全方位解析“提示词工程师”。

在帮助企业考察会议系统解决方案时，我们注意到了惠普HP Elite Slice G2会议解决方案，它可以与会畅、Skype、Zoom等专业会议系统软件相结合，在保障会议高效运转的同时，还能带来高质量的音质体验和极佳的投屏体验等...

卡内基梅隆大学研究团队深入分析了当前世界模型的根本缺陷，提出了PAN架构。该研究发现现有系统过分关注视觉效果而忽略智能推理，提出混合表示和多尺度推理的解决方案。PAN采用离散标记和连续嵌入的组合，通过增强的大语言模型和扩散预测器实现真正的"思想实验"能力，为AI从内容生成器向智能推理系统的转变提供了新路径。

南京大学与阿里巴巴团队提出TeEFusion方法，通过文本嵌入融合技术解决AI图像生成中分类器自由引导的计算效率问题。该方法将传统需要双重推理的过程简化为单次计算，在保持图像质量的同时实现6倍推理加速，并在多个基准测试中超越现有蒸馏方法。

尽管有许多来自硅谷科技巨头的布道师被国内开发者们所熟知，并奉为大神，但技术布道师在国内尚属于新兴职业，多数人或许并不了解，这样一个自带光环的职业，究竟做些什么？又是怎样布道的？

这项由浙江大学等多家机构联合完成的大规模调研首次系统性梳理了操作系统智能体这一前沿领域，全面分析了基于多模态大语言模型的AI助手如何像人类一样操作电脑手机。研究涵盖了技术架构、训练方法、评估体系和发展挑战，为实现类似贾维斯的智能数字助手提供了完整的技术路线图。

鲍勃·艾格 (Robert A. "Bob" Iger) 将重返迪士尼担任CEO职务，重新掌管这家处于水深火热之中的文娱巨头。

这篇研究介绍了PISCES——一种能精确从大语言模型参数中移除特定概念知识的创新技术。与现有方法不同，PISCES通过解缠器模型识别概念相关特征，直接编辑模型参数，实现了更精准的知识移除。在Gemma和Llama模型上的测试表明，该方法不仅有效降低了目标概念的准确率（低至7.7%），还保持了模型在无关领域的高性能，并显著提高了对"重新学习"的抵抗力。这一突破为AI系统的安全部署和合规使用提供了新的可能性。

VisTA是一种新型强化学习框架，使视觉AI能够自主探索、选择和组合多种视觉工具。与传统方法不同，VisTA无需人工监督，通过反复尝试学习哪些工具最有效。研究团队在ChartQA、Geometry3K等测试中证明，VisTA显著优于训练免费基线，特别是在分布外样本上表现更佳。其核心创新在于使用群体相对策略优化算法，让AI代理能够根据实际性能而非预设规则来选择工具，为未来发展更灵活的视觉推理系统铺平了道路。

成均馆大学团队开发出选择性对比学习新方法，让机器通过观察人类交互场景学会识别物体功能部位。该技术突破传统局限，采用动态学习策略，能根据信息质量调整学习方式，在多个数据集上显著超越现有方法，为机器人、自动驾驶等领域的智能交互应用奠定重要基础。

这项由北京交通大学和字节跳动联合完成的研究首次证明了AI可以仅通过观看视频就学会复杂技能。他们开发的VideoWorld系统通过观察围棋对局和机器人操作视频，不仅掌握了游戏规则，还达到了围棋5段专业水平，在机器人任务中的成功率也达到70-90%。这种突破性的学习方式有望革新AI教育和技能培训领域。

8 月 18 日，2022 “视界无垠 音聚而生”网易音视频技术大会在线上举办。

近日，来自澳大利亚国立大学、澳大利亚联邦科学与工业研究组织(CSIRO)数据61部门以及纽约大学的研究团队发表了一项引人注目的研究成果。

曼彻斯特大学研究团队发现，尽管AI语言模型在多数任务中表现优异，但在理解"Drivelology"（一种表面荒诞但蕴含深意的语言现象）时却频频失误。研究团队构建了涵盖六种语言的1200多个样本数据库，通过四项测试发现AI模型难以掌握这类文本的讽刺意图和文化内涵，揭示了当前AI在语用理解方面的根本局限。

北京人工智能研究院发布突破性研究Infinity-Instruct，通过两阶段训练策略从1亿条指令中精选出740万基础指令和150万对话指令。该方法让开源AI模型首次在对话能力上超越GPT-4，其中LLaMA3.1-70B在对话测试中比GPT-4高出8.6%，同时保持强大的基础能力。研究完全开源，为AI技术民主化奠定基础。

想要以虚拟形象直播、投稿？再也不用打开一大堆程序了，如今万事so easy。

斯科尔科夫科技学院等机构联合开发的G-CUT3R是一种创新的3D重建技术，通过巧妙融合相机参数、深度信息等辅助数据，显著提升了传统仅依赖RGB图像重建方法的准确性和速度。该技术采用轻量级设计和零卷积融合策略，在多个基准测试中表现出色，为自动驾驶、AR/VR、机器人导航等领域的实际应用开辟了新路径。

希伯来大学研究团队通过狼人杀游戏验证了AI在异步群体交流中的能力。他们开发的双阶段AI系统能够自主决定发言时机和内容，在21场真人游戏中表现出色。AI的发言时机与人类高度相似，超过40%的人类玩家无法识别AI身份，游戏胜率与人类相当。研究首次实现了AI在群体对话中的主动参与，为AI融入现实社交场景奠定了技术基础，在教育、医疗、客服等领域具有广阔应用前景。

随着远程工作模式的持续，安全专家需要采用相应的方法来维持已在消失多年的网络外围中几乎不存在的可视性、监控和威胁检测。

这篇论文介绍了GSO（Global Software Optimization），一个用于评估大语言模型在软件性能优化任务中能力的基准测试。研究团队从真实代码库中提取了102个优化任务，涵盖10个代码库和多种编程语言。实验结果显示，即使最先进的AI编程助手在这些任务上的成功率也低于5%，表明软件优化对当前模型仍是巨大挑战。研究分析了失败模式，包括低级语言处理困难、懒惰优化策略和瓶颈定位不准确等问题，为未来研究提供了明确方向。