加州大学圣克鲁兹分校研究团队创建了包含150万高质量样本的GPT-IMAGE-EDIT-1.5M图像编辑数据集，通过利用GPT-4o优化现有数据质量，使开源AI模型在多项测试中达到接近GPT-4o的性能水平，在GEdit-EN测试中获得7.24分的突破性成绩，显著缩小了开源与商业模型的差距，为AI图像编辑技术的民主化奠定了基础。

2023年新领军者年会在天津召开

Jim Whitehurst于IBM Think Digital 大会上的主题演讲全文。

2024年华为云开年采购季期间，博主将对华为云桌面、华为云会议两款协同办公类产品进行实测，一起详细看看它们能为中小企业带来哪些数字办公新体验吧。

斯坦福大学研究团队通过对比实验发现，AI模型自我改进能力的关键在于四种认知行为：验证、回溯、子目标设置和逆向推理。具备这些"思维习惯"的模型能有效利用额外计算时间提升表现，而缺乏认知行为的模型则停滞不前。研究证明通过精心设计的训练数据可以人为培养这些能力，且思维过程比正确答案更重要。这一发现为AI发展指出新方向：培养正确思维方式比增加数据量更关键。

微软研究院开发的rStar2-Agent是一个仅140亿参数的AI数学推理模型，通过创新的智能体强化学习方法，在AIME24数学竞赛中达到80.6%准确率，超越了6710亿参数的DeepSeek-R1等大型模型。该模型的核心创新包括GRPO-RoC算法、分布式代码执行环境和渐进式训练策略，仅用510个训练步骤和一周时间就达到顶级性能，展示了"小模型大能力"的技术路径，为AI发展提供了高效替代方案。

新南威尔士大学研究团队开发了ZARA系统，这是首个零样本运动识别框架，能够在未经专门训练的情况下识别全新的人类活动。该系统集成了自动构建的知识库、多传感器检索机制和分层智能体推理，不仅实现了比现有最强基线高2.53倍的识别准确率，还提供清晰的自然语言解释，为可穿戴设备和健康监护等应用领域带来了突破性进展。

上海交通大学团队开发了名为ST-Raptor的智能系统，能够像人类专家一样准确理解医疗报告、财务报表等复杂表格结构。该系统创新性地使用"层次正交树"表示方法和九种基础操作工具，配合智能问题分解和双重验证机制，在复杂表格分析任务中准确率达到72.39%，比现有最佳方法提升20%以上，有望广泛应用于医疗、金融、教育等领域。

AIGC淘金人。

ByteDance Seed团队发布的BAGEL是一个突破性开源基础模型，采用混合变换器专家架构，能同时执行多模态理解和生成任务。研究显示，随着训练数据和模型规模增加，BAGEL展现"涌现能力"—从基础理解和生成，到复杂编辑和自由形式视觉操作，再到长上下文推理，呈现能力阶梯式提升。模型在标准基准测试中超越现有开源统一模型，并显示出强大的世界建模能力，如世界导航和视频生成。研究团队开源了代码和模型检查点，为多模态AI研究开辟新方向。

LAION团队联合多个顶尖研究机构推出EMONET-VOICE语音情感识别基准，包含4500小时多语言合成语音数据和40种精细情感分类。该项目通过心理学专家标注创建高质量测试集，开发出性能领先的EMPATHICINSIGHT-VOICE模型，发现AI系统对高唤醒度情感识别效果好但低唤醒度情感识别困难，为语音AI向人性化发展奠定重要基础。

华为诺亚方舟实验室联合香港中文大学团队在2025年6月首次实现了从自然语言数学问题到严格证明的端到端自动化处理。他们开发的Mathesis系统包含创新的强化学习自动形式化器、精细化评估框架LeanScorer，以及高性能证明器，在中国高考数学测试集上达到18%成功率，相比最佳基线提升22%。该系统已集成到华为Celia智能助手中，将数学问题解决准确率从65.3%提升至84.2%，展现了AI数学推理的巨大应用潜力。

我们将详细介绍AlphaGo是什么以及它的工作原理。

字节跳动AI团队推出的UNO系统实现了图像生成领域的重要突破，能够根据参考图片生成新场景，并首次很好地解决了多主题图像生成的技术难题。该系统采用创新的渐进式训练策略和自动化数据生成技术，在保持参考物体特征的同时实现了灵活的场景创作，为创意产业提供了强大的AI辅助工具。

这篇论文介绍了MIT开发的USAD技术，这是一种能够同时理解语音、音乐和环境声音的通用音频AI模型。通过创新的知识蒸馏方法，USAD在多个音频处理任务上都达到了接近专门模型的性能水平，为构建更智能的音频理解系统奠定了基础。该技术在智能助手、多媒体处理、教育等领域具有广阔的应用前景。

网易有道研究团队开发了Confucius3-Math，这是一个专门针对中国K-12数学教育的14B参数AI模型。该模型在多项数学推理测试中表现出色，超越了许多规模更大的竞争对手，训练成本仅需2.6万美元，推理速度比DeepSeek-R1快15倍，能在消费级GPU上高效运行，旨在通过降低AI教育成本来促进教育公平。

中科大和百度联合研究团队开发了S2K框架，这是一种创新的大语言模型专业领域适配技术。该框架通过智能的内外部知识融合机制和分阶段训练策略，仅用传统方法1%的训练数据就能让通用模型在医学、法律、金融等专业领域达到专家级问答水平，为人工智能在专业领域的高效应用提供了新的解决方案。

这项由浙江大学周晓巍教授团队联合牛津大学、蚂蚁集团等机构开发的SpatialTrackerV2系统，实现了仅用普通摄像头就能精确追踪视频中任意点的三维运动轨迹。通过创新的统一框架和大规模数据训练，该技术在权威测试中相比前代方法准确率提升50%以上，运行速度快50倍，为机器人、自动驾驶、VR等领域提供了突破性的技术基础。

不过，虽然这是一场地平线的产品发布会，但在整场演讲当中，我们听到最多的反而是余凯的产业理念。从当年在百度参与过辛顿深度学习公司竞拍的科学家，到现在的港交所上市公司，余凯自己完成了一个科学家到企业家的完美转身。这次发布会上，他也对芯片公司的创业之路做了一个相当完整的梳理。某种程度上，我们甚至可以将这场发布会当作一个商学院创业课来听。

伊利诺伊大学香槟分校团队推出SWERANK软件问题定位框架，通过"先筛选再精排"的两阶段策略，以极低成本实现了超越昂贵AI助手的问题定位准确性。团队构建的SWELOC数据集为训练提供了高质量的真实案例，实验证明该方法在成本效益比上比现有方案高出57倍，为软件开发行业提供了实用且经济的调试解决方案。