中国人民大学研究团队提出LoFT方法，通过参数高效微调基础模型解决长尾半监督学习中的数据不平衡问题。该方法利用预训练模型的良好校准特性改进伪标签质量，并扩展出LoFT-OW版本处理开放世界场景。实验显示，仅使用传统方法1%的数据量就能取得更优性能，为AI公平性和实用性提供了新的解决方案。

Mirage向我们展示了一个令人兴奋的未来——一个AI不仅能理解我们说什么，还能理解我们如何说的世界。在这个世界里，技术不再是冰冷的工具，而是能够理解和模拟人类情感表达的智能伙伴。

清华大学和上海人工智能实验室联合开发的AutoMat是一个突破性工具，能自动将电子显微镜图像转换为精确的晶体结构模型并预测材料性质。系统整合了模式自适应降噪、物理引导模板匹配、对称感知结构重建和机器学习性质预测四大模块，由大语言模型代理协调运行。在自创的STEM2Mat-Bench基准测试中，AutoMat远超现有多模态大语言模型，为桥接显微镜成像与原子模拟提供了自动化解决方案，显著加速了材料科学研究流程。

加州大学伯克利分校研究团队发现，专门用于深度推理的AI模型在实际任务中容易出现"过度思考"现象，即过分依赖内部推理而忽视环境反馈。通过分析4018个AI行为轨迹，研究显示推理模型的过度思考倾向比普通模型高三倍，且过度思考程度越高任务成功率越低。研究提出了有效缓解策略，能将模型性能提升30%并降低43%计算成本。

这篇论文由康奈尔大学和希腊伯罗奔尼撒大学的研究者合作完成，系统性地区分了AI智能体和智能主体AI这两种新兴技术范式。研究通过深入分析架构差异、运行机制和应用场景，揭示了AI智能体作为单一执行特定任务的系统，与智能主体AI作为多智能体协作生态系统的本质区别。论文不仅梳理了从生成式AI到AI智能体再到智能主体AI的技术演进路径，还详细探讨了两种范式各自面临的挑战及潜在解决方案，为下一代人工智能系统的发展提供了清晰路线图。

ByteDance智能创作实验室与清华大学联合发布HuMo系统，这是首个实现文字、图片、音频三模态协同控制的人物视频生成框架。该系统通过创新的渐进式训练方法和时间自适应引导策略，让用户仅需提供文字描述、参考照片和音频就能生成电影级说话视频，在多项评测中超越现有专业系统，为内容创作带来革命性突破。

这项研究展示了一种革命性的AI技术，能够仅通过音频生成高度逼真的说话视频。滑铁卢大学研究团队开发的Audio2Photoreal系统巧妙结合了深度学习、扩散模型等先进技术，实现了声音到面部动作的精准转换。该技术在影视制作、在线教育、新闻媒体等领域具有广阔应用前景，将大幅降低视频制作成本和门槛。虽然仍面临计算资源需求高、隐私安全等挑战，但其突破性创新为未来视频内容创作开辟了全新路径。

地方动态 | 吉林省人民政府办公厅关于印发加快推进吉林省数字经济高质量发展实施方案（2023-2025年）的通知

这项由德州大学达拉斯分校主导的研究是首个全面梳理大语言模型在科学研究全生命周期应用的综合调研。研究团队系统分析了AI在假设发现、实验实施、论文写作和同行评议四个关键环节的作用，展现了从"AI副驾驶"到"全自动驾驶"的技术演进。研究发现AI不仅能提高研究效率，还能激发跨学科创新，但也面临技术局限、评估标准和伦理挑战。

“用智能，开启无限可能。”

ByteDance与南洋理工大学联合开发的MMSearch-R1是首个端到端多模态搜索强化学习框架，让AI学会了"按需搜索"——知道何时依靠内在知识、何时主动搜索外部信息。该系统整合图像和文本搜索工具，通过精心设计的奖励机制训练AI的搜索判断力，在知识密集型任务中准确率超越同规模基线3%，搜索调用减少30%以上，为构建更智能可靠的AI助手开辟了新道路。

伦敦大学学院研究团队开发的NOWAIT方法通过阻止AI生成"等等"、"嗯"等思考词汇，在保持准确性的同时将AI输出长度减少27%-51%。该方法无需重新训练模型，可直接应用于现有AI系统，为提高AI推理效率提供了简单有效的解决方案。

中科院团队首次实现机器人视觉、语言、动作三位一体统一建模，开发出UniVLA模型。该模型采用创新的"世界模型"训练策略，通过观看视频学习物理规律，在多个基准测试中创下新纪录。LIBERO测试成功率达95.5%，比此前最好成绩提升10个百分点。技术突破在于将不同模态信息转换为统一数字令牌，实现端到端学习，为通用机器人智能奠定基础。

哈佛大学研究团队开发出革命性AI训练方法，让机器能像人类一样从错误中学习成长。与传统需要大量正确答案示例的方法不同，新方法让AI系统自主探索并从失败中提取学习信号。实验显示，这种方法在机器人导航、医学诊断等领域表现出更强适应性和创新能力，所需训练数据减少70%，面对新情况时性能更稳定，为AI教育应用和科学研究开辟了新前景。

斯坦福大学推出DynaGuide技术，让机器人无需重新训练就能通过视觉示例学会新任务。该系统采用独立的动态模型为机器人提供实时行为指导，成功率达70%，在处理模糊指令时比传统方法强5.4倍。技术支持多目标引导和即插即用部署，已在真实机器人上验证成功，为个性化机器人服务开辟新路径。

这项由浙江大学与蚂蚁集团联合研究的AUTOMIND系统，通过构建专家知识库、智能搜索策略和自适应编程三大创新，让AI具备了接近人类专家的数据科学能力。在权威测试中超越56.8%的人类参赛者，相比前代系统效率提升300%，成本降低63%，为数据科学自动化开辟了新路径。

日本Sakana AI实验室开发出Transformer?系统，首次实现AI模型实时自我调节能力。该系统通过奇异值微调技术，让大模型能根据任务类型自动调整内部参数配置，仅用传统方法1%的参数量就实现显著性能提升。系统采用两轮推理机制和强化学习训练，在数学、编程、视觉等多领域测试中均表现优异，甚至支持跨模型的专家知识迁移，为构建真正智能的自适应AI系统奠定了技术基础。

2021年8月15日，一年一度的“新物种爆炸·吴声商业方法发布2021”如约而至，以下为《吴声造物》梳理的演讲全文。

西班牙巴斯克大学开发的SegDT是首个将扩散变压器技术应用于医疗图像分割的AI系统，专门用于皮肤病变识别。该系统创新性地融合了修正流技术，将传统35步推理过程压缩至15步，在保持94%以上准确率的同时大幅提升效率。SegDT仅需990万参数即可在普通GPU上运行，为资源受限的医疗机构提供了专业级诊断支持，有望推动医疗AI的广泛普及应用。

这项研究汇集了来自斯坦福大学、苏黎世联邦理工学院、隆德大学、加州大学旧金山分校等多所世界顶尖学府的11位医学专家，共同构建了医学AI领域的首个多模态情境学习评估标准。