Meta FAIR实验室研究团队发现推理型AI模型虽然逻辑能力强，但在事实表达上容易产生幻觉。他们创新性地设计了包含准确性、详细性、相关性三维评价的训练体系，通过在线强化学习让AI模型既会深度思考又能准确表达事实。实验显示新方法将事实准确率提升23个百分点，同时增加23%的信息详细度，为构建更可信赖的AI系统提供了切实可行的解决方案。

新加坡多所顶尖大学联合发布首个3D和4D世界建模全面调研，系统整理了视频生成、占用网格和激光雷达三大技术路径。研究建立了统一的分类体系和评估标准，涵盖数据引擎、动作解释器、神经模拟器等四类功能，并深入分析了在自动驾驶、机器人、虚拟现实等领域的应用前景，为构建更加智能和安全的AI系统提供重要指导。

H Company研究团队开发了开源网页操作AI系统Surfer-H，配备专门训练的Holo1视觉语言模型。该系统在WebVoyager基准测试中达到92.2%的成功率，媲美GPT-4性能但成本仅为其四分之一。研究团队还发布了专门的网页定位测试集WebClick，并完全开源模型权重，为AI技术民主化做出重要贡献。

清华大学联合多家机构发表突破性研究，提出AI训练数据的五层分级管理框架（L0-L4），从原始数据到精炼知识逐层优化。研究发现高质量数学数据具有"超级食品"效应，不仅提升数学能力还增强跨领域表现。实验证明分层训练比传统方法性能提升1.49个百分点，团队已开源相关工具和数据集供社区使用。

阿里巴巴通义实验室推出Wan-Animate，这是一项革命性的角色动画技术，能让静态照片中的人物按照参考视频动起来。该技术支持动画和替换两种模式，通过精确控制身体动作和面部表情，实现高质量角色视频生成。在与商业产品的对比中表现优异，研究团队承诺完全开源，为AI社区提供强大工具。

AutoIntent是俄罗斯研究团队开发的革命性自动化文本分类工具。它能够自动选择最佳的嵌入模型、分类算法和决策阈值，让普通用户无需专业知识就能构建高效的意图识别系统。在标准测试中，AutoIntent不仅准确率超过现有工具，训练效率也提升一倍以上，特别在多标签分类和超范围检测方面表现突出，为AI技术普及化开辟了新路径。

上海AI实验室联合多家顶尖机构开发出全球首个科学推理大模型SciReasoner，该模型在2060亿科学数据上训练，支持103个科学任务，能够像科学家一样进行逻辑推理并展示思考过程。它实现了化学、生物学、材料科学等多领域知识整合，在分子设计、性质预测、文献分析等方面表现出色，为科学研究提供了强大的AI助手工具。

轻薄本可以办公娱乐，也能创作视频；游戏本可以在电竞网游中提供超高帧数，也能开启2K+光追的沉浸体验；体型娇小的Mini PC可以灵活部署在各种场景；高性能PC与工作站让渲染模拟、影视制作效率大幅提升。

这项研究展示了如何通过在经济问题上进行后训练，让大语言模型像经济学家一样思考，从而实现战略性泛化能力。研究团队开发了名为Recon的7B参数开源模型，通过在2,100个高质量经济推理问题上进行监督微调和强化学习，不仅提升了模型在经济基准测试上的表现，更重要的是让模型在从未直接训练过的多智能体博弈中展现出合理的战略行为。结果表明，领域对齐的后训练可以作为智能体对齐的可扩展路径，通过结构化推理问题培养出更广泛适用的理性决策能力。

ByteDance团队开发的HeteroScale系统通过三层智能架构解决大规模AI服务GPU调度难题。系统创新性地使用decode TPS作为调度指标，建立异构资源管理框架和网络感知调度机制，在生产环境管理数万GPU，实现26.6%利用率提升和41.3%资源节约，为AI服务资源管理提供新范式。

NVIDIA团队开发的SANA-Sprint技术实现了AI图像生成的重大突破，将传统需要20步的生成过程压缩至1步，在H100上仅需0.1秒即可生成1024×1024高清图像，速度比现有最快模型提升10倍以上。该技术通过创新的混合蒸馏策略，在大幅提升速度的同时保持了图像质量，并支持实时交互应用，为AI绘画从专业工具向大众应用的转变奠定了基础。

当面对严峻的危机时，任何文字似乎都显的苍白无力，只有那些实实在在的行动才显的犹如珍贵，在面对这场突如其来的公共卫生安全事件中，社会各界纷纷通过实际行动为抗击疫情做出自己的贡献，其中不乏很多我们熟知的科技类企业，这些企业有的通过直接捐款捐物。

港科大研究团队开发的LazyDrag系统创新性地解决了图片拖拽编辑中的核心难题。该系统摒弃传统的隐式匹配方法，采用显式对应地图技术，实现了无需训练的高精度图片编辑。LazyDrag支持文字引导功能，能智能理解用户意图，在准确性和感知质量方面全面超越现有方法，为AI辅助图片编辑开辟了新方向。

在CES 2020上，一项全新的区块链技术将把新体验送到酷爱咖啡的消费者手里。是的，咖啡是很多人每天热爱的伙伴，也是一个价值千亿美元的全球性产业。

上海AI实验室开发的F1机器人"大脑"实现了革命性突破，让机器人首次具备"预见未来"的能力。通过理解、生成、执行三个专家模块协作，F1能预测任务执行后的画面并据此制定行动策略。在多个机器人平台测试中，F1的成功率大幅超越传统方法，特别是在动态环境和长期规划任务中表现卓越，为机器人智能化发展开辟了新道路。

麻省理工学院研究团队开发出让AI拥有"永久记忆"的突破性技术，通过长期记忆增强生成系统解决了传统AI"健忘"问题。该技术能让AI记住用户偏好和历史对话，实现真正个性化交互。实验显示记忆准确率达85%，一致性94.2%，为AI从工具向智能伙伴转变奠定基础，有望在教育、客服、个人助理等领域产生深远影响。

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。

可以看到，单纯将Hopper替换为Blackwell并不是最好的答案。根据英伟达方面的解释，只有在配合一系列正确举措之后，推理性能提升至30倍、推理功耗降低至1/25的结果才有可能实现。

浙江大学研究团队开发了CAT方法，通过在大语言模型的注意力机制中注入因果知识，解决AI容易学习虚假关联而非真正因果关系的问题。实验显示该方法显著提升了模型在新环境下的表现，如Llama模型准确率从64.5%提升至90.5%。这项创新为开发更可靠、具备真正推理能力的AI系统提供了新思路。

DeepMind创始人兼首席执行官Demis Hassabis(德米斯·哈萨比斯)，在达沃斯论坛期间，分享了多个重磅消息。