如果我有“机器猫”，我要叫他“小叮当”，竹蜻蜓、任意门和时光机能去任何的地方。

字节跳动种子实验室推出突破性实时视频生成技术AAPT，实现24fps高清视频的实时生成与交互控制。该技术通过自回归对抗后训练，将传统多步生成压缩至单步完成，在H100 GPU上实现0.16秒超低延迟。支持长达60秒连续视频流生成，在姿态控制虚拟人和摄像机控制世界探索等应用中表现出色，为实时交互媒体内容创作开辟全新道路。

摩根士丹利研究团队开发了专门掌握Q编程语言的AI模型QQwen，通过创新的三阶段训练方法（预训练、监督学习、强化学习），让开源AI模型在Q语言编程测试中达到59%准确率，超越GPT-4.1等商业模型。研究团队完全开源了模型、数据和训练代码，为AI专业化训练提供了可复制的成功范式，证明了中等规模开源模型通过针对性训练可以在特定领域超越大型商业模型的表现。

一年过去，ChatGPT引发的AGI热潮丝毫未减。只是相对于最初推出时掀起的全民大模型热，如今关于该如何落地的讨论更多了起来。

上海交通大学研究团队构建了迄今最大的人体动作数据库MotionMillion，包含200万个动作序列，并训练出70亿参数的AI模型，实现了根据文字描述生成自然人体动作的零样本能力。该技术采用创新的六步数据处理流程和小波变换优化，在动作质量和文本对齐度方面显著超越现有方法，为动画制作、机器人控制、虚拟现实等领域开辟了新的应用前景。

全球人工智能治理倡议发布

12月12-15日，第十八届CCF全国高性能计算学术年会（以下简称CCF HPC China 2022）以线上的方式举行

这项来自香港中文大学的研究开发了名为"LoRA-Edit"的视频编辑技术，通过巧妙结合LoRA适应技术和遮罩机制，解决了传统视频编辑中编辑效果难以精确传播、背景容易被意外改变的问题。该技术让用户只需编辑第一帧画面，就能让编辑效果自然传播到整个视频，同时可通过参考图片进一步控制编辑外观，在多项对比测试中均超越现有先进方法。

比特币曾被视为一种“惊世骇俗”的产物，然而现在整个世界都在为之疯狂。而在最终热度下降后，哪套区块链平台能够继续存在，而哪些将永远消失？为了做出准确的预测，我们必须需要弄清区块链技术的真正含义及其功能。

北京大学团队开发出名为JARVIS-VLA的突破性AI系统，能够像人类玩家一样熟练操作《我的世界》游戏。该系统采用创新的三阶段训练方法：先学习游戏世界知识，再训练视觉理解能力，最后学习具体操作技巧。与传统AI不同，JARVIS-VLA不是简单模仿人类行为，而是真正理解游戏规律后再执行任务，可完成超过1000种游戏任务，在各项测试中显著超越现有系统，为未来智能AI发展提供了新思路。

本周，国家互联网信息办公室印发《生成式人工智能服务管理办法（征求意见稿）》；2023阿里云峰会召开，发布大语言模型“通义千问”。

这项由中国人民大学与斯坦福大学、微软公司合作的研究，开发出名为MoCa的革命性多模态AI技术。该技术通过双向注意力机制和联合重建训练，让AI能够像人类一样同时理解图片和文字，并建立深层语义关联。在大规模测试中，MoCa显著超越现有技术，30亿参数模型就能匹敌传统70亿参数模型，展现出强大的实用潜力和应用前景。

天工AI推出的SkyReels-A2视频生成系统实现了重大突破，能够将多张不相关照片智能组合成高质量视频。该技术采用双分支架构处理语义和空间信息，通过200万训练样本学习元素组合规律。在与商业模型的对比中表现出色，特别是在物体一致性和视觉质量方面领先。该系统已开源，为创意产业、教育培训、虚拟电商等领域带来革命性应用前景。

MiniMax公司开发的MiniMax-Speech语音合成系统实现了真正的"零门槛"声音克隆技术，仅需一段录音即可生成32种语言的高质量语音。该系统采用创新的学习型声音编码器和Flow-VAE技术，在全球TTS竞技场中击败OpenAI等巨头登顶第一。

ByteDance研究团队通过WideSearch基准测试发现，当前最先进的AI搜索代理在大规模信息收集任务上表现极差，成功率普遍低于5%。研究揭示了AI在任务规划、反思调整、证据验证和知识幻觉等方面的根本缺陷，为未来发展多代理协作系统和改进AI搜索能力提供了重要指导。

MIT研究团队突破传统AI图像生成瓶颈，开发出局部感知并行解码技术，将生成步骤从256步减少至20步，速度提升12.8倍。该技术通过发现AI绘图中的空间局部性规律，重新设计了生成架构，让AI能够同时在多个区域并行"作画"而不影响质量，为实时图像生成应用开辟新道路。

SPATIALLM是一个突破性的AI系统，能够理解3D室内空间并生成结构化场景描述。由香港科技大学和Manycore Tech公司研究团队开发，该系统基于大语言模型架构，可直接处理点云数据并输出Python代码形式的空间描述。研究团队构建了包含12328个场景的大规模数据集，在布局估计和3D物体检测任务上取得了领先性能，并展现出强大的跨域泛化能力，为增强现实、机器人导航和室内设计等应用开辟新可能。

英国卫生安全局研究团队首次构建了包含8000多道题目的AI公共卫生知识评测基准PubHealthBench，测试24个AI模型对英国健康指南的掌握程度。结果显示最先进AI在选择题中正确率超90%，但自由作答时降至75%以下，且在面向公众的指南上表现优于专业医疗指南。

斯坦福大学NLP研究小组发布了全新的2024版GloVe词向量，这是对2014年原版的重大升级。新版本使用维基百科、Gigaword新闻数据和Dolma语料库进行训练，新增超过70万词汇，涵盖疫情、科技、网络文化等现代概念。测试显示新版本在处理当代文本、非西方人名地名和社交媒体内容方面表现显著优于旧版本，为自然语言处理应用提供了更准确的语言理解工具。

莫斯科研究团队开发了基于自信心的AI训练新方法RLSC，让AI模型通过分析自己回答的可信度来自我改进，无需外部标注数据。该方法仅用16个样本和20个训练步骤，就让数学AI模型在多项测试中准确率提升13-22个百分点，同时大幅降低了计算成本，为AI训练提供了高效实用的新思路。