2025年腾讯全球数字生态大会将于9月16-17日在深圳举行，主题为“智·向远大”，旨在探讨智能重构与全球机遇，助力企业可持续增长，是产业互联网的重要盛会。

本研究解决了指令调整数据集中的数据质量和多样性不足的问题，尤其是在海量开放源代码数据集中。我们提出了一种统一的方法，通过构建标签图量化数据集的信息内容，并基于此引入有效的采样方法来最大化语义空间中的信息增益（MIG），实验结果显示该方法优于现有最先进的方法，显著提升了模型的性能。

本研究提出了一种基于扩散信息增益的动态图像融合框架，解决了现有方法无法动态捕捉多模态重要性的问题。实验结果表明，该方法在融合质量和推理效率上优于现有技术。

HDR视频技术已广泛应用于电影和手机拍摄，但HDR照片标准直到2023年才由Adobe和Apple联合发布。HDR相比SDR能保留更丰富的亮度细节，ISO HDR标准允许更高位数存储图像数据，提升图像质量。增益图HDR技术通过记录SDR图像及其与HDR的亮度差异，减少文件大小并提高兼容性。

本文探讨了Laplace机制、差分隐私和局部差分隐私等隐私保护机制在数据分析中的应用。研究表明，这些方法在保障隐私的同时，能够有效提高模型的准确性和效用，尤其适用于医疗和军事数据分析。实验结果显示，提出的方案在隐私保护与数据利用之间实现了良好的平衡。

本文探讨了在线旅游平台的营销优化，提出了基于树的预算约束因果森林算法和增量转化率计算方法，以提高用户参与和平台收入。实验验证表明，这些方法在预算限制下有效分配奖励，优化收益模型，推动推荐系统发展。

本文探讨了通过适应标记器和领域自适应数据选择方法（TextGram）来优化预训练语言模型的性能，特别是在文本分类和跨语言翻译任务中的应用。研究表明，分词设计对大型语言模型（LLMs）至关重要，并提出了相应的优化策略。此外，介绍了开源模型InternLM2在生物医学和计算机科学领域的优越性，表现优于BERT BASE模型。

研究人员通过信息增益最大化启发式方法开发了一种增强的主动学习方法，并在真实环境中评估了其有效性。研究发现，高技能的分析员提供标签，并使用置信度评分来估计分析员的标签不确定性，并根据预期信息增益的优先级对实例进行标记是最佳的评估方法。研究还建议在实施主动学习之前对分析员进行筛选和培训，并在早期阶段使用基于专家置信度的信息增益最大化采样方法。

研究着重探讨开放词汇对象检测 (OVOD) 中的问题，包括对新类别的检测性能不佳以及候选区域和对象分类阶段的局限性，并提出了一种后处理方案（AggDet），通过两种先进的衡量方法来调整信心分数和恢复误判的对象，并在 OV-COCO 和 OV-LVIS 基准上取得了显著的性能提升。

本文介绍了一种基于强化学习的四旋翼控制方法，提出的新算法在恶劣条件下也能稳定悬停。研究探讨了强化学习与传统路径规划的结合，优化了控制器性能，提高了四旋翼的控制精度和适应性。

设计电路时需注意选择合适的增益和增益电阻，减小杂散电容影响，避免驱动大电容负载。使用示波器观察输出波形时注意电缆线输入电容可能导致振荡，可通过串联隔直电阻解决。

通过引入编码在干预一个变量时另一个变量熵的变化的量，最近的研究实现了给定结构因果模型（SCM）的因果控制的量化。我们的研究通过建立和分析这些概念的基本性质，包括界限和链规则，对因果熵和因果信息增益的概念的形式理解做出了贡献。此外，我们阐明了因果熵与随机干预之间的关系，并提出了因果条件熵和因果条件信息增益的定义。总体而言，这种探索为通过研究最近提出的在因果性考虑方面扎根的信息论量来增强因果机器...

本文研究了移动机器人自主探索和检查的问题，提出了一种新的数据驱动的模仿学习框架，并通过EXPLORE算法训练了一个策略，以模仿一个有完整信息的先知来最大化获取信息的能力。验证了该方法在不同对象分布上的适应能力。

基于离线数据的强化学习预训练改进的模型数据增强策略，可以减少所需数据规模，并大幅提高在线微调效果和降低环境交互次数。

通过概率扩散框架的生成性深度学习模型，实现了低保真度模拟信息向高保真度对应物的映射，无需多次高保真度模拟分析。通过二维扩散模型，展示了熔化过程的关键度量在真实模拟数据和扩散模型输出之间的保持，并在低保真度输入数据的基础上预测了熔池深度，分析时间降低了两个数量级。

本文研究了大型语言模型在上下文学习中的表现，发现黄金标签对下游上下文性能有显著影响，但不平衡标签对ICL的影响较小。ICL对标签扰动的敏感性较低，随着模型大小的增加，ICL的性能逐渐与监督学习相当。