华中科技大学研究团队提出SaM框架，通过动态选择和合并领域专家模型来改进大语言模型的命名实体识别能力。该方法摒弃传统"万能模型"思路，采用专业化分工策略，根据领域相似性和采样评估智能选择专家，然后融合其能力形成针对性强的任务模型。实验显示平均性能提升10%，某些领域达20%提升，同时具备良好的可扩展性和适应性。

Captions公司研究团队开发的Mirage模型实现了从音频直接生成说话视频的突破。该技术能准确生成与声音匹配的面部表情、唇型同步、手势动作和环境背景，甚至可仅从音频推测说话者外貌特征。基于统一的Diffusion Transformer架构，Mirage避免了传统方法的复杂专用模块设计，展现出卓越的情感表达和细节还原能力，为内容创作、教育培训和无障碍技术等领域开辟了新的应用可能。

TVP大咖们以《数字化辅助资本高效运转》为主题，带着与会者们一起潜入金融科技2.0的时代深水区，畅游金融科技的过去、现在与未来。

将学术机构、研究机构以及商业企业的力量集中起来，我们有望成功构建起具备实用性的量子计算机，并真正开启量子计算的新时代。

中科院团队开发了名为IKEA的AI搜索助手系统，解决了现有AI过度依赖外部搜索或内部知识的问题。该系统通过创新的知识边界感知机制和奖励设计，让AI学会准确判断何时使用内部知识、何时进行搜索。实验结果显示，IKEA在保持高准确率的同时，将搜索次数减少了50%以上，为开发更智能、高效的AI助手提供了新思路。

与“德国ISC”、“美国SC“并驾齐驱，被誉为世界三大超算盛会之一CCF HPC China来了。

NewsBreak团队与伊利诺伊大学合作开发DuaShepherd，这是一个创新的AI数学推理奖励模型。该系统独创性地结合了两种评估维度：步骤正确性判断和解题潜力评估，通过多任务学习和复合概率融合，在MATH500和ProcessBench测试中显著超越传统单一奖励模型，为AI数学推理提供了新的技术路径。

NVIDIA研究团队开发的STORM系统实现了AI长视频理解的重大突破。该系统采用Mamba时间编码技术，能够像人类一样理解视频的时间脉络和内容关联，而非孤立分析每帧画面。通过创新的三种压缩策略，STORM在大幅提升处理效率的同时保持了理解准确性，在多项基准测试中超越现有系统5%以上，为教育、医疗、安防等领域的智能化应用奠定了技术基础。

韩国首尔国立大学研究者提出HACO框架，解决手部接触估计中的数据不平衡问题。论文《Learning Dense Hand Contact Estimation from Imbalanced Data》针对手部接触数据中的类别不平衡（大多数样本无接触）和空间不平衡（接触主要集中在指尖）提出两大创新：平衡接触采样和顶点级类别平衡损失函数。他们利用14个数据集的84万张图像进行训练，在多种手部交互场景中显著超越现有方法，F1得分从之前最佳的0.197提升至0.531，同时在3D抓取优化和物体重建等下游任务中也展现出强大应用价值。

牛津大学研究团队开发了基于期望值的新型股市风险评估方法，通过分析FTSE 100指数20年数据发现，该方法在预测极端市场事件方面比传统方法准确25%以上。新方法不仅考虑风险事件的发生概率，还特别关注事件的严重程度，在2008年金融危机等动荡期表现尤为出色，为金融机构提供了更可靠的风险管理工具。

Rice大学研究团队发布的这篇综述论文系统分析了大型语言模型推理效率问题。研究发现AI在回答简单问题时经常"过度思考"，生成冗长推理过程，增加成本和延迟。论文将解决方案分为三类：优化训练方法、动态调整推理过程、改进用户提示词，为开发更高效的AI推理系统提供了全面指导。

南开大学团队开发的LLaVA-Scissor技术通过创新的"语义连通组件"算法，实现了视频AI理解的高效压缩。该技术采用两步时空压缩策略，在保持99.7%准确率的同时将计算量减半，为解决视频AI系统计算瓶颈提供了突破性方案。

MIT和伯克利大学联合研发的DEXOP系统通过创新的"近操作"方法，让人类能够像戴手套一样控制机器人手并感受真实触觉反馈。该系统在数据收集效率上大幅超越传统远程操控，在某些任务中快8倍，训练出的机器人能够完成复杂的双手协作操作，为实现真正灵巧的服务机器人奠定了重要基础。

正值深圳经济特区建立40周年，2020国际新一代信息技术合作大会于11月28-29日在深圳市人才研修院成功举办。

高通所在的通信和AI领域，技术本身晦涩难懂，技术型公司往往难讲故事，但莫珂东本人，从2016年加入高通公司至今，可以说是这家技术巨头近十年来向消费者世界“布道”的关键人物。

微软研究院开发出革命性的1位大语言模型BitNet b1.58 2B4T，仅需0.4GB内存就能运行2千亿参数规模的AI模型，相比传统模型内存消耗降低90%以上，能耗降低95%，推理速度提升40%，在保持相当性能的同时让AI技术真正实现普及化。

斯坦福大学研究团队成功开发出FluidLoco系统，首次让机器人掌握了在复杂现实环境中稳定搬运液体的能力。该系统通过液体动力学预测模型和分层控制架构，让机器人能够预测液体运动并做出相应调整，在各种地形和干扰条件下保持85%以上的成功率。这项突破将在餐饮服务、医疗健康、工业制造等领域产生重要应用价值。

希伯来大学研究团队提出ProbeLog技术，通过"标准化考试"方式为AI模型建立能力指纹，解决了模型库中60%模型缺乏文档说明的搜索难题。该方法用固定图片测试模型反应，支持文字直接搜索，准确率达40-70%，并通过协作探测技术降低3倍计算成本，为百万级模型库的高效利用提供了新途径。

腾讯混元团队开发的X-Part技术实现了高质量的3D物体智能分解，能够将复杂3D模型分解成语义清晰、几何完整的零件。该技术通过边界框指导、语义特征注入和同步多部件生成，在几何精度和语义一致性方面显著超越现有方法，为3D打印、游戏开发、工业设计等领域提供了强大的工具支持。

谷歌DeepMind团队开发的GraphCast是一个革命性的AI天气预测模型，能够在不到一分钟内完成10天全球天气预报，准确性超越传统方法90%的指标。该模型采用图神经网络技术，通过学习40年历史数据掌握天气变化规律，在极端天气预测方面表现卓越，能耗仅为传统方法的千分之一，为气象学领域带来了效率和精度的双重突破。