潞晨科技创始人尤洋表示，只有传统大型企业、拥有大量数据的中小企业和颠覆行业的新兴公司需要私有模型。日常办公可使用现成的大模型API，而私有模型适合对数据隐私要求高的企业。目前，大模型在各行业的应用潜力尚未完全发挥。

MEET2026智能未来大会吸引了近1500名现场观众和350万线上观众，聚焦AI发展趋势。专家讨论了生成式AI和智能体互联网等主题，强调AI与物理、信息和生命的融合，展示了AI在各行业的应用潜力，推动AGI进程，展现未来AI的广阔前景。

腾讯混元推出四款小尺寸开源模型，参数分别为0.5B、1.8B、4B和7B，适用于手机和低功耗设备。这些模型具备快速推理和高性价比，支持复杂任务处理，并已在多个应用中验证其实用性。模型的上下文窗口可处理超长内容，提升了多行业的应用潜力。

本文提出了一种新颖的务实元认知提示（PMP）方法，旨在提升澳大利亚和印度英语中的讽刺检测能力。研究表明，PMP在多个任务和数据集上表现优于其他策略，具有重要的应用潜力。

本研究提出了一种基于变压器的多模态基础模型，旨在解决通信系统中任务特定解决方案不足的问题。该模型能够直接处理通信数据，成功应对分词、位置嵌入等挑战，并展示了在传输秩和多普勒扩展等特征上的应用潜力。

本研究探讨了语言模型在逻辑形式（LFLMs）中的应用，指出其在数据效率上优于传统文本模型。通过基于图的形式逻辑分布语义原型的实验，LFLMs在少量数据下表现显著优越，展示了其实际应用潜力。

本研究提出了一种创新方法，通过学习器范式有效回收和重用小型语言模型。实验结果显示，该系统在财务和医疗领域显著优于传统大型语言模型，展现了其在特定领域的应用潜力。

该研究提出了一种新策略，以优化生成文本中的水印设计，检测率优于现有方案，具有实际应用潜力。

本研究提出了ToolACE-DEV框架，通过将工具学习目标分解为子任务，增强模型基本能力，并引入自我演化机制，实现轻量级模型的自我改善。该方法在不同规模和架构的模型上验证了其有效性，具有重要应用潜力。

本研究提出了一种新方法ReCDAP，旨在解决知识图谱中关系分布不均的问题。通过条件整合正负三元组信息，ReCDAP克服了传统方法的局限，实验证明其在多个数据集上表现优异，具有较高的应用潜力。

本研究提出了TrajEvo框架，结合大语言模型与进化算法优化轨迹预测，克服了传统方法的局限性。研究结果表明，TrajEvo在多个数据集上优于传统和深度学习方法，展现出重要的应用潜力。