这项由谷歌DeepMind研究团队开发的BlenderFusion技术，实现了将普通2D照片转换为可精确编辑的3D场景的突破。该系统通过三步流程：物体分层提取、Blender 3D编辑、生成式合成，解决了传统图像编辑中控制精度与真实感之间的矛盾，支持多物体操作、材质修改、场景重组等复杂编辑任务。

为了实时识别新出现的欺诈模式，PayPal需要更快地处理和分析更多数据，就需要将尽可能大体量的数据与实时处理做更好的对接。 然而，内存墙的问题，在此时也悄然出现了。

新加坡国立大学研究团队开发出革命性AI视频解说系统LiveCC，通过500万YouTube视频训练，实现0.5秒内实时生成视频解说。该系统在体育赛事解说质量上超越多个大型模型，在传统视频问答任务中也达到同规模最优性能，为AI实时多模态理解开辟新方向。

中科院软件所开发的PaperRegister系统通过分层索引技术革新学术论文搜索，将传统基于摘要的粗粒度检索升级为支持技术细节的精细化搜索。该系统为每篇论文建立树状信息结构，从概况到具体实现细节分层组织，配合智能视角识别器精准理解用户查询意图。实验显示在细粒度搜索中准确率提升22.6%，响应时间仅2.5秒，为科研信息检索提供了突破性解决方案。

2020年以意想不到的方式在展开，让人们愈发渴望AI的到来。

作为CIO，我们的核心技能体现在解决问题上。解决问题的能力越强，CIO之路就会走得越顺遂。

耶鲁大学团队首创AI论文审稿基准测试系统LIMITGEN，通过人工植入缺陷和真实审稿数据两套测试集，系统评估大语言模型识别科学论文局限性的能力。结果显示AI审稿准确率约52%，远低于人类专家的86%，但检索增强技术和多智能体协作显著提升了性能，为AI辅助学术评议提供了新思路。

颠覆式创新还是学术诈骗？韩科院联名谷歌发布新模型架构MoR

2018年12月12日，由OpenPOWER基金会主办的2018 OpenPOWER中国高峰论坛在北京举行。

有幸和大家谈一谈新常态和新变化下， IBM 服务器和存储用户关心的 5 个问题。

LMGAME-BENCH是一项创新研究，通过六款经典游戏评估大语言模型的游戏能力。研究发现直接让模型玩游戏效果不佳，因此团队设计了感知、记忆和推理支架来解决视觉识别弱、提示敏感和数据污染等问题。测试13款顶级模型显示，o3和o1表现最佳，且不同游戏考验不同能力组合。有趣的是，在某一游戏上训练模型不仅提升该游戏表现，还能增强其在规划和决策任务上的能力，证明游戏环境既是有效的评估工具，也是有价值的训练场景。

蚂蚁集团研究团队开发了梯度引导软掩码技术，解决大语言模型在用户行为理解方面的局限性。该技术通过自适应调节注意力机制，让模型从局部关注平滑过渡到全局理解。在支付宝1.4亿用户数据上的实验显示，这种方法在9项用户认知任务上均取得最佳表现，0.5B参数的专用模型甚至超越了8B参数的通用模型，为个性化服务和用户理解提供了新的技术路径。

新加坡国立大学研究团队开发的SynthRL是一种创新的数据合成管道，旨在提升视觉语言模型的推理能力。该方法通过三阶段流程自动生成更具挑战性的训练数据：首先基于难度选择模型已掌握的简单问题，然后生成保留原始答案的更复杂变体，最后验证问题的正确性与难度增加。应用于MMK12数据集后，研究生成了3300多个高质量问题，并在五个视觉数学推理基准上实现显著性能提升，尤其在最困难的样本上效果最为明显。这一研究证明了智能数据合成在增强AI推理能力方面的重要价值，为视觉语言模型的进一步发展开辟了新途径。

这项来自西湖大学的研究提出HoliTom，一种创新的令牌合并技术，能将视频大语言模型的计算成本降低到原始的6.9%，同时保持99.1%的性能。该方法通过全局冗余感知的时间合并、智能空间合并和内部LLM合并三重策略，全面减少视频处理中的冗余信息，使模型响应速度提升2.28倍，解码吞吐量增加1.32倍，为高效视频内容理解系统开辟了新可能。

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。

Prot2Token是密苏里大学研究团队开发的一种突破性蛋白质建模框架，它通过将各种蛋白质预测任务转化为统一的下一个标记预测问题，解决了传统方法需要为不同任务开发专门模型的限制。这个框架以自回归解码器为核心，配合预训练蛋白质编码器和任务标记引导，实现了从蛋白质序列到结构、功能和相互作用的多样化预测。实验证明其性能媲美甚至超越专门方法，并在结构预测上比AlphaFold2快1000倍。Prot2Token通过多任务学习促进了不同预测任务间的协同效应，为蛋白质研究提供了高效、通用的计算范式。

aiOla公司研究团队首次为语音识别AI装上"思维透视镜"，系统揭示了AI将声音转化为文字的内部机制。研究发现编码器不仅处理声音还理解语义，AI内部"知道"的信息比输出的更多，幻觉和重复问题可被精确定位和预测。这项突破性工作为构建更可靠的语音识别系统提供了理论基础，推动了AI可解释性研究的发展。

「 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。

亚马逊云科技过去几年来一直努力推动其Graviton产品线，AWS各大区域与数据中心正在全面迎接ARM新势力的到来。如今，微软也开始在Azure云上发布新实例，显然也想在ARM服务器芯片领域一展身手。

9月19日，以“Hello 5G 赋能未来”为主题的第十一届天翼智能生态博览会在广州盛大开幕。在第十一届天翼智能生态产业高峰论坛上，Qualcomm中国区董事长孟樸发表题为《5G赋能 共建未来》的主题演讲...