最近一些人工智能的健康和进展状况相关调查、研究、预测和其他定量评估，突显出新型冠状病毒大流行结束之后未来工作方式的特点，消费者对于数字隐私的不同态度，以及今年人工智能相关投资的弹性变化。

前一篇从Jetson Projects所挑选的“TRANSFER LEARNING WITH JETBOT & TRAFFIC CONES”项目，是延续避撞应用使用深度学习的图像分类技术，让Jetbot实现循路的功能，这种“定速”类型的操作基本上比较偏向于“找路”或“走迷宫”的应用。

5月18日，智齿科技举办主题为“无界.融合.共赢数智化未来”的战略合作暨融资发布会，宣布完成由用友领投、云启资本跟投的C轮2.1亿人民币融资。

这项研究由清华大学和新加坡国立大学团队完成，系统探讨了大推理模型在事实查询任务中的幻觉问题。研究发现，仅通过单一训练阶段（仅SFT或仅RL）开发的推理模型更容易产生幻觉，而完整SFT+RL流程训练的模型幻觉较少。研究者识别出两种导致幻觉的关键认知行为："错误重复"和"思考-答案不匹配"，并从模型不确定性校准角度揭示了幻觉产生的内在机制，为开发更可靠的推理模型提供了重要指导。

清华大学研究团队提出测试时扩展技术，让AI视频生成如同延长考试时间的学生，通过生成多个候选视频并智能选择最优结果，显著提升视频质量。该方法无需重训模型，在六个主流模型上均实现稳定改进，部分维度提升超35%，为AI视频生成的实用化应用开辟新路径。

日产汽车以“新时代，‘全新’日产在中国”为主题，携全系电驱化车型亮相2024北京国际汽车展览会，并发布全新品牌主张，以全新姿态向新时代出行迈进。

企业弄清“专精特新”和“高新技术”的概念，合理战略决策，规避影响至关重要。

佐治亚理工学院研究团队开发的ConceptAttention技术首次实现了对AI图像生成模型内在机制的精确解读，能够生成高质量概念定位地图，准确显示AI如何理解图片中各种概念的位置。该技术在零样本图像分割任务中表现卓越，准确率达83.07%，超越15种先进方法，并成功扩展至视频分析领域，为AI可解释性研究开辟新方向。

各类技术已慢慢就绪，Web3.0的卷轴也渐渐展开，期待这一轮互联网变革再次带给我们惊喜。

NVIDIA领导的国际团队开发出DIFIX3D+系统，通过单步扩散模型DIFIX解决3D重建在极端视角下的画质瑕疵问题。该技术既能在训练阶段渐进式优化3D表示，又能在推理时实时修复残余瑕疵，在多个数据集上实现FID分数2倍改进和PSNR超1dB提升，且兼容NeRF和3DGS两种主流3D表示方法。

这项研究提出了ChARM，一种创新的角色扮演AI奖励建模框架，通过行为自适应边界和自我进化策略大幅提升AI角色的真实性和一致性。研究团队创建了包含1,108个角色的RoleplayPref数据集，实验表明ChARM比传统模型提高了13%的偏好排名准确率，应用于DPO技术后在多项基准测试中达到了领先水平。这一突破将为娱乐、教育和心理健康支持等领域带来更加自然、个性化的AI互动体验。

机器人将是下一个迎来巨变的行业。

这项由上海人工智能实验室、南京大学和中科院深圳先进技术研究院联合完成的研究，开发了全球首个专门测试AI长视频推理能力的评估平台VRBench。该平台包含1010个多语言长视频和超过9000个多步推理问答对，创新性地采用双重评估机制，既测试AI的答案准确性，也评估推理过程质量。测试结果显示，即使是最先进的AI模型在复杂视频推理任务上仍存在显著不足，特别是推理过程的可靠性方面。

随着AI成为其业务战略中不可或缺的一环，Autodesk正在从实验阶段过渡到完整的生产环境，通过精心规划和跨职能协调来应对AI的变革潜力。

想象一下，你正在使用一个餐厅点餐系统。传统的系统可能只有一套固定的点餐流程，无论你是来喝咖啡、吃简餐还是举办宴会，都要经过同样的步骤。这就像当前的任务级多智能体系统——它们为特定类型的任务（比如代码生成）设计一套固定的工作流程，所有查询都必须按照这一流程处理。

在这样的元宇宙中，XR将是你的神笔，整个世界都将是你的画布。

11月7日，2020天翼智能生态博览会在广州盛大开幕，这已是中国电信与高通公司连续第十二年联合举办这一行业盛会，如今天翼展已成为引领全球智能产业走向的行业风向标。

德国慕尼黑工业大学联合谷歌等机构推出HyperNoise技术，通过训练专门的"噪声超网络"为AI图像生成模型提供最优起始条件，在几乎不增加推理时间的情况下显著提升生成质量。该技术将复杂的优化过程从推理时转移到训练时，实现了速度与质量的完美平衡，为快速高质量AI图像生成提供了突破性解决方案。

电机，被誉为工业生产的“心脏”，是一种基于电磁感应定律实现电能与机械能相互转化的关键装置，广泛应用于各种机械设备中作为动力源。目前传统电机市场已经成熟，发达国家凭借技术和市场优势在全球市场中占据主导地位。

北京交通大学与阿里巴巴AMAP团队合作开发FE2E框架，首次将图像编辑模型应用于单目深度估计任务。该方法仅用71K训练图像就在ETH3D数据集上实现35%性能提升，超越了使用100倍数据的DepthAnything系列。通过重新设计训练目标、采用对数量化和联合估计策略，FE2E证明了选择合适基础模型比单纯增加数据量更有效，为资源受限环境下的高精度几何估计开辟了新路径。