在WAIC展会上，声网展示了其升级的对话式AI引擎，具备选择性注意力和视觉理解能力，能够在嘈杂环境中精准识别用户声音并实时识别图像，广泛应用于教育和智能硬件领域，提升人机交互的自然性和流畅性。

本研究提出选择性注意力漂移限制(SADR)方法，以解决大型语言模型知识编辑中的特定性失败问题，显著提升知识编辑效果。实验结果表明，该方法在多种模型中均有效。

本研究提出了一种新型稀疏视觉变压器模型SparseFormer，旨在提高高分辨率宽图像中的物体检测准确性和效率。该模型通过选择性注意力标记，结合全局与局部关注，处理尺度变化，并利用非极大抑制算法精确定位物体。实验结果表明，SparseFormer在准确性和速度上显著优于现有方法。

深度学习模型易受干扰，提出新注证过程通过模拟选择性注意力增强模型鲁棒性。实证评估表明，该过程提高模型准确性，减轻对抗样本脆弱性。