腾讯YouTu实验室推出OneNIP技术，仅需一张正常图片就能检测多种工业产品缺陷。该技术通过双向交叉注意力机制和正常图像提示，解决了传统方法需要为每种产品单独训练模型的问题。在MVTec等权威数据集上，OneNIP在像素级异常分割任务中取得显著提升，为智能制造中的质量控制提供了新思路。

这篇研究论文介绍了一种名为"Nash Mirror Prox"(NashMP)的创新算法，旨在解决传统强化学习从人类反馈(RLHF)中存在的局限性。研究团队发现，传统方法常用的Bradley-Terry模型假设人类偏好具有传递性，而实际上人类偏好常常是非传递的。NashMP算法通过将问题建模为偏好游戏并寻找Nash均衡，实现了显著更快的收敛速度—KL散度到最优策略以(1+2β)^(-N/2)的速率减小，且不依赖于动作空间大小。研究团队不仅提供了理论证明，还开发了实用版本用于大型语言模型的微调，实验结果表明该算法在理论和实践上都优于现有方法。

通常来讲，1-2岁的婴幼儿不能戴口罩。N95口罩透气度较差，不适合孩子使用。对于儿童，推荐佩戴儿童专用的防护口罩，且家长需随时注意孩子有无呼吸困难等不适情况。

2023年会是3D数字人的元年，数字人在这一年也将真正跨越2D时代。

本文整理自TF中文社区技术代表、瞻博网络中国区合作伙伴技术经理张建勋在TF中文社区“2020第一次Meetup”上的演讲,分享多云现实的困境及出路。

我们先用一个简单的代数方程，了解过去二十年间两大CPU架构之间的相对算力比较：如果说英特尔X86有2X个核心，那么IBM Power只需要X个核心就能与之匹敌。

沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1，通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型，在MedQA等测试中取得87.1%的优异成绩，展现了精巧训练策略胜过规模扩张的重要启示，为资源有限的医疗AI研究提供了新路径。

这项研究提出了CPGD算法，解决语言模型规则强化学习中的训练不稳定问题。通过用策略梯度损失替代PPO-clip损失，并引入裁剪机制和策略漂移正则化，CPGD有效避免了现有方法中由重要性采样比率引起的训练崩溃。实验结果表明，CPGD在多个多模态数学基准测试上显著优于其他强化学习算法，与基础模型相比平均提升11.0%的性能，尤其在领域内测试上提升21.8%，展现出卓越的稳定性和泛化能力。

2018年11月21日，NVIDIA在苏州举办了GTC China大会。大会上，NVIDIA创始人兼首席执行官黄仁勋在两个多小时的主题演讲中为我们分享了NVIDIA对于AI时代的思考以及众多新产品、新技术和新服务。

大部分国内企事业单位的网络安全的现状是不容乐观的，这一点从这几年相关部门组织的全国性实战攻防演练行动可以看出来。

2023年AI成为热词，OpenAI的Chat-GPT引领第一波AI浪潮。2024年，苹果Vision Pro带来空间计算概念，OpenAI的Sora掀起第二波AI浪潮。Sora的文本到视频转换技术，结合Vision Pro的空间视频功能，展现了AI与XR设备的融合潜力。

苹果公司机器学习研究团队发布MegaFusion技术，这是一项革命性的AI图像生成突破。该技术能在不重新训练模型的情况下直接生成超高分辨率图像和视频，解决了传统方法分辨率提升时出现的模糊问题。通过智能感受野扩展和多尺度特征融合，MegaFusion实现了电影级视觉效果，在内容创作、教育、商业营销等领域展现巨大应用潜力。

Mozilla和EleutherAI联合发布了一份关于创建开放授权大语言模型训练数据集的最佳实践指南。该研究通过召集30位专家，制定了七个核心原则和详细的技术建议，旨在解决当前AI训练数据版权争议、透明度不足等问题，推动构建更加开放、公平和可持续的AI生态系统，为未来AI发展提供了重要的指导框架。

中科院团队开发的BridgeVLA系统实现了机器人学习的重大突破，仅需3次演示就能让机器人掌握复杂操作技能，成功率达96.8%。该系统通过巧妙的输入输出对齐设计和创新的预训练策略，让机器人能够真正理解三维空间和语言指令，为智能机器人的普及应用奠定了重要基础。

腾讯优图实验室提出AnoGen方法，仅用3张异常图片就能训练出高精度工业检测AI。该方法通过扩散模型学习异常特征并生成大量逼真样本，在MVTec数据集上将检测精度提升5.8%，为解决工业异常检测中样本稀缺问题提供了突破性方案。

这篇研究论文介绍了ReasonGen-R1，一个由微软与上海科技大学合作开发的创新框架，首次将链式思考(CoT)与强化学习(RL)应用到自回归图像生成模型中。研究通过两阶段方法实现：先用监督微调(SFT)教会模型生成推理文本，再用群组相对策略优化(GRPO)提升生成质量。实验证明该方法在GenEval(+6%)、DPG-Bench(+1.69%)和T2I基准测试(+13.38%)上均优于现有模型，证实"先思考后创作"的方法能显著提高AI图像生成的指令遵循能力和质量。

AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞，开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容，成功率超过86%，完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险，对全球数十亿智能设备构成潜在威胁。

对基于AI型欺诈识别方案的深入研究。

这项研究探索了如何通过"LLM情境调节"和"持续工作流程提示"技术来提高大型语言模型在验证化学分子式时的准确性。研究者发现，普通提示方法往往不可靠，因为LLM倾向于自动"纠正"错误而非指出它们。然而，通过精心设计的情境调节提示，研究成功引导Gemini 2.5 Pro不仅识别出文本中的错误，还发现了之前人工审阅未察觉的图像中的分子式错误。这一概念验证研究表明，即使不修改模型本身，也能通过适当的提示策略显著提高LLM在科学技术文档细节验证中的表现。

苹果公司研究显示，Claude、Gemini、DeepSeek-R1等大型推理模型在复杂问题上表现令人失望。研究发现，在低复杂度任务中，常规模型优于推理模型；中等复杂度时推理模型稍好但耗费10-50倍计算资源；高复杂度下两者均失效。专家认为这些模型只是复杂的模式匹配，缺乏真正推理能力。对冲基金CEO更倾向预测性AI，研究者建议结合符号AI与神经网络构建神经符号AI系统。