这项研究由ISTA和谷歌研究院联合开发的"影响力蒸馏"方法，通过利用二阶信息为训练样本分配最优权重，实现了大语言模型训练数据的高效选择。该方法在数学上有坚实理论支持，并创新性地引入"地标"近似技术，仅需计算少量样本的精确影响力，再高效传播到其他样本，大幅降低计算成本。实验证明，该方法在多种模型和任务上均优于或匹配现有技术，同时实现了高达3.5倍的速度提升，为大模型训练开辟了更高效的路径。

南开大学团队开发出DepthAnything-AC模型，解决了现有AI距离估算系统在恶劣天气和复杂光照条件下性能下降的问题。通过创新的扰动一致性训练框架和空间距离约束机制，该模型仅用54万张图片就实现了在雨雪、雾霾、夜晚等复杂环境下的稳定距离判断，同时保持正常条件下的优秀性能，为自动驾驶和机器人导航等应用提供了重要技术支撑。

这篇由阿里巴巴集团联合多所知名高校发表的综述论文，系统梳理了统一多模态理解与生成模型的最新发展。研究将现有模型分为扩散、自回归和混合三大类型，详细分析了不同图像编码策略的特点，整理了相关数据集和评估基准，并深入探讨了当前面临的技术挑战。

如果我有“机器猫”，我要叫他“小叮当”，竹蜻蜓、任意门和时光机能去任何的地方。

近日，HPE宣布推出全新的计算产品组合，组合覆盖边缘到百万兆级计算领域，力求加速推动产业数字化转型。

无论是疫情还是新基建,都极大地改变了企业业务经营模式。率先成功实现数字化转型的企业,化危为机,企业业务不降反增;而还在数字化大门外徘徊或刚迈进一只脚的企业,业务面临停摆甚至濒临倒闭。

这项研究提出了"下一事件预测"作为培养视频AI时间推理能力的新方法。研究者将视频分为过去和未来部分，让AI预测未来事件，而不仅仅是描述所见。他们创建了V1-33K数据集（包含33,000个视频片段）和FutureBench测试基准，实验证明这种方法显著提升了模型的时间推理能力。研究发现，演绎推理（通过下一事件预测）比归纳推理（视频问答）和溯因推理（先前事件预测）更有效，简单的监督式微调就能取得良好效果，且增加数据量超过5K后效果提升不明显。

除了算法，数据外，异构计算将会为AI应用带来更强大的支持。异构计算，特别是加速器的发展和创新，将会为业界、最终用户和创业公司带来更无限的商机。

希伯来大学研究团队提出"模型地图集"概念，系统性解决AI领域模型管理混乱问题。当前150万公开模型中超过60%缺乏文档，研究者难以找到合适模型，造成重复训练和资源浪费。团队开发出绕过权重对称性难题的新方法，能够自动推断模型血统关系和功能属性，已在真实数据上达到80%以上准确率，为构建有序AI生态系统奠定基础。

OpenAI创始人Sam Altman预测，到2025年AGI（通用人工智能）将实现，AI将加入劳动力大军，彻底改变企业运作方式。然而，这一大胆预测引发争议。虽然AGI短期内难以实现，但AI确实将以各种形式融入工作场景。微软、Salesforce等巨头凭借数据和用户优势占据有利地位，OpenAI则专注于提升AI推理能力。未来企业需要重视员工AI培训，以适应这场科技变革。

俄勒冈大学联合Adobe开发出Lizard框架，通过门控线性注意力和滑动窗口机制，让大型语言模型拥有"无限记忆"能力。该技术解决了传统AI处理长文本时速度下降和内存爆炸的问题，在保持智能水平的同时实现恒定速度处理，在MMLU测试中比之前方法提升18分。

在戴尔科技的帮助下，Draper正在使用模式识别技术提升卫星提供的海量图像数据的价值。

美国第一国民银行 (FNBO) 与语音安全专家 Pindrop 合作,采用创新技术来识别和验证客户身份。通过结合云端欺诈检测和身份认证系统,FNBO 实现了无摩擦的客户验证,提高了安全性和用户体验。该银行还在测试新的深度伪造检测功能,以应对日益严重的 AI 语音欺诈威胁。这种合作体现了银行业应对网络犯罪挑战的新趋势。

在外部环境充满了不确定变化的当下，企业想要更从容、主动地适应这些变化，就要足够灵活、敏捷的系统为企业创新提供支撑。而开源恰恰是最好的方式。

不少企业已经开始裁员并提高产品和服务价格，以抵消不断上涨的原材料成本。再加上前段时间持续蔓延的能源危机，导致消费者受到多方面压力、生活成本不断上扬。

在疫情这段史无前例的时期之后，云已经从一个单一用途的计算和存储IaaS，发展成为一个更为复杂的平台，能够支持新型的高级应用，并被CIO们称为下一代创新引擎。

这项由香港大学和南京大学等机构研究人员联合开发的双专家一致性模型(DCM)解决了高质量视频生成中的效率难题。研究团队发现扩散模型蒸馏过程中存在优化冲突：早期阶段负责语义布局与运动，后期阶段关注细节精修，两者学习动态差异显著。DCM创新性地将这两个任务分配给不同的专家模型，通过参数高效的实现方式，使模型仅需4步即可生成接近50步原始模型质量的视频，大幅提升生成速度，为实用化AI视频创作铺平道路。

伊利诺伊大学研究团队开发了HalluSegBench评估系统，首次系统性揭示AI视觉分割模型的"幻觉"问题。通过创建1340对对比图像和四种新评估指标，研究发现当前先进AI模型普遍存在错误识别不存在物体的严重缺陷，且视觉变化比文字变化更容易引发幻觉。该研究为提升AI系统可靠性提供了重要工具和理论基础。

这项研究展示了如何用极少的计算资源训练出高性能的多模态大语言模型。加州大学团队仅用220小时GPU就训练出了2B参数的Open-Qwen2VL，性能超越了使用277倍训练数据的同类模型。关键创新包括高质量数据过滤、多模态序列打包和动态图像分辨率策略。更重要的是，该项目重新定义了AI模型的"完全开源"标准，公开了训练代码、数据过滤技术和全部训练数据，为学术界提供了宝贵的研究资源。

《连线》杂志创始主编凯文·凯利发表了《What is Next》的主题演讲。凯文·凯利被看作是“网络文化”的发言人和观察者，他的书可能大家也很了解，《失控》《科技想要什么》和《必然》等书籍，影响了很多信息科技领域的从业者，人们也经常亲昵地称他为KK，