技术普惠正在提升公益的整体数字化水平。
5月20日,2023年中国互联网公益峰会上,腾讯技术公益数字工具箱(以下简称数字工具箱)宣布全面升级,聚焦公益组织数字化转型中的共性需求与真实问题,上线行业数字化服务专区。该专区由多家公益SaaS企业提供服务,首批入驻14项数字工具,助力公益组织更便捷地上“云”用“数”。
腾讯技术公益发起人陈妍表示,技术的参与正不断拓宽公益的边界。从前沿技术的共享共创,再到“搭台子”、“链资源”、“配资金”,腾讯希望与社会专业力量一起,由点及面地破解公益数字化难题,用技术连接善意,让公益成为广泛参与、可持续的社会价值创造。

会上,腾讯基金会与腾讯技术公益发布了《2023年公益组织数字化洞察报告》(下称《报告》),基于对1212家公益机构的深度调研,全面展示了我国公益数字化的发展情况。
《报告》数据指出,有82%的公益组织正在使用数字化解决方案,超九成的公益组织希望得到数字化产品、服务、工具的帮助,公益数字化成为大势所趋。其中,在“志愿者招募管理及维护”、“信息公开及影响力传播”、“专业培训工作开展”三大工作场景中,公益组织的数字化需求最高,公益行业亟需专属的数字化解决方案。

针对这一情况,技术公益数字工具箱进行了全面升级。在腾讯云资源、腾讯办公协同软件等数字化服务资源的基础上,腾讯联合恩派公益,集合公益领域中成熟的SaaS产品及服务,共建数字化服务专区,帮助公益机构解决数字化发展中的共性需求,如助学管理系统,项目管理系统,捐赠系统等。

据了解,数字工具箱由腾讯公益慈善基金会发起,以腾讯技术公益平台作为统一申请入口,主要面向在中国内地(大陆)依法注册或者登记的社会团体、社会服务机构、基金会等社会组织,普通高等学校、科研院所等事业单位开放免费申领,并配合专业志愿顾问组合,帮助公益组织更容易地使用数字工具。目前已有超过200家公益组织申领,累计发放近500份公益权益。
除数字工具箱外,腾讯技术公益还推出了技术公益创投计划、公益志愿者平台,助力公益组织提供可持续的公共服务,实现数字化的组织协同、项目管理与服务创新。
会上,腾讯技术公益创投计划公布了最新进展。经过近三个月的评比,创投计划二期共挖掘了48个具有发展潜力的技术公益项目,包括29个实干组项目和19个创想组项目。
未来一年,腾讯基金会将从“现金资助”、“技术资助”、“能力资助”三个方面提供支持,帮助公益项目伙伴在技术方案打磨、公益场景应用服务、项目管理和团队建设等方面实现可持续发展。

志愿者资源也是技术公益推进的重要环节。为了更好地连接专业人士和公益实践活动,腾讯推出公益志愿者平台,支持公益组织设定志愿服务岗位和岗位所需技能招募志愿者,志愿者则能够自主认证提交技能证书来应聘对应岗位。近期,平台也上线了企业员工志愿服务功能,支持企业认证和企业内服务等,目前已经积累了腾讯、腾讯音乐和联想等公司超过5万名注册志愿者。
中国互联网发展基金会副秘书长彭锋表示,公益慈善领域的数字化转型任重道远,期待同社会技术力量一起众创共益,推动技术发展成果落地公益事业,打造互联网公益新生态。
会上,来自西安光源助学公益慈善中心、灵析、北京大学第六医院、腾讯会议天籁实验室、腾讯互娱社会价值探索中心等组织机构的嘉宾,分享了数字技术在具体公益项目中的应用实践。
以腾讯会议天籁实验室为例,其于近期发布了腾讯天籁远程听力服务平台。作为线下验配方式的有益补充,远程听力服务平台借助AI技术,与专业的助听器厂商、NGO机构以及验配师共同着力解决助听器的线上验配难题,让更多听障人士能够获得听得真、验得准、少跑腿的优质服务。
好文章,需要你的鼓励
谷歌地图将集成Gemini人工智能技术,旨在将其升级为一个"全知型副驾驶"助手。这一整合将大幅提升地图服务的智能化水平,为用户提供更加个性化和全面的导航体验。通过AI技术的加持,谷歌地图有望在路线规划、地点推荐和实时信息服务等方面实现重大突破。
这项由圣母大学和IBM研究院联合开展的研究,开发出了名为DeepEvolve的AI科学助手系统,能够像人类科学家一样进行深度文献研究并将创新想法转化为可执行的算法程序。该系统突破了传统AI要么只能改进算法但缺乏创新、要么只能提出想法但无法实现的局限,在化学、生物学、数学等九个科学领域的测试中都实现了显著的算法性能提升,为AI辅助科学发现开辟了新的道路。
微软研究人员发布新的仿真环境来测试AI智能体,研究显示当前智能体模型容易受到操纵。该名为"Magentic Marketplace"的合成平台让客户智能体与商家智能体进行交互实验。测试包括GPT-4o、GPT-5和Gemini-2.5-Flash等模型,发现智能体在面临过多选择时效率下降,且在协作方面表现不佳。研究揭示了AI智能体在无监督环境下的性能问题。
卡内基梅隆大学研究团队通过3331次大规模实验,系统揭示了代码训练如何提升AI推理能力。研究发现,代码的结构特性比语义内容更重要,适当的抽象形式(如伪代码)可以达到与原始代码相同的效果。不同编程语言产生差异化影响:低抽象语言有利于数学推理,Python更适合自然语言任务。这些发现为AI训练数据的科学化设计提供了重要指导。