VerifyBench是首个专门评估大语言模型基于参考的奖励系统的基准测试，填补了现有奖励评估基准的关键空白。由浙江大学、美团等机构联合开发，包含VerifyBench和更具挑战性的VerifyBench-Hard两个数据集。研究发现虽然大型模型在标准案例上表现出色，但在复杂案例上仍有显著改进空间。该基准测试通过精心构建的数据集和评估框架，为提升大模型推理能力提供了标准化评估工具，对强化学习训练具有重要意义。

这项由Sierra公司联合多伦多大学开展的研究首次揭示了AI对话系统在双控制环境下的真实挑战。研究团队发现，当AI需要指导用户协作操作时，性能会显著下降约20%。他们开发的τ?-bench评估平台通过电信技术支持场景，系统性地测试了AI的协作指导能力，并通过程序化任务生成和环境约束的用户模拟大幅提升了评估可靠性，为未来人机协作AI系统的发展指明方向。

“‘人’是超写实数字人，‘数’是背后的数据和资产，‘场’是超写实虚拟场景，只有将这三块做好、做扎实，才能在未来十年里成为魔都元宇宙行业中的头部企业。”

一支极为低调的创业团队背后的传奇故事。

Skywork AI团队通过创新的人机协作数据处理方法，构建了史上最大规模的高质量偏好数据集SynPref-40M，训练出Skywork-Reward-V2系列模型。该系列在七项主要测试中全面超越现有最佳模型，证明了数据质量胜过算法复杂度的重要原理，为AI更好理解人类偏好开辟了新道路。

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。

MBZUAI研究团队开发的GG技术突破了跨架构程序翻译难题，通过AI将x86程序准确翻译为ARM版本，准确率达99.39%。与苹果Rosetta 2相比，性能快73%、省电47%、内存占用少141%。该技术采用大型语言模型结合严格测试验证，为硬件架构迁移提供了高效解决方案，将推动ARM处理器在数据中心的快速普及。

「 人该是自己生活的主宰，不是别人手里的行货。——王小波《一只特立独行的猪》 」

华盛顿大学研究团队发现小AI模型无法有效学习大模型的复杂推理方法，提出了"小模型可学习性差距"概念。他们通过大规模实验证明，小模型更适合学习简洁推理而非复杂推理，并创新性地提出混合蒸馏法，将不同复杂度的训练数据按比例组合，显著提升了小模型性能，为AI模型训练策略提供了新的"因材施教"思路。

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。

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。

加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架，让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式，包含指令、验证函数、示例解决方案和失败案例，确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中，仅使用自生成训练数据，Llama-3.1-8B模型性能提升了两倍多，证明AI可以通过自我挑战实现有效学习，减少对人类标注的依赖。

南洋理工大学团队提出Demo-ICL技术，让AI通过观看示范视频或阅读指导文字快速学习新技能并应用到新场景，类似师父带徒弟的学习模式。研究构建了包含1200个问题的Demo-ICL-Bench测试平台，发现现有AI在示范学习方面表现不佳，揭示了视觉抽象、时序对应、知识迁移等核心挑战，为未来机器人、教育、医疗等领域应用奠定基础。

当大家都在喊转型的时候，有可能才是最不应该被带节奏的时候。

“‘人’是超写实数字人，‘数’是背后的数据和资产，‘场’是超写实虚拟场景，如果我们把这三块全部做好、做扎实，就能在未来十年里成为魔都元宇宙行业中的头部企业。”

LangGPT创始者云中江树的双面人生

本古里安大学研究团队开发了Diff-Mamba，这是对高效AI架构Mamba的重要改进。该技术通过创新的"差分"机制解决了AI系统容易"走神"的问题，让AI能够更好地专注于重要信息、过滤无关内容。实验证明，Diff-Mamba在语言理解、信息检索和长文本处理方面都有显著提升，为构建更可靠、更高效的AI系统提供了新思路。

疫情终将过去，但是其带给我们的影响和思考将是长久的。这次危机从长远来看，也可以转化为金融行业提升业务和科技弹性，进一步深入数字化重塑的契机。

早期技术采用者们已经意识到，AI方案能否成功落地完全取决于数据。而在F1赛场上，数据同样是通往成功的必由之路。F1赛车配备有300多个传感器，负责记录影响车速的每一个微小变化——从空气动力学到海拔高度，再到气温、压力、振动、车身压力、发动机性能乃至轮胎状况。

沙特阿卜杜拉国王科技大学研究团队首次发现AI推理能力可以像文件一样被提取和转移。通过简单的数学运算从强化学习模型中提取"推理向量"，然后添加到其他模型上，实现推理能力的快速传递。实验显示模型在数学、代码生成等任务上性能提升4-12%，且在对抗性测试中保持稳定。这项技术有望让AI推理能力的获取从昂贵训练变为低成本复用，加速AI技术普及。