这项由多伦多大学等机构联合完成的研究提出了令牌扰动引导（TPG）技术，通过"洗牌"操作改进AI图像生成质量。该方法无需额外训练即可显著提升图像生成效果，在无条件生成中质量指标提升近2倍，条件生成中接近最先进CFG技术的表现。TPG具有即插即用、通用性强的特点，为AI图像生成技术发展提供了新思路。

科技未来可期，值得我们共同奔赴。

中国工程院院士邬贺铨讨论了人工智能的发展，从IBM的深蓝到AlphaGo再到ChatGPT，展示了AI从判别式到生成式的进步。他强调了数据在AI时代的重要性，提出了数据共享与开放的必要性，并指出中国在数据产量和存储量上与美国存在差距。他还提到了政府数据的利用率不高，需要改进数据共享和开放机制。邬贺铨建议加强数据治理，提升数据安全，促进社会数字化，并强调了大模型技术在社会治理中的潜力与风险。

斯坦福大学研究团队创建了全球首个创意写作评估基准LitBench，通过分析Reddit写作社区的4万多对故事比较数据，训练AI模型判断创意写作质量。研究发现专门训练的小型奖励模型（78%准确率）能超越大型语言模型评委（73%），但添加推理链反而降低了表现，揭示了创意评判需要直觉性判断的特点。

南京大学与伦敦大学学院联合开发了CONTEXTBENCH基准，专门评估编程助手的代码上下文检索能力。研究发现复杂助手并不优于简单工具，当前助手普遍存在信息整合障碍，平均丢失17.9%-43.5%的正确信息。该研究通过1136个真实任务和专家标注，揭示了智能编程工具的可靠性问题，为行业发展提供重要警示。

复旦大学和阿里巴巴联合推出VStyle，这是全球首个专门评估AI语音风格适应能力的基准测试。该研究解决了当前语音AI只关注"说什么"而忽视"怎么说"的问题，提出包含声学控制、自然指令、角色扮演、情感共情四类测试的1523个双语指令集。创新性地使用大型音频语言模型作为评判系统，实现了接近人类专家水平的评估一致性。测试结果显示商业系统明显优于开源系统，为语音AI向更自然人性化交互发展提供了重要技术基准。

这项研究开发了VIDEO-RTS系统，仅用传统方法3.6%的训练数据就让AI学会了真正的视频推理能力。系统采用"纯强化学习"跳过死记硬背阶段，结合"稀疏到密集"的自适应推理策略，在五个权威测试中平均准确率提升2.4%。这一突破性进展可能改变AI视频理解的发展方向。

这项研究介绍了EgoZero，一种创新的机器人学习系统，能够仅通过Project Aria智能眼镜捕获的人类示范数据，训练出零样本迁移的机器人操作策略。研究团队提出了一种形态无关的状态-动作表示方法，使用点集来统一人类和机器人数据，并开发了从原始视觉输入中提取准确3D表示的技术。在没有任何机器人训练数据的情况下，EgoZero在7种真实世界操作任务上实现了70%的成功率，展示了强大的泛化能力，为解决机器人学习中的数据瓶颈问题提供了新思路。

俄国研究团队开发出InnerControl技术，通过训练轻量级"内心解读器"监控AI绘画过程中的中间特征，实现全程实时控制指导。该方法在深度控制任务中比现有最佳方法提升7-10%精度，同时保持图像质量，解决了AI绘画控制不精确的核心问题，为更可靠的AI创作工具奠定基础。

SSR是西湖大学研究团队开发的创新框架，通过引入深度感知增强视觉语言模型的空间理解能力。该方法将原始深度数据转换为结构化的推理语言，作为中间表示，显著提升空间推理能力。研究团队还创建了包含超过百万级的SSR-COT数据集和SSRBENCH评估基准。实验表明，SSR无需重新训练现有模型即可提供显著性能提升，在空间任务上最高改进22.5个百分点，为机器人和计算机视觉领域开创了新的可能性。

在当下的AI竞争格局下，没什么能比一场AI浓度爆表的大会，更能快速彰显自身实力了，AMD的这场「Advancing AI大会」，就是印证。

KAIST团队开发了PaperCoder，一个能够自动将机器学习论文转化为完整代码仓库的AI系统。该系统通过规划、分析、编码三个阶段，解决了80%科学论文缺乏代码实现的问题，在评估中获得88%专家认可，生成的代码只需微调0.81%即可执行。

西安交通大学等机构研究团队提出MUR方法，通过"动量不确定性"概念让AI推理系统学会轻重缓急，在节省50%以上计算资源的同时提升0.62-3.37%的准确率。该方法从物理学动量概念获得灵感，能够识别关键推理步骤并选择性地分配计算资源，解决了AI推理中的"过度思考"问题，为提高AI系统效率开辟了新路径。

在我们的日常生活中，睡眠的重要性不言而喻。一个晚上没睡好，第二天的工作效率就会大打折扣，而充足的睡眠不仅能让我们恢复精力，还能帮助大脑整理和巩固当天学到的知识。有趣的是，AI模型竟然也表现出了类似的“睡眠需求”。

北京大学和百度VIS联合研发的MV-AR技术，首次让AI学会像人类一样逐步观察物体，通过自回归方式生成多视角一致图像。该技术解决了传统方法在处理大视角差异时的一致性问题，支持文字、图像、形状等多种输入，在3D内容创作、机器人视觉等领域具有广阔应用前景。

这项由香港中文大学多媒体实验室和香港大学等机构合作的研究，开发了名为GoT的革命性AI图像生成方法。该技术让AI在创作图像前先进行语义和空间推理，用户可直接查看和修改AI的"思考过程"来精确控制生成结果。研究团队构建了超过900万样本的训练数据集，GoT在多项标准测试中均取得最佳成绩，为AI创作从盲目生成向智能推理的转变奠定了基础。

这项研究提出了HoPE（混合位置编码），一种针对视觉语言模型的新型位置编码技术，专门解决长视频理解的挑战。传统位置编码技术在处理长视频时表现不佳，HoPE通过两个创新解决了这一问题：混合频率分配策略（为空间信息分配高频，时间维度使用零频率）和动态时间缩放机制（根据视频速度灵活调整时间编码）。实验证明，HoPE在长视频理解和检索任务上分别提升了8.35%和22.23%，为AI更准确理解长视频内容开辟了新途径。

云从科技创始人周曦到美国留学时,研究重心从语音识别转到了图像——师从计算机视觉之父黄煦涛(Tomas S. Huang)教授

「 聊到移民话题，除了欧美，还有许多人会提到新加坡。作为一个经济实力强大、中西文化交融、教育发展卓越的国家，新加坡一直是华人最喜爱的宜居之地之一，吸引着国内越来越多的程序员移民过去。今日推荐 Keegan小钢（id：keeganlee_me）一篇文章。

面对发展初期RISC-V生态薄弱的难点，赛昉科技同样有自己的独到见解。“垂直整合”的落地模式是赛昉科技的破局之策，从处理器内核到处理器芯片，到开发板和生态，再到最终的系统和产品，赛昉科技一路同行。