南华理工大学等机构联合开发的DOUBLE-BENCH是首个面向真实场景的文档检索增强生成系统评估基准。该研究发现现有评估方法存在严重缺陷，无法准确反映系统真实能力。DOUBLE-BENCH包含3276个多语言多模态文档和5168个精心设计的问题，全面测试结果显示当前系统在检索准确率和多步推理方面仍有重大提升空间，并暴露了系统"过度自信"的问题。

龙蜥社区探索AI原生操作系统新路线，三大重磅计划推动生态共建。

第二届光合组织AI解决方案大赛上,锐思数智的RS Matrix 遥感影像智能解译联合解决方案,全方位展示了“遥感+AI”在自然资源调查监管等领域的应用前景,同时也进一步体现出国产技术生态的强大潜力,给出了一条技术应用突围的新路径。

根据IDC最新的全球半年度智慧城市支出指南报告，在2019年到2023年预测期内，亚太地区*将占到全球智慧城市计划支出的1/3，到2023年达到655亿美元。

机器翻译越来越好用，但外语学习还是不能停。

新兴的金融欺诈手段也层出不穷，并呈现产业化与组织化的态势，欺诈行为更具隐蔽性和蔓延性。巨大的欺诈风险已成为国内金融领域面临的最大挑战之一，全面提升反欺诈防控能力迫在眉睫。

未来，新华三集团也将持续进行服务创新和模式升级，打造更强大的技术服务集群，携手合作伙伴助力百行百业数字化转型，共赢数字经济未来。

6月26日，紫光股份旗下新华三集团服务合作伙伴运营能力答辩会首站在上海启幕，标志着2023年服务生态重磅活动“新华三服务合作伙伴运营能力跃升计划2.0”的正式启动。

蓬勃发展的数字化技术不断改写着现有格局，重构行业价值链，使中国新经济具有更强的全球竞争力。

Kunpeng Pro是一块面向开发者的鲲鹏开发板，具有鲲鹏主板的完整能力，内置openEuler开源操作系统、openGauss开源数据库和鲲鹏开发套件DevKit，外置丰富接口，易于扩展，帮助开发者更快速、便捷的进行各种实践和创新。

跨国数据基础设施公司Equinix正在使用人工智能来发现那些最有潜力推动新客户获取的合作伙伴，并对那些将产生最高预订价值的合作伙伴进行优先级排序——这一举措将证明数据的创收能力。

今年的“双11”“双12”给广大消费者最直观的感受是快递的提速。从早几年的下单苦苦等半个月,到今年的“预售极速达”, 背后离不开强大的计算力支撑。

香港中大团队开发出ScreenCoder系统，能够直接将网页设计图转换为完整的HTML/CSS代码。该系统采用三个专门AI助手协作的方式：识别专家负责检测界面元素，规划专家构建布局结构，代码生成专家输出最终代码。测试显示布局准确率达75.5%，显著超越现有方法。该技术不仅提高了网页开发效率，还能作为训练数据工厂改进其他AI模型，为设计到代码的自动化转换提供了新的解决方案。

未来中国基础设施技术将重点发展的四个领域是服务器、网络、存储和云（见图1）。这四项技术是中国企业建立内部基座的关键组成部分，基础设施和运营（I&O）领导者可以根据这四种软件产品制定投资计划。

这项研究提出了一种名为ConfiG的创新方法，通过生成针对性的数据增强样本来解决知识蒸馏中的协变量偏移问题。研究团队利用教师模型和学生模型之间的预测差异，引导扩散模型生成那些能挑战学生模型的样本，从而减少模型对训练数据中欺骗性特征的依赖。实验表明，该方法在CelebA、SpuCo Birds和Spurious ImageNet数据集上显著提升了模型在缺失组别上的性能，为资源受限环境下的AI应用提供了实用解决方案。

复旦大学团队开发的SIM-CoT方法突破了AI推理效率瓶颈，让机器学会在"脑海"中思考而非必须表达每个推理步骤。该方法通过巧妙的监督机制解决了隐式推理训练不稳定问题，在保持高效率的同时显著提升准确性，在GPT-2和LLaMA系列模型上均表现出色，为AI推理技术开辟新路径。

8月16日-17日，2022年可信AI峰会在北京举办。

南京大学团队开发的TextCrafter系统成功解决了AI图像生成中多文字准确渲染的技术难题。该系统采用三阶段策略：实例融合、区域隔离和文字聚焦，实现了73.7%的文字准确率，相比基础模型提升45%以上。同时创建了包含2000个复杂场景的CVTG-2K评测数据集，为该领域建立了新标准。作为无需训练的即插即用技术，TextCrafter在广告设计、内容创作等领域具有广阔应用前景。

斯坦福大学研究团队开发了MedCaseReasoning数据集，这是首个专门评估人工智能与临床医生诊断推理一致性的开源数据库。现有医疗AI评估标准仅检验诊断准确率，忽视了推理过程质量。该数据集包含14,489个诊断问答案例，每个都附有真实临床推理，涵盖800多种医学期刊。研究发现顶尖AI模型在医疗推理方面表现有限，如DeepSeek-R1的诊断准确率仅48%，推理召回率仅64%。

阿姆斯特丹大学与Salesforce合作开发的奖励引导推测解码（RSD）技术，通过让小模型处理简单任务、大模型解决复杂问题的智能分工，在保持推理准确率的同时大幅提升计算效率。该技术在数学推理等任务中表现出色，计算量最多可减少75%，为AI应用的普及和成本降低提供了重要技术支撑。