香港科技大学研究团队通过模型融合技术，成功将数学推理能力转移到视觉语言模型中，在保持视觉理解能力的同时显著提升数学问题解决能力。研究发现AI模型的不同功能分布在不同层次，为多模态AI发展提供新思路。

谷歌DeepMind发布新的离线视觉语言行动模型，让机器人无需云端支持即可自主运行。该模型基于Gemini的多模态理解能力，能够完成系鞋带、折衣服等复杂任务。相比之前的混合云端模式，新模型准确性仅略有下降，但大幅提升了响应速度和隐私保护。开发者可通过SDK进行定制化调优，仅需50-100次演示即可适应新任务。

布朗大学与Adobe研究院联合推出MS4UI数据集，专门解决软件教学视频的智能总结问题。该研究收集了2413个Adobe软件教程视频，提出视频分割、文本总结、视频总结三大任务，为软件学习AI开辟新方向。实验显示现有方法表现不佳，凸显了专业领域AI的技术挑战。

在Spotify，开发人员可以自行从种类繁多的库中进行挑选。但对于更重大的战略投资来说，Ploug表示，如果开源技术成为企业可以长期依赖的标准，Spotify将对其进行严格评估，以确保该技术不会过早地被迫转向更新的技术。

这项由斯坦福大学等多所知名研究机构联合开展的研究，首次为农业人工智能建立了全面的评估标准AgroBench。该测试集涵盖疾病识别、害虫识别、杂草识别等七个农业核心任务，包含4342个专家标注的问答对，测试结果显示AI在农业管理建议方面表现出色，但在精确视觉识别任务上仍需改进，为农业AI的未来发展指明了方向。

利用增强现实 (AR)、虚拟现实 (VR) 和数字孪生技术，可以提高包装设计效率，加强客户与原始设备制造商（OEM）之间的合作。

在这个智能化的时代，我们又要如何去应对人工智能的威胁？在近期于厦门召开的CPX“智聚共赢、智护网安”中国区用户及合作伙伴大会上，Check Point向我们展示了如何用“魔法”打败“魔法”。

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。

微软研究院与中国科技大学合作开发的高斯变化场扩散模型，实现了从单个视频快速生成高质量动态3D内容的突破。该技术将传统需要数小时的3D动画制作过程缩短至4.5秒，通过创新的变分自编码器和扩散模型设计，有效解决了4D内容生成中的数据构建困难和高维度建模挑战，在多项评估指标上显著超越现有方法，为电影制作、游戏开发、虚拟现实等领域提供了革命性的内容生成工具。

人力资源高管会参与到很多可以直接影响IT的计划中，从员工敬业度到培训，在人才市场紧张的情况下，IT必须高度依赖HR才能在招聘和留住有价值IT人才方面取得优势。反过来，IT在实施、自动化和增强HR所依赖的一系列技术、流程和服务方面也扮演着非常重要的角色。

东京大学研究团队推出MangaVQA基准和MangaLMM模型，专门用于评估和提升AI对日本漫画的理解能力。MangaVQA由526个高质量手动创建的问答对组成，用于评估AI系统对漫画内容的深入理解；MangaOCR则专注于漫画页内文本识别。基于这两个基准，研究团队从开源多模态模型Qwen2.5-VL微调出MangaLMM，能同时处理文本识别和内容理解任务。实验显示，即使是GPT-4o等顶尖商业模型在处理漫画的独特复杂性时也面临挑战，而专门训练的MangaLMM表现出色。

人工智能正在revolutionizing客户购物体验。未来5年内，AI将在各类产品的购买过程中扮演关键角色。AI购物助手将提供个性化推荐、自动购买和售后支持。专家建议企业应尽快拥抱这一趋势，否则可能落后于竞争对手。这种变革将重塑销售和营销策略，但也带来数据隐私等挑战。

常常在思考一个问题，传统企业，尤其是传统小微企业，如何实现数字化转型？最近刷抖音里，刷到一个00后帮父母卖袜子的小妹，还有两个卖牛肉的中年油腻大叔，他们这么做算不算是数字化转型？

区块链已经开始通过跟踪和库存管理这样的技术在改变着服装供应链。

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

前沿AI模型代表着当前最先进的人工智能系统，具备多模态处理、零样本学习和智能体行为等关键特征。以GPT-4o和Gemini 1.5为代表的前沿模型需要大量资源投入，面临成本与质量的平衡挑战。专家指出，基准测试既是推动发展的工具也存在被操控的风险。未来十年，这些模型将演变为无处不在的背景智能体，通过语音、凝视和情感识别与用户交互，彻底改变人机界面体验。

「 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。

莫斯科技术大学研究团队推出Balalaika俄语语音数据集，包含2000+小时录音室质量语音，专门解决俄语语音合成中的元音弱化、移动重音、文本规范化和录音单调性四大难题。实验证明该数据集训练的模型在语音合成和增强任务上显著超越现有方案，为复杂语言的语音技术发展提供了宝贵经验。

打破规矩，比在规矩中做得好，更重要。

进入2018年，网络安全行业仍将受到WannaCry勒索软件工具和Equifax数据泄露的影响，受影响规模超过1.43亿人。厂商和解决方案提供商在准备应对新威胁的同时，他们也需要帮助客户应对从5月开始生效的欧盟通用数据保护条例（GDPR）。