香港大学团队突破性地解决了AI全景图生成中的拼接难题，提出DreamCube系统，能从单张照片生成包含深度信息的完整360度场景。该研究创新性地引入"多平面同步"技术，让AI同时协调处理立方体六个面，避免传统方法的色差和断裂问题，实现从2D图像到3D场景的快速转换，为VR/AR、游戏开发、建筑设计等领域提供了全新的内容创作工具。

谷歌DeepMind发布突破性AI规划技术，让机器人学会像人类一样进行"情境学习"规划。该技术通过Transformer架构实现了快速适应新问题的能力，在迷宫导航、机器人控制等测试中表现优异，为自动驾驶、智能制造、医疗等领域应用奠定基础，标志着向通用人工智能迈出重要一步。

这项研究提出了SWE-Flow框架，通过测试驱动开发方法自动生成AI编程训练数据。研究团队从真实GitHub项目中构建运行时依赖关系图，将复杂开发任务分解为循序渐进的步骤，生成了16061个训练实例。实验表明，使用该数据训练的AI模型在软件开发任务上表现显著提升，为AI编程能力提升提供了新思路。

这一代人，一个个像悬崖边的孩子。在青春的荒原上，他们忽然看见了光。 他们猛力奔跑，触足之地，或陷泥泞，或长青草，惊心动魄间，天地舒展成一个以自由命名的花园，大河山川，各自生成。时间是玫瑰，他们是玫瑰上的刺。——吴晓波

本文将对亚马逊云科技构建的云上安全堡垒一窥全貌，进而解构其提出的三大安全理念，以飨读者。

北京人工智能研究院开发的SPAR系统通过五个专业智能助手协同工作，实现了比传统学术搜索高56%的效果提升。该系统首创的RefChain引用链机制能自动发现相关文献，配套的SPARBench基准测试平台为学术搜索领域提供了标准化评估工具，已开源供研究者使用。

这项由13家国际研究机构联合开发的研究介绍了Maya——一个突破性的多语言视觉AI模型。Maya能够用8种语言理解和描述图片内容，包括理解不同文化背景的视觉概念。研究团队通过创新的数据构建方法，将55万个英文样本扩展为440万个高质量多语言样本，并采用两阶段训练策略。Maya在多语言基准测试中表现优异，特别是在阿拉伯语等复杂语言上超越了同类模型，为教育、医疗、旅游等领域的全球化应用开辟了新路径。

蚂蚁集团智能医疗部门提出GRAO统一对齐框架，通过"模仿-探索-超越"三阶段机制解决传统AI对齐方法局限性。该方法相比监督微调、强化学习等基线方法分别实现57.70%、7.95%等显著提升，特别在专家混合模型上表现突出，为大型语言模型对齐优化提供新范式。

在新一代IBM LinuxONE服务器正式在中国发布之际，IBM相关业务领导与技术专家向中国媒体详细介绍了IBM LinuxONE Emperor 4服务器“绿色低碳、弹性扩展、安全无虞”的技术亮点。

新南威尔士大学研究团队开发了ZARA系统，这是首个零样本运动识别框架，能够在未经专门训练的情况下识别全新的人类活动。该系统集成了自动构建的知识库、多传感器检索机制和分层智能体推理，不仅实现了比现有最强基线高2.53倍的识别准确率，还提供清晰的自然语言解释，为可穿戴设备和健康监护等应用领域带来了突破性进展。

AIGC淘金人。

哈佛大学研究团队通过创新的多智能体强化学习方法，让AI在战略游戏中学会复杂推理。研究发现AI通过游戏竞争能发展出类人思维能力，在逻辑推理、创造性解决问题等方面表现显著提升。这项突破性成果为未来AI在医疗、教育、城市管理等领域的应用奠定基础，展现了通过模拟人类学习过程培养真正智能AI的新路径。

黄仁勋在会后接受包括至顶科技在内的媒体采访时所说：“英伟达只做两类事情：要么是别人没在做的，要么是我们能做得独特且更好的。”

黄仁勋在会后接受包括至顶科技在内的媒体采访时所说：“英伟达只做两类事情：要么是别人没在做的，要么是我们能做得独特且更好的。”

这项由德国慕尼黑大学等机构联合完成的研究提出了FedNano框架，创新性地解决了多模态大语言模型在联邦学习中的部署难题。通过将模型拆分为服务器端核心和客户端轻量级NanoEdge模块，结合Fisher合并技术处理数据异质性，实现了95%的存储减少和99%的通信优化，同时保持了优异性能，为AI技术的普及化应用开辟了新路径。

南加州大学团队开发出革命性的"Tina"AI模型，仅用9美元训练成本就能达到与昂贵大型模型相媲美的数学推理能力。通过LoRA技术和15亿参数的精简设计，该研究将AI推理模型的训练成本降低了260倍，实现了真正的AI技术民主化，让个人研究者和小型团队也能负担得起高质量推理模型的开发。

M-A-P团队发布的COIG-P数据集包含100万个高质量中文偏好样本对，通过15个AI模型协作生成和8个AI评委评分构建。该数据集覆盖对话、编程、数学等六大领域，显著提升了中文AI模型性能，相关模型在AlignBench评测中获得2%-12%的性能提升。团队还开源了中文奖励模型CRM和评估基准CRBench，为中文AI社区提供了重要的开源基础设施。

不过，虽然这是一场地平线的产品发布会，但在整场演讲当中，我们听到最多的反而是余凯的产业理念。从当年在百度参与过辛顿深度学习公司竞拍的科学家，到现在的港交所上市公司，余凯自己完成了一个科学家到企业家的完美转身。这次发布会上，他也对芯片公司的创业之路做了一个相当完整的梳理。某种程度上，我们甚至可以将这场发布会当作一个商学院创业课来听。

伊利诺伊大学香槟分校团队推出SWERANK软件问题定位框架，通过"先筛选再精排"的两阶段策略，以极低成本实现了超越昂贵AI助手的问题定位准确性。团队构建的SWELOC数据集为训练提供了高质量的真实案例，实验证明该方法在成本效益比上比现有方案高出57倍，为软件开发行业提供了实用且经济的调试解决方案。

哈佛大学研究团队开发出革命性的"概念消融微调"技术，能在AI训练过程中精准识别并移除有害概念，就像外科手术般精确。该技术成功解决了AI"意外学习"问题，让模型在掌握目标技能的同时避免不良行为，有害响应率降低90%。这为创造更安全可靠的AI系统提供了新路径。