斯坦福和伯克利研究团队推出VidDiff技术，让AI学会像专业教练一样精准识别动作差异。该技术通过三步走方法解决视频动作比较难题，构建了包含549对视频的大型数据集VidDiffBench。虽然当前AI模型准确率有限，但已展现在健身指导、医学培训、体育分析等领域的应用潜力。研究为AI理解细微动作差异开辟新方向，有望让人人享有智能化的动作指导。

行业数字化市场里不崇尚个人英雄主义，得伙伴者得生态，得生态者得天下

星际创想实验室发布突破性AI系统Spacer，通过"故意去语境化"技术让人工智能具备科学创新能力。系统由关键词挖掘引擎Nuri和概念生成管道组成，能从18万篇论文中发现新研究方向。验证显示其预测准确率达73.7%，概念重构成功率超85%，生成想法更接近顶级科学研究。

巴黎理工学院研究团队发现了比传统深度伪造更隐蔽的"局部伪造"技术威胁。这种只修改视频局部区域的新型AI造假技术让人类检测准确率下降30%以上，AI检测系统性能下降高达43%。研究团队构建了包含25000个样本的全球首个局部伪造检测数据库FakePartsBench，揭示了现有防御体系面对精细化伪造攻击的脆弱性，为未来开发更强大的检测技术奠定重要基础。

蚂蚁集团研究团队提出了γ-PO方法，通过动态调节AI训练中的目标边距来提升大语言模型对齐效果。该方法能够自动识别训练数据中答案质量差距的大小，对明显好坏的答案对加大学习强度，对模糊不清的答案对适当降低学习强度，避免AI被不确定信息误导。实验显示该方法在多个基准测试中平均提升4.4%性能，且几乎不增加计算成本，具有良好的即插即用特性。

我们引用了该篇评测报告，详细原文如下。同时，浪潮当前也推出了NF5468A5“超值机型 限免试用”活动，对该GPU服务器感兴趣的不妨一试。

这项突破性研究由法国瓦雷奥公司联合荷兰高校团队完成，开发出名为Franca的开源AI视觉模型。该模型仅使用公开数据训练，却在图像分类、物体检测、语义分割等多项任务中达到或超越了谷歌、Meta等科技巨头的私有模型性能。研究团队创新性地引入"套娃式"多层记忆系统和空间偏见消除技术，并完全开源了模型、代码和训练数据，为AI技术民主化做出重要贡献。

2024年将成为中国AI PC元年。

这项由微软研究院主导的突破性研究，首次提出让AI学习如何为其他AI制定最佳训练数据配方的创新思路。通过训练一个专门的"数据混合代理"，成功解决了大模型持续学习中的"灾难性遗忘"难题，在数学推理任务上平均提升3.02%的同时保持了原有综合能力。该技术具有强大的通用性和适应能力，一次训练即可应用于多种模型和任务场景，有望显著降低AI开发成本并提升训练效率。

这项由北大团队开发的OmniManip系统，通过创新的物体中心表示方法和双重闭环控制，让机器人能够理解自然语言指令并在复杂环境中精确操作。系统在12项真实任务测试中达到68.3%成功率，远超传统方法，展现了从服务机器人到工业制造等广泛应用前景。该技术为实现真正智能的通用机器人奠定了重要基础。

韩国科学院团队发现多模态大语言模型存在"候选项先验偏见"，即系统偏爱高频出现的内容而非真正相关的内容。他们开发了BLiM双向检索框架和CPN标准化技术，通过让AI从两个方向思考问题并消除统计偏见，在四个数据集上平均提升6.4个百分点的检索准确率。该技术还适用于视觉问答、图像描述等多个领域，为构建更公平可靠的AI系统提供了新方案。

首尔国立大学研究团队开发了CHARTCAP数据集，包含56.5万个高质量图表-描述对，通过四阶段流水线和循环验证方法解决了AI图表理解中的幻觉和信息贫乏问题。研究还提出了视觉一致性得分评估方法，该方法通过重构图表来验证描述质量。实验显示，经CHARTCAP训练的AI模型在图表理解能力上首次超越人类专家标注，为AI在专业领域的应用开辟新路径。

三星研究院提出PLADIS技术，通过稀疏注意力机制显著提升AI绘画的文字理解准确性。该方法无需重训练模型，仅在推理阶段替换注意力计算函数，就能让AI更精准理解用户描述，生成更符合要求的图像。实验显示图像质量提升20%，文字匹配度大幅改善，且兼容各种现有AI绘画系统。

最近，在至顶传媒组织的一场市场圈培训活动上，侯明娟详细阐述了《新基建之5G带来的营销机会》，分享了营销的心得体会。

经历日以继夜的幕后工作后，2021年度m峰会上，深链首次推向了台前，阿里巴巴集团副总裁、阿里妈妈事业群负责人——家洛，官宣了品牌升级、技术创新和经营力重塑等三大计划，并将其命名为“数智化商业战略”。

边缘计算随着5G、IOT、AI等相关技术演进越来引人瞩目

李飞飞的World Labs以"空间智能"重新定义AI，专注3D物理世界理解，4个月估值飙至10亿美元，获科技巨头集体押注。她揭示语言无法编码物理世界，而DNA双螺旋等突破性发现都源于三维空间的深度认知。

上海AI实验室等机构联合开发了CODA系统，这是一个能够操作复杂专业软件的AI助手。它模仿人类大脑分工，分为负责规划的"大脑皮层"和负责执行的"小脑"两个部分，通过两阶段训练策略实现专业化和通用化。在四个科学软件的测试中，CODA平均成功率达到21.04%，显著超过传统方法，展现出良好的学习和适应能力。

南开大学团队开发的VisualCloze系统通过"视觉上下文学习"实现了通用图像生成，让AI能够像人类一样通过观察几个例子就学会新的图像处理任务。该系统采用统一架构处理多种任务，在风格转换、图像编辑、条件生成等方面都表现出色，并具备处理训练时未见过任务的泛化能力。

斯坦福大学等机构研究团队创建了MIRIAD医学问答数据库，包含582万对基于权威医学文献的结构化问答。该系统通过多层质量控制确保准确性，在医学AI问答任务中将准确率提升6.7%，在检测医学错误信息方面提升22.5%-37%。研究还开发了交互式可视化平台MIRIAD-Atlas，让用户能够直观探索医学知识结构，为医学AI的安全可靠部署提供了重要资源。