在这个人机协作时代，人类的智慧和机器的能力将以前所未有的方式结合在一起，共同创造一个更加美好的世界。

新加坡国立大学研究团队开发了JudgeLRM，一个专门用于评判AI系统表现的模型。研究发现传统训练方法在需要复杂推理的评判任务上效果较差，因此采用强化学习训练JudgeLRM，使其具备真正的推理能力。JudgeLRM-3B甚至超越GPT-4，JudgeLRM-7B击败DeepSeek-R1，在推理密集型任务上表现尤为突出，为AI评估领域带来范式转变。

本文从基础出发，探讨如何立足十大基本要素构建起适用于医学研究的数字孪生基础设施。文中具体解释了如何将API、图数据库、本体、电子健康记录等极具发展前景的技术融合起来，共同推进医疗保健行业的数字化转型。

大连理工大学和浙江大学研究团队提出MoR（Mixture of Reasoning）方法，通过将多种推理策略嵌入AI模型参数中，让AI能自主选择最适合的思考方式，无需人工设计专门提示词。该方法包含思维生成和数据集构建两阶段，实验显示MoR150模型性能显著提升，比基线模型提高2.2%-13.5%，为AI推理能力发展开辟新路径。

普林斯顿大学等40多家顶尖机构联合发布首份自我进化智能体综合报告，系统阐述了AI从静态工具向自主学习伙伴转变的技术路径。研究揭示了智能体如何在模型、记忆、工具和架构四个层面实现自我优化，通过实时学习和课后总结两种时机持续进化，并在医疗、教育、编程等领域展现实用价值，为实现通用人工智能提供了清晰框架。

蚂蚁集团推出UI-Venus系统，这是一个能够仅通过屏幕截图就理解和操作用户界面的AI模型。该系统采用强化微调技术，在多个基准测试中达到业界最佳水平，其72B版本在界面识别任务上准确率达95.3%，在复杂的安卓操作任务中成功率达65.9%。研究团队还开发了创新的自进化轨迹对齐技术，显著提升了AI在多步骤任务中的规划能力，为智能化人机交互开辟了新途径。

当前,数字经济加速发展,内外部环境深刻变化,航天信息股份有限公司面临前所未有的发展机遇与挑战。

Roblox公司开发出REINA技术，实现语音边听边翻译的突破。该技术基于信息论原理，通过智能判断何时获得足够信息来决定翻译时机，避免传统方法需要等待完整句子的延迟问题。在13万小时开源数据训练下，REINA在多语言实时翻译任务中相比现有方法提升21%，为跨语言实时交流带来新突破。

南开大学团队开发出DepthAnything-AC模型，解决了现有AI距离估算系统在恶劣天气和复杂光照条件下性能下降的问题。通过创新的扰动一致性训练框架和空间距离约束机制，该模型仅用54万张图片就实现了在雨雪、雾霾、夜晚等复杂环境下的稳定距离判断，同时保持正常条件下的优秀性能，为自动驾驶和机器人导航等应用提供了重要技术支撑。

作为每年的生活，CES肯定少不了电视厂商的参与，今年也不例外。不管是国内的电视厂商还是国际的大厂，无不“八仙过海各显神通”。首先我们看下今年的CES电视厂商的关键词。

西安交通大学研究团队首次发现视频检索系统存在恶意推广漏洞，攻击者可通过在视频中添加微小变化来操控搜索结果排名。研究提出ViPro攻击方法和MoRe技术，实验显示在白盒/灰盒/黑盒场景下攻击成功率分别比现有方法高出30%/10%/4%。这种攻击具有隐蔽性强、转移性好的特点，现有防御措施效果有限，对视频平台安全构成严重威胁。

出海开一家靠谱的民宿酒店需要几步？

这项研究提出了π?方法，通过置换等变架构解决了传统3D重建技术依赖固定参照系的问题。该方法让每个摄像机独立描述场景，无论输入顺序如何都能产生一致结果，在多个任务上达到最先进性能，同时具有出色的鲁棒性、可扩展性和训练效率，为AR、自动驾驶等应用领域带来新可能。

　2024上海世界移动通信大会期间，得翼通信以射频领域新锐之姿，正式发布了全球首款RPU(Radio Processing Unit)射频增强处理器和解决方案。

进入21世纪后，虚拟机技术进入相对成熟阶段，由于虚拟机的“笨重”，开发者们开始追求一种更加轻便的虚拟化技术。

本研究提出了VLM2Vec-V2多模态嵌入模型和MMEB-V2评估基准，首次实现对文本、图片、视频和文档的统一理解。该模型在78个任务上全面领先现有基线，展示了从专门化向通用化发展的重要趋势，为多媒体内容理解、智能搜索和人机交互带来突破性进展。

新加坡科技设计大学团队开发了SonicVerse音乐描述AI系统，通过多任务学习架构同时进行音乐特征识别和自然语言生成，能够像专业音乐评论家一样准确描述音乐的技术特征和艺术内容。该系统不仅在短片段描述上表现出色，还能通过AI链式处理为完整歌曲生成详细的时序化描述，为音乐产业的内容标注、教育培训和智能推荐等应用提供了新的技术路径。

这篇研究来自加州大学伯克利分校和谷歌研究院团队，探讨了什么让图像看起来"自然"这一问题。论文提出了一种识别自然图像特征的深度学习方法，通过训练神经网络区分真实照片与人工处理的图像，并能将"不自然"的图像转化为更自然的版本。研究不仅揭示了自然图像在颜色分布、纹理特征和内容语义等方面的规律，还展示了在图像修复、质量提升和伪造检测等领域的潜在应用，为理解人类视觉感知和改进AI图像生成提供了新视角。

MIT研究团队开发出突破性的音频驱动视觉重建技术，让AI仅通过声音就能重建完整视觉场景并进行智能对话。该系统在场景识别上达到87%准确率，能够从复杂音频中提取空间布局、物体位置等视觉信息。这项技术将为视觉障碍人士、智能家居、自动驾驶等领域带来革命性应用，代表了多模态人工智能发展的重要里程碑。

Meta AI团队联合MIT等机构开发的MetaCLIP 2系统，首次实现了真正的全球化AI视觉理解。该系统支持300多种语言，不仅突破了传统多语言AI的"诅咒"问题，还让英语性能提升0.8%，在多项国际测试中创下新纪录。通过创新的训练策略和开源架构，为构建真正服务全人类的AI技术奠定了基础。