12月11日，2019中国（天津滨海）国际生态城市论坛暨2019数字经济创新峰会在滨海新区成功举办。大会主论坛共邀请了数十位产、学、研领导、专家和学者出席，吸引了超过400位国内外嘉宾参与，共同探讨了可持续发展愿景、数字经济理念、智慧城市规划等话题。

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。

南华科技大学等顶尖院校联合发布的对角蒸馏技术实现了AI视频生成的重大突破，通过"前重后轻"的智能资源分配策略，在保持高质量的同时将生成速度提升277倍。该技术能在2.61秒内生成5秒视频，达到每秒31帧的流畅效果，有效解决了长视频生成中的质量衰减问题，为视频制作、教育内容创作等领域的实用化应用铺平了道路。

UCLA计算机科学系研究团队提出的"自适应并行解码"(APD)方法，成功解决了扩散大语言模型面临的速度与质量权衡难题。该方法通过动态调整并行生成的词数，结合一个小型辅助自回归模型来评估生成质量，并引入KV缓存和掩码输入限制等优化措施，使扩散模型能在保持高质量输出的同时显著提升生成速度。实验表明，使用APD的Dream 7B模型不仅能达到每秒59个词的吞吐量（比基线提升近6倍），还在数学推理等任务上保持了接近原始水平的准确率，甚至超越了传统自回归模型的速度。

香港科技大学研究团队开发出突破性的混合辐射场技术，成功解决了3D渲染中内存占用过大的难题。该技术巧妙结合神经网络智能和3D高斯溅射效率，将模型大小减少20倍以上，同时保持高质量图像效果和实时渲染速度。通过双重神经网络分别处理几何和外观信息，配合创新的混合渲染流程，为虚拟现实、游戏开发等领域带来革命性改进。

这项港科大领导的研究提出了VideoGen-of-Thought框架，能够从一句话自动生成具有连贯故事情节的多镜头视频。该技术通过动态故事建模、身份感知传播和转换机制三大创新，解决了传统AI视频生成中故事缺乏逻辑、角色前后不一致、镜头转换生硬等核心问题，在角色一致性方面比现有技术提升20.4%，实现了从制作片段向创作完整作品的技术突破。

这篇研究论文《段级策略优化》提出了一种介于词元级和轨迹级之间的新型强化学习框架SPO，用于提升大语言模型的推理能力。研究者将生成序列划分为连续段落，并在段级粒度上估计优势，实现了更精确的信用分配和更准确的优势估计。SPO框架包含灵活段落划分、基于蒙特卡洛的段落优势估计和段落优势策略优化三个核心组件。研究团队基于此框架设计了SPO-chain和SPO-tree两个特定实例，分别针对短链思维和长链思维场景。

谷歌DeepMind研究团队提出Mind Evolution算法，让AI像生物进化一样通过多候选方案的相互学习和改进来解决复杂规划问题。该方法在旅行规划任务中成功率从传统的5.6%提升至95.6%，甚至可达100%。研究创新性地将进化算法引入自然语言推理，无需问题形式化，仅需评估函数即可自动优化解决方案，为AI推理开辟了全新范式。

本文详细探讨了 MCP（Model Context Protocol）的工作原理、部署方法与应用实践，通过 Claude Desktop 和 Open WebUI 将 AI 模型与外部数据、工具无缝连接，同时分析了安全性及扩展性挑战。

Menlo Research推出革命性AI模型Jan-nano，仅用4B参数就在SimpleQA测试中达到83.2%准确率，超越了6710亿参数的DeepSeek模型。该模型采用创新的"搜索优先"策略，通过多阶段RLVR训练系统，让AI学会高效使用工具而非死记硬背知识。研究发现大模型存在"过度思考"问题，反而影响性能。Jan-nano证明了在AI发展中，聪明的策略比单纯的规模扩张更重要，为资源受限的AI应用开发提供了新思路。

7月30日，Kyligence 在上海成功举办 Data & Cloud Summit 2021 行业峰会，本次峰会以"云 · 数据 · 智能"为主题，聚焦数据服务与管理领域的前沿趋势、领先技术及最佳实践。

这项研究对沙特数据与AI管理局开发的ALLaM-34B阿拉伯语大模型进行了全面的用户界面评测。研究团队使用23个测试提示，每个重复5次，收集115个回答样本，并用三个前沿AI模型作为评委进行多维度打分。结果显示ALLaM-34B在代码转换和创意生成方面表现优秀（均4.92分），现代标准阿拉伯语和知识问答能力强劲，安全防护可靠，但在方言处理上存在不均衡，为阿拉伯语AI发展提供了重要参考。

复旦大学团队提出Sparse-dLLM技术，通过智能缓存管理解决扩散大语言模型速度慢、内存消耗大的问题。该方法采用双向稀疏化策略和延迟更新机制，实现3-10倍速度提升，同时保持准确性和控制内存使用。技术具有即插即用特性，在多个AI测试中表现优异，为AI应用实用化开辟新途径。

新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展，涵盖超过200项代表性工作。研究将该领域归纳为四大方向：多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型，分析了从RLHF到可验证奖励范式的政策优化策略演进，并识别出样本效率、泛化能力和安全部署等关键挑战，为这一快速发展的交叉学科提供了完整的技术地图。

近日，在2023世界人工智能大会“智能财务论坛”上，财政部、上国会、艺赛旗、航天信息、德勤中国、浪潮、金蝶、民生银行、合肥工业大学等二十余家政产学研机构，共同成立了“智能财务开放生态联盟”，以构建开放、合作、共赢的智能财务生态体系。

印度理工学院团队推出EKA-EVAL评测框架，首次实现对AI大模型的全方位多语言评估。该框架整合35个评测任务，专门支持22种印度官方语言，涵盖推理、数学、工具使用等核心能力。相比现有英语中心的评测工具，EKA-EVAL填补了多语言AI评估的重要空白，为全球语言多样化地区的AI发展提供了标准化评测平台。

C2M在改变生产者的同时，也改变了生产关系。所以C2M在逐渐全球化的世界中给了我们一个再次创造的机会，因为它带来的既是一场价值链的重新布局，也是一场产业数字化的变革。

KCon 黑客大会，知道创宇出品，追求干货、有趣的黑客大会；中国网络安全圈最年轻、最具活力与影响力的前沿网络安全攻防技术交流平台。“汇聚全球黑客的智慧”是 KCon 黑客大会的一贯宗旨，我们痴迷于黑客技术研究、热衷交流分享！

小红书技术团队开发的VESPO算法创新性地解决了大语言模型训练中的策略陈旧性问题。该算法通过变分优化框架自动推导出最优的重要性权重调整策略，在序列层面直接处理而无需长度归一化，有效避免了传统方法的偏差问题。实验证明VESPO在面对64倍陈旧比例时依然保持稳定训练，显著优于现有方法，为大规模语言模型的稳定训练提供了新的技术路径。

微软研究院的研究团队近日发布了一项突破性成果——BitNet b1.58 2B4T，这是首个开源的、原生1比特大语言模型（LLM）。