复旦大学和腾讯优图实验室联合推出StrandDesigner系统，首次实现通过手绘草图自动生成逼真3D头发的突破。该技术采用可学习多尺度放大策略和自适应条件控制机制，能处理从简单涂鸦到专业草图的各种输入，在多项指标上显著超越现有方法，有望革新游戏、影视等数字内容创作流程。

复旦大学研究团队开发出突破性AI技术，能够仅通过声音重建说话者面部图像。该技术基于声音特征与面部结构的生理关联，使用多层深度学习系统实现声音到图像的精确映射。测试显示生成图像与真实面孔高度相似，在执法、娱乐、医疗等领域具有广阔应用前景，同时也带来隐私保护等伦理挑战。

田纳西理工大学研究团队通过结合强化学习和变形金刚架构，成功开发出具备"元学习"能力的AI系统。该系统能在未见过的环境中快速适应并持续改进，展现了900%的性能提升。研究证实AI可进行技能组合、适应环境变化，且对训练数据质量具有显著鲁棒性，为通用人工智能发展指明新方向。

弗吉尼亚理工大学推出AR-RAG技术，让AI像拼图高手一样在生成图像时动态检索参考片段。该技术突破传统"闭门造车"模式，实现边生成边参考，显著提升图像质量和细节准确性。提供免训练DAiD和优化训练FAiD两种方案，在多个权威测试中创造同规模模型最佳成绩。

浙江大学等高校研究团队开发的VolSplat系统，通过"体素对齐"替代传统"像素对齐"方法，实现了快速高质量的3D场景重建。该技术仅需6张普通照片即可生成精确3D模型，在RealEstate10K等标准数据集上显著超越现有方法，为机器人导航、增强现实、建筑设计等领域提供了新的技术选择，代表了3D重建领域从二维思维向三维思维的重要转变。

POSTECH研究团队开发出VideoFrom3D框架，能够仅凭粗糙3D模型、摄像机轨迹和参考图片生成高质量场景视频。该方法巧妙结合图像和视频扩散模型优势，通过稀疏锚点生成和几何引导插值两个模块，实现了传统3D制作流程的革命性简化。实验证明该方法在多种复杂场景下表现优异，为3D内容创作提供了更高效的解决方案。

我们为何想跟ChatGPT交谈？何为第五范式？近二十位行业领袖共话前沿科技未来。

复旦和腾讯联合开发的UnifiedReward-Think是全球首个具备链式思维推理能力的统一多模态奖励模型。该系统能像专业评委一样进行多维度深度分析，在图像和视频评估任务中全面超越现有方法，准确率提升5-25%。更重要的是，即使不展示推理过程，其内化的推理能力也能显著提升直接判断的准确性，为AI评估领域带来革命性突破。

Perfios公司研究团队开发了创新的AI理财顾问训练框架，通过行为心理学驱动的数据生成方法，让8B参数的小模型在个人理财建议方面达到了与32B大模型相当的性能，同时运营成本降低80%。该方法首次将用户心理状态分析作为独立训练阶段，显著提升了AI建议的个性化程度和人性化表达，为普及化AI理财服务提供了技术路径。

「If you build it, ‘they’ will come.」

「If you build it, ‘they’ will come.」

这项由Gensyn、纳沙泰尔大学和代尔夫特理工大学联合研究的突破性成果，解决了大型AI模型训练中机器故障导致的巨大损失问题。研究团队开发的CheckFree方法无需备份即可快速恢复故障阶段，利用相邻层参数的加权平均重建丢失部分。升级版CheckFree+通过乱序管道执行技术还能处理边界层故障。实验显示该方法在低中故障率下比传统方案快12%以上，为AI训练民主化提供了重要技术支撑。

现在的AI已经有可能超越人类，INTUITOR系统让AI获得自我评估能力

智能手机上搭载的摄像头每一年都在不断升级，但2017年的发展势头则远超以往任何一年。这一次，我们不再单纯从苹果与三星(以及谷歌)当中选择胜者，而能够真正整理出智能手机摄像头领域的“第一梯队”。

算力，已不仅仅是一个技术指标，它已经成为了先进生产力的代表。

英特尔在这两年对于半导体技术的宣传仍然不遗余力：无论是半导体制造展望1-2年后的Intel 18A工艺，还是先进封装hybrid bonding互联间距缩减至3μm的未来技术

Skywork AI首次在软件工程领域验证数据规模效应，开发的Skywork-SWE-32B模型在SWE-bench Verified基准测试中达到38.0%准确率（使用测试时缩放技术可达47.0%），创下开源模型新纪录。研究构建了包含10169个验证实例的大规模数据集，证明增加高质量训练数据能持续提升AI软件修复能力，为开源软件工程AI发展提供重要突破。

字节跳动团队突破了AI图像生成领域的三大难题：身份识别不准确、文字理解偏差和图片质量不佳。他们开发的InfiniteYou技术采用创新的InfuseNet架构和多阶段训练策略，能够根据用户照片和文字描述生成高质量个性化图像。实验显示该技术在身份相似度、文本匹配度和图像质量方面均超越现有最佳方案，并具备出色的兼容性，为个性化内容创作开辟了新道路。

Meta和UC Berkeley联合研究团队开发了名为Toto的AI模型，通过"看前猜后"的方式学习理解视频。该模型观看了超过十万小时视频内容，在图像分类、视频理解、物体跟踪和机器人操作等多个任务中表现出色，甚至自然涌现了"物体永恒性"理解能力。研究发现视觉AI也遵循类似语言模型的缩放定律，但效率略低于语言模型。这项工作为构建通用视觉AI系统提供了新思路。

Soul AI团队发布突破性研究成果TransDiff，首次成功融合自回归变换器与扩散模型，实现图像生成质量与速度的双重突破。该技术在ImageNet数据集上创造FID 1.42新纪录，同时推理速度比传统方法快112倍，并提出多参考自回归全新生成范式。