2021年6月29日，由腾讯研究院与腾讯新闻共同搭建的“腾讯对话·Tencent Dialogue”【科技世界观】举行了第三期对谈。

日前，互联网域名系统国家地方联合工程研究中心（以下简称“ZDNS”）宣布完成亿元B轮融资，本轮融资由深创投领投，老股东盈富泰克等跟投。

当前，5G发展如火如荼，成为引领我国高质量发展的新引擎。5G要想进一步实现向千行百业拓展，离不开全频段的支持，推动5G毫米波发展成为各国共识。

这篇论文介绍了3DTown，一种从单一俯视图生成3D城镇场景的创新方法。研究团队结合区域化生成和空间感知3D修复技术，无需额外训练即可创建几何一致、布局协调的3D场景。通过将场景分解为重叠区域并使用预训练生成器处理每个区域，该方法显著优于现有技术，在几何质量、空间连贯性和纹理保真度方面表现突出，为游戏开发、虚拟现实和城市规划等领域提供了实用解决方案。

近日融合云服务商OneCloud(北京云联万维技术有限公司)再次宣布完成5000万元A轮融资。此轮融资由具备政府背景的贵阳创投领投，新股东北京冰青跟投，翊翎资本、真格基金等老股东也纷纷参与跟投。

MTS AI研究团队提出RewardRanker系统，通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型，在多种编程语言上表现优异，甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化，系统能从多个代码候选中选出最优方案，为AI编程助手的实用化奠定基础。

人机交互的新范式：曾经建好的App围墙，AI说拆就拆。

微软研究院等机构提出GMPO方法，通过几何平均替代算术平均处理强化学习中的词元级奖励，解决GRPO训练不稳定问题。该方法在数学推理任务上平均提升4.1%准确率，在多模态推理中提升1.4%，同时保持更稳定的重要性采样比率和更高的探索能力，为大语言模型训练提供了更可靠的优化策略。

消费氛围是如此浓烈，以至于和今年疫情大背景下大家对稳定性、安全感的诉求而开始相悖，“定金人”“尾款人”等等自嘲背后映射着人们无可纾解的冲动购买和还款压力。

嵌入式设备有个天生赋予的重点任务，就是要成为自动控制整体方案中的一员。早期市场对自动控制的需求主要集中在单纯的“机电控制”上，而具备智能计算的Jetson系列产品相对与几十元的这类控制板来说，成本是高出一个阶位。

无论是AI 1.0还是AI 2.0时代，数据毫无疑问一直都是非常重要的生产要素。尤其是在大模型时代，数据质量直接影响模型效果。对于入局大模型赛道的企业玩家来说，手握优质数据意味着绝对性优势。而明略，则将赛道锚定在了营销领域。

10 月 13 日，神策数据 2020 数据驱动用户大会在北京举行，大会以“数字化·正当潮”为主题，聚焦疫情之下国内各大企业转型线上的数字化“新风潮”，从行业角度展示企业数字化应用现状，分享大数据应用领域的实战真经。

新加坡国立大学等机构首次构建包含128万张图像的东南亚文化视觉数据集SEA-VL，解决AI系统文化认知偏见问题。研究采用人工众包、自动筛选、AI生成三种方法收集数据，发现自动筛选效率最高且质量可靠，而AI生成图像质量较差。该数据集覆盖东南亚全部11国文化元素，将为开发更公平包容的AI系统提供重要基础。

首尔大学研究团队开发出RALU技术，通过智能识别图像重要区域并优化计算资源分配，成功将AI图像生成速度提升3-7倍。该技术采用三阶段生成策略，重点处理边缘区域以避免失真，同时配备噪声重调度算法确保质量稳定。测试显示该技术在大幅加速的同时保持了高质量输出，且可与现有加速方法结合使用，为AI绘图工具的普及和实时应用提供了重要技术突破。

新加坡国家大学研究团队开发了MACT多智能体协作框架，通过四个专门化AI智能体的分工合作，在文档理解和问答任务上超越了许多大规模单体模型。该系统创新性地采用独立判断智能体进行质量控制，结合混合奖励机制和个性化测试时扩展策略，在15个基准测试中的13个获得最佳表现，为AI协作系统设计提供了新思路。

近十年，Google在可穿戴设备上的押宝一直眼光毒辣，这次它又把希望寄托在智能手表身上。

伊利诺伊大学研究团队开发的Search-R1系统让AI学会了像人类一样边思考边搜索的能力。通过强化学习，AI能够主动决定何时搜索外部信息、如何整合搜索结果进行推理。该系统在七个问答数据集上平均提升20-24%的准确率，代表了从封闭知识系统向开放学习系统的重要转变，为构建更智能的AI助手奠定了基础。

1988年上海电视台和杭州电视台联合出品的《济公》续集里，有这么一个故事：为破案，济公收了县令做三天徒弟，路上遇到一家人办丧事，济公进去哭丧，情真意切、声泪俱下，引得主人感动异常，当即施舍了一桌菜肴。

希伯来大学与Meta联合研究对比了文本生成音乐领域的两大主流技术：自回归（AR）与流匹配（FM）。研究在相同条件下训练模型，全面测试音质、控制精度、编辑能力、运算效率等方面。结果显示AR在音质和精确控制方面略胜一筹，FM在音乐编辑和资源效率方面表现更佳。这为AI音乐生成技术选择提供了重要指导。

对于众多科技企业来说，跨越AI使能行业的鸿沟，是对其战略规划、基础研究和行业积累的综合考验。