言归正传，今天就给大家分享一下AI应用行业月度报告。QuestMobile数据显示，过去几个月里，在大模型能力没有出现“代际跃迁”的情况下，AI应用持续深入垂直探索
想象这样一个场景：你是一位生物学家，手握基因表达数据，直觉告诉你某些基因之间存在调控关系，但如何科学地验证这种关系？你听说过 "因果发现" 这个词，但对于具体算法如 PC、GES 就连名字都非常陌生。
相对于文字，图像信息更能直观地传达复杂的信息和概念，其最大的优势是直观、高效、精准。作为一名数据分析师，画图是我工作中必不可少的一部分。无论是汇报时的ppt展示图、还是做计划时的流程图、亦或是小组讨论时的思维导图……我们无时无刻都在跟图表打交道，也通过图表来完善我们的工作。
“未来团队”由AI工程师组成参与日本参议院选举，应用AI、区块链等技术管理资金、分析民意和政策模型，变革传统政治方式，推动数据驱动的新范式，同时获政府AI战略呼应。
Agent 产品正发布得火热，但要说到真正懂企业、懂决策的 Agent 还不算常有。其背后，还有大量企业积累的业务数据，在等待被高效利用起来。数据 Agent 会成为一个好解法吗？
当前，AI正以前所未有的速度席卷全球，医疗是这波浪潮中最耀眼的明星。 被誉为“女版巴菲特”的Cathie Wood（木头姐）发布的报告中提到，医疗保健是AI最被低估的应用领域，引发市场的强烈讨论，海内外AI医疗股暴涨。
vivo AI研究院联合港中文以及上交团队为了攻克这些难题，从训练数据和模型结构两方面，系统性地分析了如何在MLLM训练中维持纯语言能力，并基于此提出了GenieBlue——专为移动端手机NPU设计的高效MLLM结构方案。
近年来，基于智能体的强化学习（Agent + RL）与智能体优化（Agent Optimization）在学术界引发了广泛关注。然而，实现具备工具调用能力的端到端智能体训练，首要瓶颈在于高质量任务数据的极度稀缺。
大语言模型（LLM）以生成能力强而著称，但如何能让它「听话」，是一门很深的学问。 基于人类反馈的强化学习（RLHF）就是用来解决这个问题的，其中的奖励模型 （Reward Model, RM）扮演着重要的裁判作用，它专门负责给 LLM 生成的内容打分，告诉模型什么是好，什么是不好，可以保证大模型的「三观」正确。
欧洲科技巨头的CEO最新表示，欧洲在人工智能领域展开竞争时并不需要大量建立数据中心，这一说法与上月黄仁勋访欧时提出的说法相悖。当地时间周四（7月3日），德国思爱普公司（SAP）首席执行官柯睿安（Christian Klein）在接受采访时说道：“我们真的需要建五个数据中心再把高性能芯片放进去吗？”
