苹果公司发布突破性AI模型Manzano，首次实现单一模型同时具备图像理解和生成能力。该模型采用创新的混合视觉标记器设计，通过统一的语义空间有效解决了传统多模态模型中理解与生成任务的冲突问题。在多项基准测试中，Manzano不仅达到了专门化模型的性能水平，还展现出优异的规模化效应和实用性。

PeopleTec公司研究人员发现了一种新型网络攻击方式，能够在网站图标的透明度通道中隐藏恶意代码。这种攻击完全无声无息，利用浏览器自动下载图标的标准行为，在用户访问网站时自动执行恶意程序。研究显示全球每天有数千亿次图标请求，为攻击者提供了巨大的潜在攻击面。此技术对现有网络安全防御体系构成严重挑战。

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。

俄罗斯Sber AI实验室创建了史上最大规模的面部视频健康检测数据集MCD-rPPG，包含600名参与者的多角度视频和13种健康指标数据。他们开发的AI模型能仅通过观察面部视频就检测心跳、血压等健康指标，心跳检测误差仅4.86拍每分钟，处理速度比现有模型快13%。这项技术有望让智能手机变成便携健康监测设备，推动远程医疗和个人健康管理的发展。

最近一段时间，Hot Interconnects、Hot Chips、Google Cloud Next和Meta Networking@Scale等重量级会议先后亮相。借此机会，我们打算通过本文以更有条理的方式对资讯亮点做一番整理，聊聊并深入分析我们听到和看到的这些丰富内容。

阿里巴巴团队开发了CODEELO，这是首个让AI模型与人类程序员在相同条件下公平竞技的编程评估平台。该系统通过直接将AI代码提交到真实竞赛平台CodeForces进行评判，实现了零误判和完全公平的评估环境。测试33个主流AI模型发现，只有OpenAI的o1-mini表现突出（评级1578，超越90%人类选手），大多数模型仍处于人类参赛者最低20%水平，揭示了AI在复杂推理任务中的真实能力差距。

天津市人工智能学会、至顶科技与至顶智库联合发布2024全球AIGC产业全景图谱及报告。

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。

想象一下，你正在观看一部黑白漫画。虽然故事情节精彩，但如果能有鲜艳的色彩，体验肯定会更加丰富。漫画产业正面临这样的挑战：如何高效、准确地为线稿上色，同时确保色彩的一致性和精确控制？

在汲取去年测试经验后，今年将测试项目调整为针对网络、计算、存储及云主机可扩展能力这四个项目，被测试的还是去年测试过的AWS、Azure、UCloud、阿里云、百度云、华为云、金山云、京东云、青云、腾讯云这十个公有云厂商的云主机。各项测试分析结果如下：

微软“2021年工作趋势指数”宣告混合办公新常态；Microsoft Teams加速智能会议创新，未来6~12个月将推出超过500项新功能；微软携手硬件合作伙伴打造MTR智能会议室新体验

尽管总有人诟病智能手机创新接近天花板，然而在5G时代的当下，有高通这样的发明家和中国手机厂商的存在，智能终端依然能量不减，青春气息于多处洋溢。

北京交通大学研究团队在2024年NeurIPS会议上发表突破性研究，提出概率鲁棒性理论框架解决AI模型在现实部署中的性能不稳定问题。该方法通过优化训练过程让AI学习数据本质特征而非表面现象，显著提升模型在环境变化下的稳定性，为医疗、自动驾驶等关键应用提供更可靠的AI解决方案。

多模态大型语言模型（Multimodal Large Language Models，MLLMs）在人工智能 的最新进展中扮演着关键角色，作为通用全能助手开发的基础元素。然而，这些方法依赖 于粗粒度的图像级对齐，缺乏对细节的理解（如区域描述和推理）。

这项研究提出了ORV（占用中心机器人视频生成）框架，利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比，ORV能提供更精确的语义和几何指导，实现更高的时间一致性和控制精度。该框架还支持多视角视频生成（ORV-MV）和模拟到真实的转换（ORV-S2R），有效弥合了虚拟与现实之间的差距。实验结果表明，ORV在多个数据集上的表现始终优于现有方法，为机器人学习和模拟提供了强大工具。

帝国理工学院的研究团队开发了AlphaMed，这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型，无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响，研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩，甚至超越了更大的封闭源模型，同时展现出自发的步骤推理能力，为医疗AI发展提供了更加开放、高效的新路径。

德州农工大学等多所知名高校联合Meta公司推出的SAFEFLOW框架，为AI智能体首次提供完整安全保障体系。该系统通过信息流控制、事务日志和动态信任评估，解决了当前AI助手易受欺骗、缺乏协调的关键问题，在专门构建的测试平台上实现了接近完美的安全表现。

在今天举办的冬季新品发布会上，华为推出一款创意设计和功能组合的腕间新品华为WATCH Buds-----业界首款弹盖磁吸式耳机手表。

在本周于硅谷举行的开放计算项目（OCP）全球峰会上，Meta Platforms推出了其全新“Grand Teton”AI系统，以及基于磁盘对口的配套“Grand Canyon”大容量存储阵列。

ServiceNow联合多个顶级研究机构提出ALIGNVLM，这是一个专门用于文档理解的视觉-语言模型。其核心创新ALIGN连接器通过将视觉特征映射为语言模型词汇的概率分布，有效解决了传统方法中视觉和语言模态对齐不准确的问题，在多个文档理解基准测试中取得显著性能提升。