摘要：本周，NVIDIA举办GTC 2023大会，推出AI Foundations云服务等解决方案。

这项由18所顶尖高校联合开展的研究推出了革命性的AI代理评估平台xbench，彻底改变了传统以技术能力为中心的评测方式，转而采用真实职业场景的实战检验。研究团队在招聘和营销两个专业领域构建了完整的评估体系，让AI代理像实习生一样直接承担真实工作任务，用实际成果证明商业价值。通过对九个主流AI代理的全面测试，发现不同模型在专业任务中的表现差异显著，技术评测高分未必转化为实用价值。

由StepFun等机构开发的UniVerse-1是全球首个开源音视频同步生成模型，采用创新的"专家缝合"技术融合视频和音频生成专家，配合在线标注流水线解决数据对齐问题，在7600小时训练数据上实现了协调的音视频内容生成，为开源社区提供了完整的技术方案和评估基准。

骁龙峰会2024期间，高通中国区董事长孟樸接受了科技行者等媒体的采访，话题围绕自研芯片架构的故事、端侧AI的逻辑、汽车业务的布局、高通在中国市场的发展格局等内容展开。

台湾大学研究团队系统梳理了复合AI系统优化这一新兴领域，提出了基于结构灵活性和学习信号类型的2×2分类框架。研究涵盖26种代表性方法，从固定结构到灵活架构，从自然语言反馈到数值信号优化。团队发现了自然语言反馈在非可微系统优化中的巨大潜力，同时指出了当前面临的人工配置依赖、计算成本过高、评估范围局限等挑战，为这一快速发展的领域提供了系统性理论框架和未来发展指引。

天津大学研究团队开发出Embodied-R1智能机器人系统，通过创新的"指向"技术和强化学习训练，成功解决了机器人视觉理解与实际操作之间的鸿沟。该系统具备四种核心指向能力，在11项基准测试中表现卓越，在未见过的环境中实现56.2%仿真成功率和87.5%真实任务成功率，相比基线模型提升62%，展现出强大的零样本泛化能力和实用潜力。

这项研究构建了首个针对智能搜索系统的大规模现实评测平台Mind2Web 2，包含130个复杂任务和创新的"AI判官"自动评估系统。通过对九个前沿系统的全面测试，发现最佳系统已达到人类表现的50-70%，但在信息幻觉和实时任务处理方面仍有不足，为智能搜索的未来发展提供了重要指导。

这项由腾讯混元实验室联合多所知名大学完成的研究，成功将3D模型生成时间从30多秒压缩到不到1秒，实现32倍速度提升。该技术通过创新的渐进式流程蒸馏和闪电向量解码器，在保持生成质量的同时大幅提升了效率，为游戏开发、建筑设计、影视制作等领域带来革命性改变，使3D内容创作从专业技能变成人人可用的日常工具。

“老朋友们，在这里能见到，非常高兴，好久不见。”陈航一袭黑衣，开场白简单亲切，距离他回归钉钉，仅过去了四个月。这短短的120天，他和他的团队几乎是在以一种“战时状态”做高强度的筹备，只为在钉钉十周岁生日这天，交出或许能定义下一个十年的答卷。

“老朋友们，在这里能见到，非常高兴，好久不见。”陈航一袭黑衣，开场白简单亲切，距离他回归钉钉，仅过去了四个月。这短短的120天，他和他的团队几乎是在以一种“战时状态”做高强度的筹备，只为在钉钉十周岁生日这天，交出或许能定义下一个十年的答卷。

艾伦人工智能研究院开发的MolmoAct是首个开源的机器人空间推理模型，通过"看懂-规划-执行"三步思考法让机器人具备类人的空间理解能力。它不仅在多项基准测试中表现优异，还支持直观的视觉轨迹调教，用户可直接在屏幕上画线指导机器人行为。研究团队完全开源了模型、代码和数据集，为全球机器人研究提供强大基础平台。

这项由上海创新研究院、复旦大学、上海交通大学等机构联合完成的研究，首次实现了真正意义上的视频音频同步生成。MOVA系统拥有320亿参数，能够同时生成高质量的视频画面和完全匹配的音频内容，在唇音同步、多人对话、环境音效等方面都达到了行业领先水平，为AI内容创作开辟了全新的技术路径。

伊利诺伊大学研究团队开发出"生成式积木世界"系统，通过将照片分解成3D几何积木，让用户能够直观地编辑图像中物体的位置、大小和角度，同时保持原有质感。该技术突破了传统图像编辑在3D空间操作上的限制，为专业设计和普通用户提供了全新的创作工具。

华为昇腾团队发布了Pangu Pro MoE，这是全球首个采用混合分组专家（MoGE）架构的72B参数稀疏语言模型。该模型专为昇腾NPU优化设计，通过创新的专家分组策略解决了传统MoE模型的负载不均衡问题，实现了完美的计算负载分配。模型仅激活16B参数处理每个token，在推理效率上显著超越同规模密集模型，为大规模AI应用提供了高效解决方案。

香港科技大学研究团队开发出首个开源长篇音乐生成模型YuE，能根据歌词创作5分钟完整歌曲。该系统采用双阶段架构和轨道解耦技术，在人工评估中与商业系统性能相当，支持多语言创作和风格转换，为音乐创作民主化奠定基础。

这项由俄罗斯AIRI研究所等多家机构联合完成的研究，首次系统揭示了LoRA技术在AI知识注入中的潜在风险。通过对Llama-3.1模型的大规模实验，研究团队发现AI在学习新知识时存在明显的"安全阈值"，超过500个新事实后性能显著下降。更重要的是，他们发现释义增强策略能有效缓解这些问题，为AI安全知识更新提供了重要指导。

Katanemo Labs公司研究团队开发了Arch-Router，一个15亿参数的AI路由器，能根据用户偏好智能选择最合适的AI模型。该系统采用"领域-动作"分类框架，在多项测试中超越GPT-4等大型模型7.71%，响应速度快28倍。研究证明了专业化小模型在特定任务上可超越通用大模型，为AI行业发展指出新方向。

上海AI实验库推出YUME系统，用户只需输入一张图片就能创建可键盘控制的虚拟世界。该系统采用创新的运动量化技术，将复杂的三维控制简化为WASD键操作，并通过智能记忆机制实现无限长度的世界探索。系统具备强大的跨风格适应能力，不仅能处理真实场景，还能重现动漫、游戏等各种艺术风格的虚拟世界，为虚拟现实和交互娱乐领域提供了全新的技术路径。

新加坡科技设计大学研究团队开发了JAM音乐生成系统，能够根据歌词生成完整歌曲，并实现词级精确时间控制。该系统仅用5.3亿参数就超越了参数量更大的同类系统，在歌词准确性、音乐质量等方面表现优异。通过创新的流匹配技术和审美对齐机制，JAM为AI音乐创作提供了新的技术路径。

这项由法国蒙彼利埃大学团队开发的iFAM系统，通过创新的两阶段设计解决了AI视觉模型"看错重点"的问题。系统第一阶段识别图像中的关键区域，第二阶段只处理被选中的区域，完全屏蔽背景干扰。在多个挑战性数据集上的实验表明，该方法显著提升了模型对虚假关联的抗性，为医疗诊断、自动驾驶等高风险应用提供了更可靠的技术基础。