香港科技大学研究团队开发出首个开源长篇音乐生成模型YuE，能根据歌词创作5分钟完整歌曲。该系统采用双阶段架构和轨道解耦技术，在人工评估中与商业系统性能相当，支持多语言创作和风格转换，为音乐创作民主化奠定基础。

华中科技大学团队开发了mmMamba框架，通过创新的知识蒸馏方法将传统二次方复杂度的多模态模型转换为线性复杂度架构。该方法在保持相当性能的同时，实现了20.6倍速度提升和75.8%内存节省，提供纯线性和混合两种架构变体，为高效多模态AI应用开辟了新路径。

这项由苹果公司与索邦大学合作的研究首次为AI模型训练中的数据混合问题提供了科学的数学解决方案。研究团队建立了预测公式，能够通过小规模实验准确预测大规模模型的最优数据配方，在语言、多模态和视觉三种AI模型上验证了方法的有效性。这一突破有望显著降低AI模型开发成本，将训练过程从经验艺术转变为科学工程，对整个AI行业具有重要影响。

这“无疑代表着她将成为一颗冉冉升起的新星。”

Meta公司联合多所大学发布"软令牌"新技术，首次实现AI连续推理训练。该方法让AI摆脱传统的逐步推理模式，能同时探索多种思维路径，如人脑般灵活思考。在数学推理任务中，新技术保持了原有准确率，在多样性指标上显著超越传统方法，且对模型原有能力影响更小。关键突破是发现软训练配合硬推理的最佳组合，让现有部署系统无需改造即可受益。

在2008年首度公布比特币项目的白皮书当中，化名中本聪的神秘缔造者总结称：“我们提出了一种不依赖信任基础的电子交易系统。”他所指的正是区块链，比特币加密货币背后的底层系统。规避对信任体系的依赖无疑是一项伟大的承诺，但实际情况却并非如此。

清华大学团队开发出革命性人形机器人系统Being-0，具备类人思维能力。该系统采用创新的"三层大脑"架构：顶层基础模型负责理解指令和制定策略，中间层连接器模块负责将计划转化为具体动作，底层技能库负责执行各种操作。机器人能够理解自然语言，自主规划复杂任务如制作咖啡，并在动态环境中灵活调整策略，在长期任务中达到84.4%的成功率。

打拳、走秀、送货、踢球，WRC 2025成了人形机器人的“演武场”。

打拳、走秀、送货、踢球，WRC 2025成了人形机器人的“演武场”。

斯坦福大学推出 AI4MH 项目，聚焦利用生成式 AI 改革心理健康诊断与治疗，探讨现有体系不足及未来发展。

随着以数据为中心的转型不断深化，英特尔将以集成AI加速的至强可扩展平台为基石，提供全面的XPU芯片平台，携手产业生态，赋能“智者更强”，以改变世界的技术造福个人、企业和社会。

在制药界，流传着一个残酷的“三十定律”：一款新药的诞生，平均需要耗费十年光阴、投入数十亿美金、而最终成功率却不足10%，这是悬在每一家药企头上的达摩克利斯之剑。在这个以高投入、高风险、长周期为标签的行业里，不确定性，是永恒的主题。

边缘计算，通过直接部署在网络的接入端，成为对数据进行分布式处理和即时处理的主力军，减少数据传输所消耗的时间，其平台分布式特征还能够很好地解决海量数据处理及海量终端连接的问题。

慕尼黑大学对话AI专家：我们该如何理解机器智能？

在华为中国合作伙伴大会2024上，华为中国政企业务总裁吴辉表示，围绕“四梁六柱”，沿着三个赛道，落实六个升级，强健开放、紧密、成长的“伙伴+华为”体系。

HSE大学研究团队提出了RiemannLoRA方法，创新性地将黎曼几何引入大型模型的低秩适应训练中。该方法通过统一框架同时解决了初始化选择和过参数化两个关键问题，在常识推理和图像生成任务上都显著优于传统LoRA方法，为人工智能模型的高效训练提供了新的几何视角和实用工具。

通过“科技创变者大会”这样一个技术创新+产业应用的“对话”平台，我们相信会激发出更多本土科技创新力量落地，为未来的科技创变者铺垫新的“创变之路”，实现科技成果转化落地，赋能新时代！

第四届 Techo TVP 开发者峰会以「云以致用，智效合一」为主题，为行业、企业与开发者们带来了前沿的云原生技术趋势与实践总结。

TULIP是加州大学伯克利分校开发的新型多模态AI模型，通过统一的学习框架解决了传统图像-文本模型在精细视觉理解方面的不足。该模型采用多视角对比学习、生成式数据增强和重建正则化等创新技术，在保持强大语义理解能力的同时显著提升了对视觉细节的捕捉能力，在多个基准测试中取得了显著的性能提升。

CRM作为距离业务最近的软件,被公认为是企业数字化转型、高质量发展的核心系统之一。