三年内成为最受欢迎的Unity讲师。这位萌新做到了，你也可以。

ViStoryBench是一个全面的故事可视化评估基准，由StepFun团队打造，用于测试AI将文字故事转化为连贯图像序列的能力。它包含80个多样化故事和344个角色参考，评估包括角色一致性、提示遵循度等多个维度。研究测试了20多种方法，发现UNO在开源方法中表现最佳，而商业软件如豆包和GPT-4o在提示一致性方面表现突出。该基准为故事可视化研究提供了统一标准，推动这一领域的创新发展。

媒体人善用的工具是媒介，而创业者善用的工具则是产品，看纪录片导演如何玩转三维产品。

华为第19届全球分析师大会在深圳开幕。

这项UC圣迭戈研究首次系统解决了AI图像生成中的重叠布局难题。研究团队开发了OverLayScore评估指标和OverLayBench数据集，发现现有AI在复杂重叠场景中表现显著下降。他们提出的CreatiLayout-AM模型通过非模态掩码监督，让AI学会理解被遮挡物体的完整形状，在重叠区域生成精度上获得显著提升，为AI视觉生成技术发展提供了新的解决方案。

媒体人善用的工具是媒介，而创业者善用的工具则是产品，看纪录片导演如何玩转三维产品。

杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程，发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明，计划生成和错误检查等高层次句子比具体计算步骤更重要，推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。

异国追梦人——明方全和他与众不同的「云厨房」的故事。

悉尼科技大学等机构联合提出REARM框架，通过元网络过滤模态共享特征噪声，运用正交约束保护独特信息，并深度挖掘用户兴趣与商品关联关系，在多个电商数据集上显著提升推荐准确性，为多模态推荐系统的个性化与精准化提供了新的技术路径。

香港中文大学等机构联合发布TalkVid数据集，包含1244小时高质量说话视频，覆盖7729名不同背景说话者和15种语言。该数据集专门解决现有AI说话视频生成技术的种族、年龄、语言偏见问题。同时发布TalkVid-Bench评估基准，能够检测模型公平性。实验证明使用该数据集训练的模型在各群体上表现均衡，为构建更加公平包容的AI技术奠定基础。

南京航空航天大学团队发现当前AI安全测试数据存在严重问题：超过50%的测试题目不合格。他们开发了MDH智能筛选系统，准确率达95%，并创建了更可靠的RTA数据集。同时发现了两种新型AI越狱攻击方法：D-Attack和DH-CoT，分别针对传统模型和推理模型，成功率最高达98%和66%，为AI安全防护改进提供了重要参考。

异国追梦人——明方全和他与众不同的「云厨房」的故事。

ByteDance研究团队推出Hyper-Bagel统一加速框架，通过分而治之策略同时优化多模态AI的理解和生成能力。该框架在理解任务上实现2倍加速，图像生成速度提升16.67-22倍，并开发出近实时的1-NFE模型，为AI实际应用扫清了重要的速度障碍。

NVIDIA2023年10大研究亮点，从CV到AI，从智能体到生成式AI。

我们回顾了编排器平台在2017年巨大的成功，并且思考了超大规模数据中心在今年的发展方向。

浙江大学联合多家机构提出AEPO方法，通过多答案生成和自适应探索奖励机制，显著提升AI在图形界面中的元素识别准确性。该技术让AI能同时考虑多个候选答案并科学评估，解决了传统方法容易陷入错误自信的问题，在五个基准测试中均达到业界领先水平，为智能GUI助手的实际应用奠定了重要基础。

如果把游戏看成一辆赛车，那么，游戏开发在其中扮演着至关重要的发动机角色，控制着玩家所感知到的剧情、关卡、实时社交沟通、版本更新、兼容和性能等问题。

约翰·霍普金斯大学研究团队开发出突破性的少样本学习方法，用于检测AI合成语音。该方法通过自注意力原型网络，仅需10个样本就能快速适应新的语音伪造技术，在日语深度伪造检测中实现32%错误率相对减少。这项技术为应对日益复杂的声音欺诈提供了高效解决方案，有望应用于金融安全、司法取证等领域。

Accenture研究团队推出MCP-Bench评估基准，通过连接28个真实服务器和250个工具构建复杂任务生态系统，测试AI助手处理现实多步骤任务的综合能力。研究发现即使顶级模型在基本工具使用上已趋成熟，但在多工具协调和长期规划方面仍面临重大挑战，为AI助手发展指明新方向。

复旦大学研究团队推出OmniAVS数据集和OISA系统，实现AI对音视频内容的全模态理解和推理。该系统支持8种表达方式的复合指令，能同时处理文字、语音、声音、图片信息，不仅准确识别目标对象还能解释判断过程。在多项测试中表现出色，为智能教学、医疗诊断、安全监控等领域应用奠定基础。