近日，彭博私募投资策略闭门交流会系列活动（深圳场）圆满举办。我们特别邀请到来自 凯丰投 资、华安合鑫 的重磅嘉宾，与 彭博市场专家 共同聚焦 权益与固收市场、展望宏观经济与量化投研 前景 。让我们一起回顾现场精彩发言！ 开场致辞 彭博大湾区销售总监梁家宝发表开场致辞，并欢迎现场嘉宾的到来。在2025年的上半年，美国关税 政策、地缘政治博弈等因素频频引发市场避险情绪。在此背景下，中国市场凭借经济复苏与技术腾 飞彰显机遇之所在。 大湾区作为中国金融开放的前沿，私募基金正迎来前所未有的发展机遇——政策红利、资本聚集、跨 境创新缺一不可。彭博愿以全球数据优势与本地化洞察，与湾区私募机构携手创新，在不确定性中捕 捉alpha，抓住机遇。 展望全球宏观市场 从节节攀升，到升降难料，再到暂时"休战"，美国关税政策不断搅动全球宏观经济格局，冲击着增 长势头。对于中国经济而言，虽然客观上难免承压，但其结构性转型则指向破局之道。 短期来看，中美关税'休战'对市场情绪和产业链都是明显利好，这给了我们一个难得的稳定窗口期。 但长期影响能持续多久、多深，关键还要看后续协议细节，以及——更根本的——中国经济再平衡的 实际进展。我们正在经 ...

2025 年，AI 领域依旧是让人兴奋的一年。在这一年中，各大科技公司、机构发布了数不胜数的研究。 从年初的 DeepSeek，到最近的视频生成模型 Veo 3，我们见证了 AI 一轮又一轮的轰炸，AI 给我们带来了意想不 到的惊喜。 而更令人震撼的是，这样的惊喜几乎每隔几周、甚至几天就会出现一次。 模型刚刚上线还没用熟，下一个技术范式就已经在 arXiv 或 GitHub 上悄然登场。技术更新的节奏，快得让人几 乎来不及适应。 在这样一个跟不上就会掉队的时代，越来越多开发者、研究员、AI 从业者开始主动蹲顶会、刷论文、看分享， 只为第一时间捕捉前沿研究。 作为 NLP 领域最具影响力的会议之一，ACL 每年都吸引了广大学者参与。今年 ACL 总投稿数高达 8000 多篇， 创历史之最。今年 ACL 2025 将于 7 月 27 日 - 8 月 1 日在奥地利维也纳开幕。 作为一场为国内 AI 人才打造的盛会，本次论文分享会设置了 Keynote、论文分享、圆桌对话、Poster 交流及企 业展位交流等丰富环节。今天，论文分享会的全日程、Keynote 分享嘉宾及演讲主题正式公布，感兴趣的读者可 以继续扫描文 ...

在当今数字化浪潮中，企业面临着前所未有的转型压力与机遇。如何精准把握员工需求、优化管理策略 并提升整体运营效率，成为企业成功转型的关键。近期，一款名为DigitLangPro-企业数字化转型语言处 理平台的创新工具，凭借其先进的自然语言处理技术，为企业提供了全新的解决方案。 商业效能革新：DigitLangPro提升经济效能 在华机制造有限公司的实际应用中，DigitLangPro展现出了显著的经济应用价值。这个平台利用自然语 言处理技术，将员工反馈转化为量化数据，为管理层提供直观的决策依据，显著提升了决策的科学性和 准确性，同时减少了主观判断带来的风险。华机在引入DigitLangPro后，成功将项目实施周期缩短了 23%，直接节省了 14%的运营成本。综合转型指数的生成，为企业提供了一个量化的转型评估指标，管 理层可以根据这一指标实时监控转型进度，及时调整策略，加速数字化转型的进程。华机在应用 DigitLangPro后，其综合转型指数从64提升至81，表明其数字化转型取得了显著成效。 行业变革：DigitLangPro的深远影响 DigitLangPro的推出不仅为企业提供了高效的数字化转型工具，还在行 ...

Core Insights - The report titled "Global AI Research Landscape Report (2015-2024)" analyzes the evolution of AI research over the past decade, highlighting the competitive landscape between China and the United States in AI talent and publication output [2][7]. Group 1: AI Research Trends - The report identifies four distinct phases in AI research: initial phase (2015-2016), rapid development phase (2017-2019), maturity peak phase (2020-2023), and adjustment phase (2024) [4][5]. - The number of AI papers published globally increased significantly, with a peak of 17,074 papers in 2023, representing nearly a fourfold increase from 2015 [5][6]. - The year 2024 is expected to see a decline in publication volume to 14,786 papers, indicating a shift towards more specialized and application-oriented research [6]. Group 2: Talent Distribution - China has emerged as the second-largest hub for AI talent, with a total of 52,000 researchers by 2024, growing at a compound annual growth rate of 28.7% since 2015 [8]. - The United States leads with over 63,000 AI researchers, with significant contributions from institutions like Stanford and MIT, as well as tech giants like Google and Microsoft [8][9]. - Chinese institutions such as the Chinese Academy of Sciences, Tsinghua University, and Peking University are leading in terms of publication output and talent concentration [7][9]. Group 3: Institutional and Corporate Performance - The Chinese Academy of Sciences published 4,639 top-tier papers, while Tsinghua University and Peking University followed closely, showcasing China's institutional strength in AI research [7][9]. - In contrast, U.S. companies like Google, Microsoft, and Meta have a significantly higher average publication output compared to their Chinese counterparts, reflecting a disparity in research investment and output capabilities [9][10]. - The top three U.S. companies published 5,896 papers, which is 1.8 times the output of the top three Chinese companies [9][10]. Group 4: Gender Disparity in AI Talent - The report highlights a significant gender imbalance in AI research, with women making up only 9.3% of AI talent in China compared to 20.1% in the U.S. [12][13]. - Chinese institutions like Tsinghua University and Peking University have low female representation in AI, at 7.88% and 9.18% respectively, compared to 25%-30% in top U.S. institutions [12][13]. Group 5: Future Trends in AI Research - The report indicates that "deep learning" has been the dominant focus in AI research over the past decade, but its growth rate is expected to slow down, suggesting a need for new approaches [14][15]. - Emerging technologies such as "Transformers" are gaining traction, particularly in natural language processing and multimodal AI, indicating a shift in research focus [15]. - The integration of traditional AI fields with deep learning techniques is becoming more prevalent, reflecting a trend towards collaborative and interdisciplinary research [15].

余天予，清华大学计算机系一年级博士生，导师为清华大学自然语言处理实验室刘知远副教授。研究兴 趣主要包括高效多模态大模型、多模态大模型对齐和强化学习，在 CVPR、AAAI等人工智能领域的著 名国际会议和期刊发表多篇学术论文，谷歌学术引用1000余次。 Deepseek 的 R1、OpenAI 的 o1/o3 等推理模型的出色表现充分展现了 RLVR（Reinforcement Learning with Verifiable Reward，基于可验证奖励的强化学习）的巨大潜力。 然而，现有方法的应用范围局限于数学和代码等少数领域。面对自然语言固有的丰富多样性，依赖规则 验证器的方法难以拓展到通用领域上。 针对这一关键挑战，清华大学自然语言处理实验室提出了一项关键性技术 —— 基于参考概率奖励的强 化学习（Reinforcement Learning with Reference Probability Reward， RLPR ）。 这项技术通过 Prob-to-Reward 方法显著提高了概率奖励（Probability-based Reward, PR）的质 量，相比基于似然度的基线方法取得了明显更佳的性 ...

" 未来 5 到 10 年内，我们有 50% 的概率实现通用人工智能（AGI）。 " Google DeepMind CEO、 诺贝尔化学奖得主 Demis Hassabis 在本月初的一个采访中给出了惊人的预测。 AI 浪潮正以前所未有的速度加速进行中，在这条被追捧、被加速、甚至被神化 的 AGI 之路上，我们是否也踩过无数"看似正确却最终失败"的岔路？ 早在 2019 年，"强化学习之父"Richard Sutton 发表了著名的《The Bitter Lesson》（苦涩的教训）一文，他指出：过去 70 年，AI 研究最大的弯路 就是我们太依赖人类已有的知识与直觉，而历史一再表明，真正能带来突破的，反而是那些"摒弃人类经验、依靠计算规模"的方法。 在 Sutton 看来，算力与数据才是推动 AI 向前的根本引擎，而不是人类引以为傲的"智慧"本身。 这句话听起来也许刺耳，却道出了一个时代的真相——在这场智能革命中，许多我们曾深信不疑的"路径"与"经验"，正在变成新纪元的障碍。 这也正是我们本期《万有引力》直播对话的主题——「 通往 AGI 之路的苦涩教训」 。 6 月 27 日 12:00-14:00，C ...

[Table_Title] 证券研究报告 / 策略专题报告 股吧散户评论是股市的晴雨表吗？ 报告摘要： 随着互联网的发展和普及，越来越多的投资者尤其是散户会在股票网站 或行情软件的评论区发表自己对市场走势的看法和见解，这些观点可能 是股票信息的传递、投资策略的交流，也可能是包含了大量投资者主观 情绪的宣泄。股票相关评论甚至可能会影响部分投资者的交易决策。 [Table_Info1] 证券研究报告 情感分析作为自然语言处理中的一个重要的分支，可以为分析大量的文 本信息提供有效的研究手段。本文将东方财富网上证指数吧的投资者评 论文本信息作为研究的对象，通过观察和分析投资者评论中所透露出来 的信息来对散户评论的特征及其可能存在的与市场行情之间的关系进行 分析。 本文分别尝试了基于机器学习中的 BERT 模型的方法和基于情感词典的 方法来识别各条评论中所包含的投资者情感，并基于评论的情感标签对 散户投资者的评论行为及其价值进行分析。 我们把评论分为"看多评论"、"看空评论"和"中性评论"三类。整体 而言，看空的评论总体多于看多评论。这说明散户在市场行情较差的时 候尤其是发生亏损的时候更倾向于在上证指数吧发帖来发泄自己 ...

点击下方 卡片 ，关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近15个 方向 学习 路线 从事大模型方向的小伙伴有福利了！斯坦福大学 2025 年春季的 CS336 课程「从头开始创造语言模型（Language Models from Scratch）」相关课程和材料现已在网上全面发布！ 该课程教职工团队，阵容十分豪华~ 课程视频：https://www.youtube.com/watch? v=SQ3fZ1sAqXI&list=PLoROMvodv4rOY23Y0BoGoBGgQ1zmU_MT_ 课程主页：https://stanford-cs336.github.io/spring2025/ 讲师Tatsunori Hashimoto：现为斯坦福大学计算机科学系助理教授。其为斯坦福大学 John C. Duchi 和 Percy Liang 的博士后，研究机器学习模型平均性能和最差性能之间的权衡。此前在麻省理工学院攻读研究生，导师是 Tommi Jaakkola 和 David Gifford。本科就读于哈佛大学学习统计学和数学，导师是 Edoardo Airoldi。并且该讲 师的研究成果已 ...

2025 年已经过半，AI 领域依旧保持着高速发展的势头。从大模型的演化，到多模态系统的融合，再到推理能力与可解 释性的持续突破，AI 正以前所未有的节奏快速前进。 然而，AI 的发展速度之快，也让人几乎难以跟上节奏。新模型、新框架层出不穷，几乎每隔数周就有突破性进展刷新 人们的认知。 在这样的背景下，如何掌握最前沿的技术动态，已成为每一位 AI 从业者面临的共同挑战。仅靠零散的信息获取已远远 不够，系统地参与权威学术交流、深入学习最新研究成果、与顶尖研究者保持对话，正变得愈发重要。 学术会议，尤其是 ACL、NeurIPS、ICML、CVPR 等全球顶级会议，正是这些技术交汇的核心场域。无论是深入研讨 的论文，还是引发热议的前沿报告，都为我们提供了观察 AI 发展脉络的绝佳窗口。 作为 NLP 领域最具影响力的会议之一，ACL 每年都吸引了广大学者参与。今年 ACL 总投稿数高达 8000 多篇，创历 史之最。今年 ACL 2025 将于 7 月 27 日 - 8 月 1 日在奥地利维也纳开幕。 时间：北京时间 7 月 19 日 09:00-17:30 更多详细日程，敬请关注机器之心后续公告。 合作伙伴介绍 ...

生命的语言以 DNA、RNA 和蛋白质的形式编码，构成了生命的基石，但由于其复杂性，解读起来颇具挑战。传统的计算方法往往难以整合这些分子的信息，从而 限制了对生物系统的全面理解。 撰文丨王聪 编辑丨王多鱼 排版丨水成文 LucaOne 在 基于 169861 种物种的核酸和 蛋白质序列进行了预训练，通过大规模数据整合和半监督学习， LucaOne 展现出了对诸如 DNA 翻译为蛋白质等关 键生物学原理的理解 。利用少样本学习， 它能够有效地理解分子生物学的 中心法则 ，并在涉及 DNA、RNA 或蛋白质输入的任务中表现出色 。我们的研究结果 突显了统一基础模型在解决复杂生物学问题方面的潜力，为生物信息学研究提供了一个灵活的框架，并有助于更好地解读生命的复杂性。 自然语言处理 （NLP） 技术的进步，尤其是预训练模型的发展，为解读生命的语言带来了新的可能。想象一下，如果存在一种"翻译器"，能够像我们理解人类语 言一样，读懂构成生命的核心"语言"——DNA、RNA 和蛋白质序列中蕴含的复杂信息，那将会怎样？ 2025 年 6 月 18 日，阿里云智能飞天实验室 李兆融 、 贺勇 及中山大学 施莽 教授等，在 Na ...