5月17日下午,第三届世界智能大会城市云与城市智能发展峰会在天津梅江会展中心举办。此次峰会在天津市工业和信息化局指导、天津市滨海新区人民政府支持下,由至顶网承办。峰会上,波兰罗兹市副市长克里斯多夫·皮亚科斯基在峰会上致辞。国家发展和改革委员会原副主任,第十二届全国人大常委、财经委员会副主任,中国经济体制改革研究会会长彭森、中国工程院院士吾守尔·斯拉木发表了基于城市发展的主旨演讲。
随着中国城市化的加速发展,城市发展面临的机遇和挑战并存。同时随着云计算和人工智能等技术应用的纵深发展,其作为基础性技术资源的地位日益凸显,通过智能创新来实现城市的转型升级成为趋势。
此次峰会基于“智能创新 加速城市转型升级”为主题。致力于为新型的、可持续的智慧城市构建提供一个分享平台,希望通过云计算、大数据、人工智能等创新技术和应用结合城市发展过程中的数据安全、隐私保护、流通管控、共享开放等业界关注的问题,与专家学者一起共同探讨和深度思考,来加速推进智慧城市建设,统筹城市发展的物质资源、信息资源和智力资源利用。
本次峰会,围绕城市云与城市智能发展环境、技术趋势、热点应用等话题,通过国内外专家介绍新技术对于智慧城市发展的驱动力,分析产业发展方向,领军企业代表分享具体实践经验,深入交流产业建设发展现状、问题,及未来发展思路。
此次峰会包括紫光云公司总裁CEO吴健、西部数据全球高级副总裁Steven Craig、阿里巴巴集团副总裁刘松、乂学教育-松鼠AI智适应教育联合创始人兼CEO周伟、福特智能出行有限责任公司亚太总裁杨瀚生、麦肯锡全球研究院中国副院长成政珉、曙光云计算集团副总裁孙会首以及国美智能CTO李一冰等领军企业共同探讨以互联网、通信网络、云计算、大数据、人工智能等技术,通过助力包括天津在内的所有城市进一步推动在社会治理、民生服务、城市管理,实现新一代信息技术创新与城市转型升级的深度融合,最终实现智慧城市的转型升级。
好文章,需要你的鼓励
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。
VidText是一个全新的视频文本理解基准,解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容,提出三层评估框架(视频级、片段级、实例级),并配对感知与推理任务。对18个先进多模态模型的测试显示,即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分,远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响,为未来视频文本理解研究提供了方向。
ZeroGUI是一项突破性研究,实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发,这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈,使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略,ZeroGUI显著提升了代理性能,在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖,为GUI代理技术的大规模应用铺平了道路。