布朗大学研究团队开发AssertBench测试工具，首次系统评估AI在面对用户错误引导时的坚持能力。通过对比AI在正面、负面用户框架下的反应差异，研究发现多数模型存在"讨好倾向"，容易为迎合用户而放弃正确判断。研究还发现知识不足的AI反而更固执的悖论现象，为AI训练和应用提供重要启示。

韩国成均馆大学联合美国Rembrand公司开发的iLRM系统成功破解了3D重建技术的效率难题。该系统采用迭代优化策略，将复杂的一步式重建转变为逐步精雕细琢的过程，同时通过解耦设计和分批处理技术，实现了2-3倍的速度提升和显著的质量改善。这项突破为虚拟现实、电商展示、房地产等领域的3D应用普及奠定了技术基础，有望推动3D内容创作的民主化发展。

最好的电子邮件，应该是不让人心烦的电子邮件。

芝加哥大学研究团队通过创新的"分支因子"测量工具，发现经过对齐训练的AI模型生成选择比原始模型减少近十倍，解释了现代AI助手回答相似的原因。研究还发现这种"保守化"在复杂推理中反而提升了稳定性，并提出了通过引导方式平衡AI可靠性与创造性的方法，为AI技术发展提供重要指导。

中央佛罗里达大学开发的TLB-VFI技术通过在像素空间和潜在空间同时提取时间信息，解决了视频帧插值中的关键问题。该技术使用布朗桥扩散和3D小波变换等创新方法，相比现有方法参数减少3倍、速度提升2.3倍，在最具挑战性测试中性能提升约20%，为视频处理领域带来重要突破。

ByteDance研究团队发布OmniHuman-1，这是一个革命性的AI人物动画生成系统。该技术只需一张照片和音频就能生成逼真的说话视频，支持真人、动漫角色等多种图像类型。核心创新在于"全方位条件训练"策略，通过同时使用文字、音频、动作三种条件，将可用训练数据从10%提升到100%，显著改善了生成质量和多样性，为AI视频制作技术带来重大突破。

这篇研究介绍了DC-CoT，首个专门评估数据操作如何影响思维链(CoT)知识蒸馏的基准系统。北卡罗来纳大学教堂山分校等机构的研究者使用多种教师模型(如Gemini-Pro、Claude-3.5)和学生架构(3B-7B参数)，系统评估了数据增强、选择和混合对学生模型在多个推理任务上的表现影响。研究发现数据增强(尤其是逆向思维)最为有效，不同任务需要不同的最优策略组合，且存在"小模型学习能力差距"—较小学生模型可能从匹配其容量的较小教师中学习更有效。

近日，InfoQ 对全球开源软件巨头 SUSE 首席技术与产品官 Thomas Di Giacomo 博士进行了专访，围绕操作系统的持续演进、Linux 发展、开源、SUSE 的实践经验与产品技术战略等话题，Thomas Di Giacomo 博士分享了自己的洞察与见解。

浙江大学与阿里巴巴合作，创新性地使用2.2万小时教学视频训练AI模型，创建了首个大规模视频基础的多模态教科书。该方法让AI像真实学生一样从结构化教学内容中学习，在数学推理和科学问答等任务上性能大幅提升，证明了高质量教育数据比海量低质量数据更有价值，为AI教育应用开辟了新路径。

ByteDance研究团队提出TiKMiX方法，通过引入"组影响力"概念动态调整AI训练数据配比，解决传统静态配方导致的训练效率低下问题。该方法能根据模型不同训练阶段的数据偏好实时调整，仅用传统方法20%的计算资源就实现更优性能，在多项测试中平均提升2%效果，为大模型训练提供了更智能高效的解决方案。

中科院软件所团队发布LiveMCPBench，这是全球首个大规模MCP工具使用评估框架。该研究构建了包含527个工具的测试环境和95个真实任务，评估AI在复杂工具环境中的表现。测试显示Claude-Sonnet-4达到78.95%成功率，而多数模型仅30%-50%，揭示了AI工具组合使用能力的巨大差距，为未来智能助手发展指明方向。

韩国研究团队开发出全球首个能够同时生成语音和面部表情的AI系统JAM-Flow，突破了传统技术分离处理音频和视觉的局限。该系统采用多模态扩散变换器架构，通过联合注意力机制实现音频与表情的完美协调。在多项测试中表现优异，用户体验测试显示其生成效果明显优于现有系统。这项技术为虚拟主播、影视制作、教育培训等领域带来革命性进展，代表了多模态AI发展的重要里程碑。

当前，以互联网、大数据、人工智能为代表的新一代信息技术日新月异，给各国经济社会发展、国家管理、社会治理、人民生活带来重大而深远的影响。

这项由卡内基梅隆大学团队提出的Mod-X框架，旨在解决AI智能体之间无法有效协作的核心问题。通过分层架构设计，包括通用消息总线、语义翻译层、状态管理和区块链安全机制，实现了不同技术背景的AI系统无障碍通信。该框架采用发布-订阅模式，支持语义能力发现和动态工作流编排，为构建真正去中心化的AI生态系统奠定了基础。

当面对严峻的危机时，任何文字似乎都显的苍白无力，只有那些实实在在的行动才显的犹如珍贵，在面对这场突如其来的公共卫生安全事件中，社会各界纷纷通过实际行动为抗击疫情做出自己的贡献，其中不乏很多我们熟知的科技类企业，这些企业有的通过直接捐款捐物。

ROSE是一项突破性的视频编辑技术，能够彻底移除视频中的物体及其环境影响。由浙江大学等机构研发，该系统不仅删除目标物体，还智能处理阴影、反射、光照等五种副作用。通过3D渲染生成训练数据，采用引用式擦除和差异掩码预测等创新方法，ROSE在各项性能指标上全面超越现有技术，为视频编辑领域带来了新的可能。

作为在Meta内部极具影响力、最杰出的领导者之一，雪莉·桑德伯格的离去掀起轩然大波，逼得扎克伯克不得不出面解释。

国立新加坡大学Show Lab团队开发的OmniConsistency是一种基于扩散变换器的通用一致性插件，用于解决图像风格化中的一致性问题。该方法采用两阶段解耦训练策略和滚动LoRA银行机制，实现风格学习与一致性学习的分离，有效保留图像风格化过程中的语义、结构和细节。研究团队构建了包含22种风格的高质量配对数据集，并通过定量与定性评估证明该方法达到了与商业模型GPT-4o相当的性能。OmniConsistency具有即插即用兼容性、强大的风格泛化能力和高计算效率，为图像风格化技术带来了重大突破。

RAVENEA是哥本哈根大学研究团队开发的首个多模态检索增强视觉文化理解基准，集成了超过10,000份人工标注的维基百科文档，用于评估视觉语言模型的文化敏感性。研究发现，轻量级视觉模型在配备文化感知检索功能后，在文化视觉问答和图像描述任务上分别提升了至少3.2%和6.2%的性能，证明了检索增强方法在提升AI文化理解能力方面的有效性，为构建更具文化包容性的视觉AI系统开辟了新路径。

Llama3.1 版本模型提供了更好的推理能力、更大的 128K token 上下文窗口，并改进了对8种语言的支持。