
由长城会主办的2014年GMIC全球移动互联网大会北京站即将于5月5-6日在京举行。下午,金山集团CEO张宏江、CMGE中国手游娱乐集团CEO肖健、完美世界CEO萧泓作为各自企业的代表,正式与长城会签订GMIC大会的顶级赞助商合作协议。据透露,从报名情况看,GMIC北京2014将吸引来自全球的300多名移动互联网领袖与世界各地20,000多名参会者。
CMGE中国手游娱乐集团CEO肖健、金山集团CEO张宏江、完美世界CEO萧泓、长城会CEO文厨
长城会CEO文厨介绍,本次大会将围绕“联接改变世界”为主题,分别开往四站:第一站5月5日-5月6日在北京国家会议中心举办第六届GMIC北京,第二站于7月11日首次在东京举办GMIC,第三站9月26日-9月27日在印度新德里首次举办GMIC,第四站是10月在硅谷。
其中,文厨指出,长城会希望通过联接,而产生全球化的网络效应。据公开数据显示,2013年GMIC拥有来自超过68个国家的12800多名参与者,多达230名行业领袖的分享,超过370个公司的产品展示。例如在2013年,Evernote、愤怒的小鸟、水果忍者等企业,进入中国前都选择了通过GMIC大会来作为正式登场亮相的舞台;而2014年新开辟的日本和印度站点,也是顺应企业的需求,让更多希望进入日本、印度的企业,通过GMIC 的平台来实现。
目前,GMIC 北京 2014的大会筹备工作已经进入尾声。除了能一如既往地在主会场看到最高端的演讲嘉宾,本届GMIC还将在G-Startup创新大赛、MMS移动营销峰会、GGS游戏峰会、MoBiz移动价值峰会、MIFS移动金融峰会、WDS智能软硬件专场、Going Global全球化专场等7个分会场设置专场活动。
GMIC 北京 2014已经确认的演讲嘉宾包括:
• 马化腾,CEO,腾讯
• 曹国伟,CEO,新浪
• 施振荣,董事长,宏碁
• Vaughan Smith, VP, Facebook
• 沈南鹏, 创始及执行合伙人, 红杉资本
• Naveen Tewari, CEO, InMobi
• Dave Morin, CEO, Path
• 俞永福, CEO, UC优视
• 陈昊芝, CEO, 触控科技
• Hugo Barra, VP, 小米
• 刘强东,CEO,京东
GMIC 北京 2014的主要内容包括:
• Thought Leader领袖峰会:为期两天,包括多场主题演讲、圆桌论坛和高端访谈,业界领袖将在此汇聚,共同探讨移动互联网的发展与未来
• G20闭门峰会:移动互联网行业顶尖领袖参与的闭门峰会(邀请制)
• G-Startup创新大赛:汇聚全球最具潜质的创业团队、最具创新精神的产品以及最具眼光的投资人
• Global Game Summit移动游戏峰会:全球顶尖移动游戏公司CEO共同分享成功故事,并汇聚全球移动游戏生态系统,包括开发商、发行商、渠道商及投资商
• Going Global全球化专场:中国的也是世界的,与整个行业一起探讨如何走出去
• Mobile Internet Financing移动金融专场:与业界一起探讨移动互联网如何改变金融
• Mobile Marketing移动营销专场:针对全球移动互联网跨界应用及服务,为应用开发商和传统行业搭建桥梁
• MoBiz移动价值专场:促进传统行业与移动互联网行业的迅速融合及合作,并针对全球移动互联网跨界应用,为应用开发商和传统行业搭建桥梁
• Wearable Devices可穿戴设备专场:汇聚时下最流行的可穿戴设备及应用
好文章,需要你的鼓励
这项由IIT马德拉斯与BITS Pilani联合发布的研究(arXiv:2604.21523,2026年4月)构建了FOCUS元评估基准,系统检验了评审型视觉语言大模型的可靠性。通过向超过4000个图文和图像样本中注入40种受控错误,研究发现顶尖评审AI的检测失败率在某些条件下超过50%,物理合理性和视觉细节类错误尤为难以被发现,两两比较是最可靠的评审范式。
这篇由Sylph.AI发布的技术报告提出了一套两层自动化框架,核心思想是让AI自动优化自身的运行脚手架,再进一步让AI学会如何更高效地做这种优化。内层的脚手架进化循环通过工人代理、评估代理和进化代理的协作,自动迭代改进单个任务的运行配置;外层的元进化循环则在多个任务上训练,学习一套能快速适应任何新场景的通用进化蓝图,从而彻底消除人工脚手架工程的需求。
这篇由英伟达等顶尖机构联合发表的论文提出了一种名为Voyager的新型智能体。研究团队以《我的世界》为实验平台,通过引入自动课程规划、技能库存储以及迭代反馈机制,成功让大语言模型主导的AI在完全无人类干预的情况下,实现了在复杂开放世界中的自主探索与终身学习。实验数据表明,Voyager在物品收集、探索范围及技能解锁速度上均呈现出远超传统方法的压倒性优势,为未来开发能够自主解决真实物理世界复杂任务的通用人工智能奠定了关键的理论与实践基础。
这项由伊利诺伊大学、斯坦福大学、英伟达和麻省理工学院联合发布的研究(arXiv:2604.25917,2026年4月)提出了RecursiveMAS框架,让多个异构AI模型通过轻量级模块RecursiveLink在内部信号层面直接传递"潜在思想",形成循环协作,彻底绕开了传统多AI系统依靠文字传话的低效方式。配合两阶段内外循环训练策略,整个系统只需优化极少量参数,就能在数学、科学、代码生成和搜索问答等9个基准测试上取得平均8.3%的精度提升,同时实现最高2.4倍推理加速和75.6%的token用量削减。