OpenAI的首席科学家Hyung Won Chung在MIT的一场演讲引发了不少思考。他揭示了一个培养通用人工智能（AGI）的关键策略：通过激励模型自主学习，才能让机器具备解决多任务的通用技能。

T-Tech实验室开发出革命性的VL-DAC训练方法，让AI机器人能够通过观看简单模拟环境学会复杂的现实世界技能。该方法将AI的"观察思考"与"实际行动"分开训练，避免了传统方法需要复杂参数调整的问题。实验证明，AI在导航、卡牌游戏等简化环境中训练后，在真实世界的游戏控制、空间规划和网页操作任务中性能分别提升50%、5%和2%，为降低AI开发成本开辟了新路径。

近日，在线音乐教育平台VIP陪练在其举办的“2018VIP陪练妙克艺术人才基地启动仪式”上宣布，平台已完成1.5亿美元C轮融资，投后估值约为6亿元。

南洋理工大学团队提出Demo-ICL技术，让AI通过观看示范视频或阅读指导文字快速学习新技能并应用到新场景，类似师父带徒弟的学习模式。研究构建了包含1200个问题的Demo-ICL-Bench测试平台，发现现有AI在示范学习方面表现不佳，揭示了视觉抽象、时序对应、知识迁移等核心挑战，为未来机器人、教育、医疗等领域应用奠定基础。

谷歌宣布Chrome浏览器将迎来史上最重大升级，AI功能将渗透到浏览体验的每个环节。主要更新包括：桌面版新增Gemini按钮，可对标签页内容进行问答和总结；AI模式搜索功能更加便捷，支持从地址栏直接启动；增强安全防护，可识别虚假病毒警报和诈骗；密码管理器可一键自动更改受损密码。今年晚些时候，Chrome还将推出代理控制功能，帮助用户自动完成预约理发、订购杂货等重复性任务。

教育工作者们正努力研究AI及其他新兴技术工具，大力推动VR内容在课堂上的占比。

Gartner公司的最新研究表明，中国的企业数字化转型和行业现代化升级对云计算的使用提出了新要求。支持行业创新的中国基础设施和运营（I&O）领导者以及首席信息官（CIO）应利用行业云平台（ICP）推动业务创新。

数字化转型——Just do it！

业内首例，马钢交材轮轴产品数字化研发与设计以智提效

三位杰出的CISO探讨了当今网络安全领导力的定义——以及如何将网络安全功能转变为业务驱动的组织资产。

12月16日，继荣耀10新配色铃兰白正式发售后，合肥、广州、西安、石家庄等地荣耀门店迎来了以“我的白色恋人”为主题的荣耀10青春版大型派对活动...

谷歌推出全球最强差分私有大语言模型VaultGemma，这是一个10亿参数的模型，基于Gemma架构构建。该模型采用先进数学算法防止敏感数据泄露，通过在数据集中添加受控噪声实现隐私保护。VaultGemma在多项基准测试中表现卓越，性能可媲美同等参数的非私有模型，但完全不会暴露训练数据，为金融和医疗等监管行业的AI应用提供重要保障。

机器学习已经被证明是很有用的，但也容易被假设可以解决所有问题、适用于所有情况。

普林斯顿大学研究团队开发了TraceRL方法，通过追踪AI推理过程而非仅关注最终答案来训练扩散语言模型。该方法训练出的TraDo系列模型虽然参数规模较小，但在数学推理任务上显著超越大型模型，并首次实现了具备长篇推理能力的扩散语言模型。研究团队已将完整框架开源，为AI可解释性和实际应用提供了重要突破。

上海人工智能实验室联合多所高校开发出首个AI电影语言理解评测平台ShotBench，发现当前最先进AI模型在专业视觉理解方面存在重大缺陷。团队构建7万样本数据集ShotQA，开发出突破性模型ShotVL，在电影语言理解上创造新纪录，为AI辅助视频制作和创意产业变革奠定基础。

今年的MOSEC移动安全技术峰会吸引了世界顶级的优秀黑客，有本土的360 Vulcan Team，也有来自美国，英国，阿联酋，塞内加尔等地的高手。议题涵盖iOS内核调试，基带漏洞挖掘与利用，Google Play上最大恶意样本家族揭秘，移动浏览器远程执行漏洞等方向。

Flora 是一个集成 AI 模型的交互式画布平台,可帮助用户生成、完善和实现创意。它提供文字、图像和视频生成等功能,支持节点式工作流程,适合设计师和艺术家使用。Flora 旨在成为创意伙伴,通过结构化工作流程和灵活功能提供真正的创作自由。这个平台特别适合专业人士使用,可以帮助他们在一个真正的空白画布上进行创意构思和实验。

中科大与科大讯飞研究团队开发出THOR系统，创新性地解决了大语言模型在精确数学计算上的根本缺陷。该系统通过TIRGen数据生成、分层强化学习和实时自我纠错三大技术突破，让AI学会智能调用外部工具进行精确计算。在多项数学竞赛中，THOR表现卓越，在AIME竞赛中达到50%正确率，比同类模型提升近一倍，标志着AI数学推理能力的重大进步。

MBZUAI研究团队开发了FinChain，这是金融领域首个可验证的符号化思维链推理基准测试。该基准涵盖12个金融领域的54个主题，每个主题包含5个不同难度的参数化模板，配有可执行的Python代码验证每一步推理。研究者还提出了ChainEval评估指标，同时评估最终答案正确性和中间推理步骤一致性。对30个大语言模型的测试表明，即使最先进模型在处理复杂金融推理时仍有很大提升空间，且模型规模是决定推理能力的关键因素。

这项研究提出了CURE框架，通过强化学习让大语言模型同时学习编写代码和生成单元测试两种能力，无需使用标准代码作为监督。团队开发的ReasonFlux-Coder模型在仅用4.5K编程问题训练后，便在多个基准测试中超越了同类模型，代码生成准确率提高5.3%，最佳N选1准确率提高9.0%。该方法不仅提升了模型性能，还提高了推理效率，同时为降低API调用成本和无标签强化学习提供了新思路。