Smart Spatial赋予对基础设施的“X射线透视”能力：洞察问题发生的位置与原因，从而更迅速、更明智地做出决策。阅读其实现数字孪生的先进方法，包括近期在埃塞俄比亚关键铁路系统中的工作。

该研究提出结合社交背景和新闻内容的方法来检测资源匮乏语言中的假新闻。结果显示，集成学习方法效果最佳，F1分数达0.99，有助于提升低资源语言的假新闻识别能力。

埃塞俄比亚社交媒体上的仇恨言论是严重问题。研究人员开发了深度学习模型，可以检测和分类不同类型的仇恨言论，使用阿姆哈拉语数据集，获得94.8的F1得分。未来工作将包括扩大数据集和改进模型。

自然语言处理在高资源语种上表现出色，但低资源语种的机器翻译仍需改进。EthioMT是一个包含15种语言的新平行语料库，同时收集了埃塞俄比亚的基准数据集，通过使用变压器和微调方法对23种埃塞俄比亚语言的新收集语料和基准数据集进行评估。

埃塞俄比亚最大商业银行发生技术故障，导致部分用户取出超过账户余额的钱并转至其他银行。大量学生取款，超过1亿美元被提取或转移。银行已解决问题，保证账户安全。银行行长表示，发生了超过49万笔非法交易，损失较小。银行正在调查异常交易，要求学生退还不属于他们的钱。银行承诺退还资金的个人不会面临刑事指控。

最新研究发现，大型语言模型在非洲语言上的性能较差，与英语等高资源语言相比存在较大差距。GPT-4在分类任务上表现平均，但在机器翻译等生成任务上表现糟糕。mT0在非洲语言上的跨语言问答表现最佳。研究呼吁确保非洲语言在大型语言模型中得到很好的代表。