个测试集上实现显著性能提升：7B模型准确率提高3.6倍，训练效率提升一倍，计算成本仅为传统方法40%，为大语言模型的高效训练提供了新的技术路径。

Zoom研究团队发现了让AI"写少想快"的新方法——思维草稿法，通过模仿人类简洁思考方式，让AI只记录关键信息而非详细解释。实验显示这种方法在保持90%以上准确率的同时，只需使用传统方法7.6%的文字量，大幅提升处理速度并降低成本，为AI应用的普及和可持续发展开辟了新路径。

牛津大学研究发现，尽管大语言模型在医学考试中表现出色，但在实际应用中效果大打折扣。研究显示，LLM直接测试时能94.9%准确识别病症，但人类使用LLM诊断时准确率仅34.5%，甚至低于不使用AI的对照组。问题源于用户提供信息不完整、LLM理解偏差等人机交互问题。专家指出，仅凭非交互式基准测试评估LLM存在误导性，需要真实的人机交互测试才能准确评估AI系统的实际性能。

在今天的智能录音笔新品发布会上，科大讯飞正式对外发布了两款智能录音笔产品，可以满足“打工人”和求学者的各种不同需求。

2021年6月3日，上海音智达信息技术有限公司（简称音智达）CEO孙晓臻日前表示，通过与亚马逊云科技紧密合作，打造以机器学习为核心、帮助客户实现数据智能的能力，音智达能够更好地满足客户挖掘海量数据价值的迫切需求，持续获得竞争优势。

这篇研究介绍了一种新型"逆效能驱动多模态融合"（IEMF）技术，灵感来自大脑处理多感官信息的方式。当单一感觉信号较弱时，大脑会增强多感官整合效果；信号强时则降低融合依赖。中国科学院研究团队将这一机制应用于AI系统，使其能够动态调整多模态信息融合强度，不仅提高了模型在视听分类、持续学习和问答任务上的性能，还将计算成本最高降低了50%。这种方法在不同网络架构中都表现出色，为构建更高效、更接近人类感知方式的人工智能系统开辟了新途径。

INFLY TECH、复旦大学和格里菲斯大学联合研究发现，大语言模型强化学习训练中存在"多样性崩塌"现象：模型单次准确率提升但多次尝试成功率下降。研究团队提出DPH-RL框架，通过改用正向KL散度等"质量覆盖"散度方法，成功解决了这一问题，同时避免了灾难性遗忘，为构建更通用的AI推理模型提供了新路径。

人工智能机器视觉技术在质检领域的应用，为工业流水线带来了精准度高、速度快、稳定性高、信息集成与留存等明显的优势，帮助企业可以更好地进行质量和成本控制。而且现在的机器视觉已经不仅仅在工厂端，其已经成为一个云端融合的系统，持续地推动工业的升级。

英特尔正式推出了首套开源AI参考套件，旨在让企业能够在本地、云端和边缘环境中都更易于部署AI。

今天“数据”的概念已远超过去的范畴，“数据库”的概念也已经不同往日。AI让数据的多模融合变得更为重要，这正是甲骨文持续强调融合数据库在AI时代至关重要的原因。

蚂蚁集团AWorld团队发表突破性研究，创建动态多智能体协作系统解决AI稳定性难题。研究灵感来源于船舶导航，通过执行智能体和守护智能体的协作机制，在GAIA测试中准确率达67.89%，稳定性提升17.3%，荣登开源项目排行榜第一名。该系统为构建可靠智能系统开辟新路径，具有广阔应用前景。

英伟达计划深入推进企业计算业务，后续将每两年为CPU和数据处理单元（DPU，又称SmartNIC）引入新的GPU架构。

乘借数字化东风，医药行业呈现出一片欣欣向荣之景。作为一家高新技术企业，北京英克康健科技有限公司，创新研发的产品已覆盖医药行业各领域，满足各种规模医药企业的管理要求，是中国医药行业管理软件市场的领跑者。

卡耐基梅隆大学等机构联合发布CameraBench，这是首个专门评测AI理解视频摄像头运动的大规模数据集。研究团队与专业电影摄影师合作，标注了约3000个多样化视频，建立了精确的摄像头运动分类体系。测试发现现有AI模型在理解推拉镜头、跟踪拍摄等运动类型方面准确率仅约50%，但通过专门训练可提升1-2倍，为视频理解和AI电影制作技术发展奠定重要基础。

昇腾智造解决方案是基于昇腾AI基础软硬件平台面向工业制造企业打造的一站式AI使能解决方案，主要应用于质量检测、测量定位、设备看护、厂区安全等生产和运营管理场景，助力企业的数字化和智能化转型。

前一段时间全球芯片荒闹得沸沸扬扬，美国、日本占据了半导体产业链第一梯队，其实欧洲有一个国家在芯片制造领域也拥有很高的话语权，那就是风车之国荷兰。

云从科技在此次峰会上展出了针对保险行业的重点解决方案,立足AI优势,结合大数据分析技术,帮助保险机构重塑关键职能和流程,实现智能化转型升级。

上海人工智能实验室等机构联合发布的最新研究，开发出能够像人类专家一样"阅读"化学分子图像的AI系统GTR-Mol-VLM。该系统采用模仿人类思维的"图遍历视觉思维链"方法，在处理含缩写的复杂分子图像时准确率达84.50%，比现有最佳方法高出约14个百分点，为药物研发和材料科学等领域的数字化转型提供了重要技术支撑。

这篇研究介绍了PISCES——一种能精确从大语言模型参数中移除特定概念知识的创新技术。与现有方法不同，PISCES通过解缠器模型识别概念相关特征，直接编辑模型参数，实现了更精准的知识移除。在Gemma和Llama模型上的测试表明，该方法不仅有效降低了目标概念的准确率（低至7.7%），还保持了模型在无关领域的高性能，并显著提高了对"重新学习"的抵抗力。这一突破为AI系统的安全部署和合规使用提供了新的可能性。

这项由华盛顿大学和微软联合开发的OMNIGUARD研究，提出了一种高效的AI安全检测方法，能够跨越语言和模态（文本、图像、音频）识别有害内容。该方法通过发现大型语言模型内部的通用表示，构建轻量级分类器，比现有方法准确率高出11.57%-20.44%，同时速度提升约120倍。OMNIGUARD在73种语言和多种模态攻击测试中表现出色，展示了极高的数据效率和适应性，为AI系统安全防护提供了重要突破。