这项研究提出了一种创新的无配对数据训练方法，用于开发轻量级智能手机图像信号处理器(ISP)。传统方法需要具有像素级对齐的配对RAW-RGB数据，而该方法通过多重损失函数和三个鉴别器的对抗训练，成功实现了无需配对数据的高质量图像处理。研究在ZRR和富士胶片UltraISP数据集上测试，证明轻量级模型(仅3K参数)能达到接近配对训练的视觉效果，且适合在手机上实时运行。这一方法大大降低了开发手机相机处理算法的成本和技术门槛。

答者为Pure Storage旗下PortWorx云原生业务部门副总裁兼总经理Murli Thirumale。而这篇问答的核心，在于解读组织机构为什么不仅需要存储策略、更需要制定数据策略。

Mirage是由Captions公司开发的革命性AI视频制作平台，用户只需用文字描述创意想法，系统就能自动生成专业水准的短视频内容。该技术基于专门训练的AI模型，深度理解社交媒体视频的节奏和吸引力法则。目前拥有超过10万日活用户和2000万注册用户，每月产生300万个视频。平台提供个人版Captions应用和企业版Mirage Studio，后者支持大规模内容制作和快速A/B测试，正在重新定义数字内容创作的门槛和效率。

这是首份关于自动驾驶领域视觉-语言-行动模型的全景调研，由清华大学等多校团队完成。研究梳理了让汽车能看、能说、能开的VLA4AD技术发展历程，从早期语言解释器到最新推理增强系统的四个阶段，分析了20多个代表性模型，整理了相关数据集和评估方法，并指出了实时性能、安全验证、多模态融合等关键挑战和未来发展方向。

人形机器人早期落地，更依赖端侧小模型。

人形机器人早期落地，更依赖端侧小模型。

SWE-bench-Live是微软与上海人工智能实验室联合开发的持续更新基准测试平台，解决了现有代码修复评估工具的数据老化、覆盖有限和人工依赖问题。核心创新是REPOLAUNCH自动化流水线，能从GitHub抓取2024年后的1,319个真实问题，自动配置Docker环境。研究发现最先进的AI代码助手在该平台上的解决率仅为19.25%，远低于静态基准测试表现，尤其在处理多文件修改和大型代码库时存在明显局限。

根据IDC发布的《2023Q1中国软件定义存储及超融合市场研究报告》显示,超融合得到了越来越多企业用户的青睐。

西班牙马德里理工大学研究团队开发了全球首个融入能耗意识的AI评估平台——生成式能源竞技场（GEA），通过对694个评估样本的分析发现，当用户了解AI模型能耗信息后，46%的用户会改变原始选择，更节能小模型的获胜率从50%跃升至75%以上，揭示了能耗意识对AI选择的显著影响，为构建可持续AI生态系统提供重要科学依据。

这篇研究介绍了"量化LLM评价者"，一个创新框架，能使大型语言模型(LLM)在评估其他AI输出时更接近人类判断。由麻省理工和Adobe联合研发的这一方法，将评估过程分为两个阶段：先让LLM生成文本评价，再用轻量级机器学习模型将这些评价转化为更准确的数值评分。研究提出了四种评价者模型，适用于不同评估场景，实验表明它们不仅能显著提高评分准确性，还比传统微调方法更节省计算资源。这一框架特别适合人类反馈有限的场景，为AI评估领域开辟了高效且可解释的新路径。

Pure Storage公司欧洲、中东和非洲地区（EMEA）CTO认为，我们在存储、网络和软件数据集规模方面即将遭遇可扩展性极限。

香港科技大学研究团队推出VL-Rethinker，这是首个能在视觉语言任务中进行深度反思的AI系统。通过创新的"选择性样本回放"和"强制反思"训练策略，VL-Rethinker在数学视觉推理等任务上显著超越GPT-o1，证明了AI可以学会像人类一样自我检查和纠错，为构建更智能可靠的多模态AI系统开辟了新路径。

阿里巴巴集团高德地图团队与北京邮电大学合作开发的FantasyPortrait系统，实现了突破性的多人肖像动画技术。该系统采用隐式表情控制和遮罩交叉注意力机制，能够让静态照片中的多个人物同时展现不同的表情动作，在跨身份重现和多人协调动画方面显著优于现有方法，为影视制作、虚拟通信和游戏娱乐等领域带来革命性突破。

田纳西理工大学研究发现，在特定条件下，纯粹追求短期利益的人工智能反而会自发表现出探索行为。研究通过多臂老虎机和网格世界实验证实，当环境具有重复结构且智能体拥有足够记忆时，贪婪策略能够产生类似Thompson采样的探索效果。这一发现挑战了探索与利用必须对立的传统观点，为简化强化学习算法设计提供了新思路。

11月1日，以“无界BOUNDLESS · 数织未来AI同行”为主题的2024 绿盟科技TechWorld智慧安全大会在北京如约启幕。

互联网巨头的新玩法，是一次跨维度挑战，但是也是一次新思维重塑。这既未见得不能给传统玩家以新启发，也不好说某天守城一方也可以借此新模式反攻互联网。

东华师范大学团队提出MLLMSeg框架，仅用34M参数的轻量级模型在图像分割任务中超越了632M参数的传统SAM模型。该方法通过创新的DSFF特征融合模块，充分挖掘多模态大语言模型视觉编码器的潜力，将细节特征与语义特征完美结合，在RefCOCO等标准数据集上取得领先性能，为移动设备部署和实际应用提供了高效解决方案。

Meta推出首个专门针对推理任务的智能检索系统ReasonIR-8B，突破传统关键词匹配局限，能真正理解复杂问题并找到有助解决问题的信息。该系统通过创新的ReasonIR-Synthesizer训练方法，在推理密集型检索任务上创下新纪录，计算效率比传统方法提升200倍。技术已开源，为教育、医疗等领域带来智能化信息检索新可能。

按照惯例，在I/O的第二天，谷歌会组织一场针对全球媒体的小范围群访。今年也一样，包括Alphabet兼谷歌CEO桑达尔·皮查伊(Sundar Pichai)在内的三位核心管理层，在采访中讨论了AI产品的策略、市场竞争、Gemini的进化、搜索的变革、智能眼镜的复活、AGI的未来等约20个问题。科技行者Techwalker连续第二年参与此类群访。

Open AI的大型语言生成模型ChatGPT火热，它能胜任刷高情商对话、生成代码、构思剧本和小说等多个场景，将人机对话推向新的高度。全球各大科技企业都在积极拥抱AIGC，不断推出相关技术、平台和应用。