中科院团队首次开发出1比特视觉-语言-动作模型BitVLA，实现机器人智能操作的革命性突破。该模型将每个参数限制为{-1,0,1}三值表示，通过创新的蒸馏感知训练策略，在仅使用29.8%内存的情况下达到与先进模型相当的性能。在LIBERO机器人基准测试中表现优异，为智能机器人在资源受限设备上的部署开辟了新路径，让家用机器人成为可能。

2018年的领域驱动设计中国峰会是一次对国内DDD实践的检阅和展望，希望和业界同行一起探索DDD，同时希望在软件行业可以更大范围和更深层次的展开实践的道路与前景。

这项研究提出了CompeteSMoE，一种创新的稀疏混合专家(SMoE)训练方法，通过引入竞争机制来优化大型语言模型。传统SMoE依赖独立路由器分配任务，而CompeteSMoE让所有专家直接处理输入并选择反应最强的进行计算。理论分析证明该方法比传统softmax路由具有更好的样本效率，实验显示在视觉指令调整和语言预训练任务上均优于现有方法。该研究为高效训练大型AI模型提供了新思路，特别是在改善专家选择和提高训练效率方面具有重要价值。

韩国研究团队开发出全球首个能够同时生成语音和面部表情的AI系统JAM-Flow，突破了传统技术分离处理音频和视觉的局限。该系统采用多模态扩散变换器架构，通过联合注意力机制实现音频与表情的完美协调。在多项测试中表现优异，用户体验测试显示其生成效果明显优于现有系统。这项技术为虚拟主播、影视制作、教育培训等领域带来革命性进展，代表了多模态AI发展的重要里程碑。

中科院自动化所研究团队开发出TC-Light视频重新打光技术，能够在保持原有内容完全不变的情况下改变视频光照环境。该技术采用独创的"独特视频张量"和两阶段优化策略，可将阴天场景转换为阳光效果，或为普通视频添加科幻光影，同时保持完美的时间连贯性。技术在58个长视频测试中表现优异，为影视制作、AI训练等领域提供了高效解决方案。

融云CPO、原飞信CTO任杰在峰会现场接受了开源中国的专访，详细讲述了他所经历的互联网通信云变迁之路，并深度解读了专注于通信云技术的融云，是如何在5G新浪潮中为开发者提供优质通信服务的。

电子科技大学研究团队突破性发现：仅使用不到10%的精选训练数据，就能让多模态AI的推理能力超越传统全数据训练方法，同时缩短40%训练时间。他们开发的RAP数据选择框架通过因果差异分析和注意力评估，精准识别能激发AI真正多模态推理的"认知样本"，颠覆了"大数据必然更好"的传统观念，为AI训练开辟了质量优先的新路径。

AWS Amazon Bedrock负责人Atul Deo正致力于让人工智能软件变得更便宜和更智能。他在12月re:Invent大会前只有六个月时间来证明这一目标的可行性。Deo表示AI领域发展速度前所未有，模型每几周就会改进，但客户只有在经济效益合理时才会部署。为此，AWS推出了提示缓存、智能路由、批处理模式等功能来降低推理成本，同时开发能执行多步骤任务的自主代理软件，将AI应用从聊天机器人转向实际业务流程自动化。

青云QingCloud运营副总裁林源告诉记者，超级混合云是基于青云QingCloud混合云的延伸。首先，真正的混合云一定是同源的。其次，从数据中心走到数据中心外部，客户需要应用级别的混合云。最后，混合云的路径是多样化。

区块链属于一类加密型记账平台，亦有望协助解决生菜大肠杆菌爆发的难题。

伊利诺伊大学研究团队通过对比实验发现，经过强化学习训练的视觉语言模型虽然表现出"顿悟时刻"现象，但这些自我纠错行为并不能实际提升推理准确率。研究揭示了AI模型存在"生成-验证差距"，即生成答案的能力强于验证答案质量的能力，且模型在自我验证时无法有效利用视觉信息，为AI多模态推理发展提供了重要启示。

量化交易场景一个重要的特点是分秒必争，对于低时延有更高要求

阿里巴巴团队提出FantasyTalking2，通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集，训练三个专业模块分别优化不同维度，再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术，用户评价提升超12%。

华沙大学联合研究团队首次将μ参数化技术成功扩展至混合专家架构，解决了MoE模型训练中的超参数调优难题。通过理论分析和实验验证，证明了小模型上找到的最佳学习率可直接应用于大模型，大幅降低训练成本。研究发现专家网络应视为隐藏权重，路由器应视为输出权重，采用不同缩放策略，为大规模AI模型高效训练提供重要工具。

ALIENWARE外星人今日宣布推出四款全新游戏笔记本电脑——ALIENWARE m18和m16、ALIENWARE x16和x14 R2。ALIENWARE外星人新品首次推出全新外观和材质、强劲的性能升级、进一步增强的设计和舒适性，以及经过全面优化的AWCC外星人智动能技术平台。

汽车向数字化演进，信息流的数据存储以及传输的需求越来越高。

香港大学团队开发了MiCo多图对比框架，通过自监督学习让AI学会像人类一样比较多张图片的细微差异。该方法无需人工标注，仅使用图像内在约束作为监督信号，在多项视觉理解测试中超越了GPT-4o等先进模型，为解决AI多图推理难题提供了新思路。

开源在企业中流行的一个原因，是开源技术提供了经过良好测试的构建块，可以加速复杂应用和服务的创建。但是第三方软件组件以及包和容器的便利性，在带来好处的同时和引入了风险，因为你构建的应用要和这些元素是一样安全的。

这项研究介绍了MetaMind，一个模拟人类社交思维的多智能体框架，由威斯康星大学麦迪逊分校和清华大学研究人员共同开发。该系统通过三阶段协作流程（心智理论智能体生成假设、领域智能体应用社会规范约束、响应智能体生成回应）模拟人类元认知过程。实验表明，MetaMind在社交理解任务中显著超越现有方法，首次使AI系统在心智理论任务上达到人类水平表现，为更具共情心和文化敏感性的AI互动铺平道路。

本文将尝试多角度解读“我来”产品与团队优势，并浅析其高速增长下通过神策数据的大数据思维的应用与实践。