墨奇科技 CEO 及联合创始人邰骋、墨奇科技 CTO 及联合创始人汤林鹏，介绍了如何将指纹识别问题转化为高精度图像搜索问题，基于先进的多尺度特征表示、极少样本的自学习框架、超高性能的异构搜索系统，首次实现了无需细节特征的指纹比对系统。

在算力“狂飙突进”的表象之下，华为正试图用“鲲鹏”与“昇腾”两张“底牌”，给出新的解题思路。

脑机接口为元宇宙打开了一个“窗口”。通过大脑与电脑的连接，人们可以在虚拟世界中自由地获取信息、开展社交，甚至获取味觉、触觉等多种感官的体验。

在算力“狂飙突进”的表象之下，华为正试图用“鲲鹏”与“昇腾”两张“底牌”，给出新的解题思路。

这项研究提出了一种加速TarFlow图像生成模型采样过程的方法。研究人员发现TarFlow中的块具有不同重要性：少数块在图像生成中起主要作用，而其他块贡献较小；有些块对初始值敏感，其他块则相对稳健。基于此，他们提出了收敛排名指标(CRM)和初始猜测指标(IGM)，并开发了高斯-赛德尔-雅可比迭代方法。实验表明，该方法在四种TarFlow模型上实现了2.51-5.32倍的加速，同时保持图像质量。这一技术为高效AI图像生成提供了重要解决方案。

澳大利亚研究团队开发出PresentAgent，这是一个能将任何文档自动转换为专业演示视频的AI系统。该系统集成了文档解析、幻灯片设计、语音合成等功能，并创建了全新的多维度评价体系。实验显示，AI生成的演示视频在多项指标上接近人类专家水平，为教育、商业等领域的演示制作提供了高效解决方案。

布朗大学和普林斯顿大学研究团队发现，自动语音识别系统能够仅凭语音特征推测说话者的种族身份，并且对不同种族群体表现出不同的识别准确性。研究揭示了这种现象的技术机制，发现系统在学习语音内容的同时无意中学会了种族特征识别。研究团队提出了包括改进训练数据多样性、开发去偏见算法等多种解决方案，强调了在人工智能发展中考虑公平性的重要性。

KCon 黑客大会，知道创宇出品，追求干货、有趣的黑客大会；中国网络安全圈最年轻、最具活力与影响力的前沿网络安全攻防技术交流平台。“汇聚全球黑客的智慧”是 KCon 黑客大会的一贯宗旨，我们痴迷于黑客技术研究、热衷交流分享！

近日，以“见证信任的力量”为主题2021年信任互联大会举行。大会聚焦网络信任领域，邀请了相关领导、知名学者、行业专家、合作伙伴、媒体等嘉宾齐聚一堂，深入探讨了新型网络信任体系的新内涵，以及对推动经济社会发展的重要价值。

清华和AIRI研究团队提出循环一致性图像编辑方法，仅需4步即可实现高质量图像编辑，速度比传统方法快10倍。该方法通过训练AI反复练习"看图-重画"过程提升图像理解能力，结合智能引导机制确保编辑质量，在多项评测中超越现有快速方法，为AI图像编辑的普及应用奠定基础。

在人工智能领域，我们经常看到像OpenAI、DeepSeek和Anthropic这样的公司推出强大的推理型大语言模型，它们能够解决复杂的数学问题和生成高质量的代码。然而，这些模型通常体积庞大，参数量动辄达到320亿甚至更多。想象一下，这就像需要一台超级计算机才能运行的庞大软件。

清华大学团队开发出"思维链提示"技术，让AI学会逐步推理而非直接给答案。该方法使AI在复杂推理任务中准确率提升40%以上，从根本上解决了AI"黑盒子"问题。技术通过特殊模板引导AI展示完整思考过程，实现了从"直觉反应"到"逻辑推理"的升级，为AI在教育、医疗、法律等领域的应用开辟新道路。

中科院团队开发的SimpleGVR系统革新了AI视频增强技术，通过直接在潜在空间处理和创新的分阶段训练策略，能够将AI生成的低分辨率视频高效提升至高清画质。该系统不仅提升分辨率，还能修正AI视频特有的颜色混合等问题，在多项指标上超越现有顶级方法，为AI视频生成领域提供了实用的解决方案。

在眼下严重的疫情面前，在家办公成了确保防疫、承担企业社会责任、又兼顾企业日常运营的主要工作方式。防御新型肺炎或倒逼企业远程协同，成为落地在家办公的契机。

普林斯顿大学研究团队发现AI推理时间增加存在双刃剑效应：当思考过程隐藏时能提升安全性，但暴露时会显著降低安全性。通过对12个开源模型的测试，证实了这种"逆向扩展定律"，为AI系统安全部署提供了重要指导。

云计算是创新业务的基础承载，正全面融入社会生产生活中，我国正在加速实施“互联网+”行动计划，推进“数字中国”建设，给中国联通带来难得的发展机遇。

具身智能既要有"会思考的大脑"，也要有"能行动的身体"，而中国，正是全球唯一同时拥有这两者制造能力与完整产业链的沃土。

随着建筑信息化、数字化加速推进，传统工程项目建设模式越来越难以适应新时代建筑数字化的需求。近年来，通过对BIM技术的运用，数据中心项目在数字化方面有所突破，可为“数字建筑”的建设提供借鉴，但是距离实现真正意义上的“数字建筑”还为时尚早。

华中科技大学研究团队提出SaM框架，通过动态选择和合并领域专家模型来改进大语言模型的命名实体识别能力。该方法摒弃传统"万能模型"思路，采用专业化分工策略，根据领域相似性和采样评估智能选择专家，然后融合其能力形成针对性强的任务模型。实验显示平均性能提升10%，某些领域达20%提升，同时具备良好的可扩展性和适应性。

想象一下，你有一个只有普通计算机大脑五百分之一的智能助手，却能解决复杂的数学问题，这听起来像天方夜谭吗？南加州大学的研究团队带来了这样一个惊喜：他们创造了名为"Tina"的超小型语言模型，以极低的成本实现了强大的推理能力。