2020年开年，人们的生活、工作、学习等都被突如其来的疫情打乱了节奏，健康的重要性也被反复提及。今日，华米科技举办了题为“AI to Decode Future”的首届AI创新大会，公司创始人、董事长兼CEO黄汪在会上表示，华米的使命是科技连接健康！

CES期间,宏碁发布一系列引人注目AI PC新品,均搭载集成NPU加速AI能力的英特尔酷睿Ultra处理器,让笔记本在处理性能和AI技术方面取得了巨大突破,将AI技术融入轻薄本和游戏本多款产品,带来触手可及的AI体验!

这项由美国AI安全中心和Scale AI等机构联合开展的研究，创建了迄今最具挑战性的AI学术能力测试基准。该测试包含2500道专家级题目，涵盖数十个学科领域，由全球近千名专家贡献。测试结果显示，即使是最先进的AI系统表现也非常有限，准确率普遍在个位数，同时存在严重的"虚假自信"问题。研究揭示了AI系统与人类专家在深度学术能力方面的巨大差距。

Meta研究团队开发了革命性的AU-Net架构，让AI无需传统分词直接从字节理解语言。这项技术在多语言处理和字符级任务上显著超越传统方法，为AI语言理解开辟了新路径。

Hitachi Vantara 在 VSP One 存储平台上集成 CyberSense AI 检测工具，实现对数据变化的实时分析，保障性能、安全和节能，提升勒索软件防护与数据恢复能力。

香港科技大学团队首创Video-MTR系统，让AI像侦探一样进行多轮推理来理解长视频。该系统不再一次性分析整个视频，而是先粗略观察，再针对性深入关键片段，最多进行三轮调查。通过双层奖励机制和仅8000个精选训练样本，在三大权威测试中均达到开源系统最佳水平，特别在长视频理解上提升显著。

模型训练越来越不需要人类了！清华等提出RLPR，让AI通过语言直觉训练

百度大脑是2016年百度正式对外发布的超大规模神经网络，目前已经成为百度在人工智能领域的“集大成者”。两年来，从1.0版本的基础能力搭建到2.0形成了完整的技术体系，首次开放60多项AI核心能力，再到此次3.0版本的发布，百度大脑的能力仍在不断提升。

MIT研究团队开发出突破性的音频驱动视觉重建技术，让AI仅通过声音就能重建完整视觉场景并进行智能对话。该系统在场景识别上达到87%准确率，能够从复杂音频中提取空间布局、物体位置等视觉信息。这项技术将为视觉障碍人士、智能家居、自动驾驶等领域带来革命性应用，代表了多模态人工智能发展的重要里程碑。

上海AI实验室团队通过LEGO积木设计了创新评测基准LEGO-Puzzles，系统测试了20个先进多模态大语言模型的空间推理能力。研究发现即使最强AI模型准确率仅57.7%，远低于人类93.6%的表现，揭示了当前AI在三维空间理解和多步序列推理方面的重大不足，为机器人、自动驾驶等应用发展提供重要参考。

金风送爽，秋意渐浓。作为我国对外开放三大展会平台之一，2022年服贸会于9月1日在北京首钢园开幕。

华为科技团队开发出首个多视角3D空间理解基准测试Ego3D-Bench，包含8600个测试样本，覆盖距离测量、定位、运动推理等任务。同时推出Ego3D-VLM解决方案，通过构建文字版认知地图显著提升AI空间理解能力，多选题准确率提升12%，距离估算误差减少56%，为自动驾驶和机器人应用提供关键技术支撑。

VisTA是一种新型强化学习框架，使视觉AI能够自主探索、选择和组合多种视觉工具。与传统方法不同，VisTA无需人工监督，通过反复尝试学习哪些工具最有效。研究团队在ChartQA、Geometry3K等测试中证明，VisTA显著优于训练免费基线，特别是在分布外样本上表现更佳。其核心创新在于使用群体相对策略优化算法，让AI代理能够根据实际性能而非预设规则来选择工具，为未来发展更灵活的视觉推理系统铺平了道路。

OpenAI 最新推出的 o3 和 o4-mini 推理 AI 模型虽然在编程和数学等任务上表现出色，但幻觉率却远高于以往模型，引发了对准确性的严重担忧，亟待进一步研究。

北卡罗来纳大学教堂山分校研究团队提出MEXA框架，通过动态选择和聚合多个专业AI模型来处理复杂的多模态推理任务。该方法无需额外训练，在视频理解、音频分析、3D场景理解和医学诊断等多个基准测试中显著超越现有模型，为AI系统设计提供了新思路。

以色列理工学院研究团队开发出一种新颖的AI推理改进方法，通过训练专用的"继续思考"标记，让AI模型在解题时能够进行更深入的思考。该方法只需训练单个标记的嵌入向量，保持模型其他参数不变，在数学推理任务中展现出显著效果，准确率提升幅度达到传统方法的三倍以上，为AI推理能力提升提供了高效且通用的解决方案。

这项研究创建了"Visual CounterFact"数据集，通过展示与常识相悖的图像（如蓝色草莓）测试视觉语言模型如何平衡视觉输入与记忆知识。研究发现，模型往往会被视觉输入左右，即使被问及通用知识问题。团队开发了"像素与先验"转向技术，成功控制模型在两种信息源之间的依赖，颜色任务成功率高达92.5%，大小任务达74.6%，为构建更可靠的多模态AI系统提供了新工具。

这篇博文深入解析了KAIST与卡内基梅隆大学研究团队开发的COT ENCYCLOPEDIA框架，该框架能够自下而上地分析、预测和控制大语言模型的推理策略。研究显示，不同的推理策略对模型表现有显著影响，且这些策略主要由训练数据的格式而非内容领域塑造。通过引导模型采用最优策略，可提升模型准确率2.5%-8.3%，为AI系统优化提供了全新方向。

想象一下，当你走在一条陌生的街道上，你会不自觉地移动你的头部和眼睛来感知周围的环境。你可能会抬头看看高楼，左右张望观察街道两侧的店铺，或者转身看看身后是否有车辆驶来。这种自然的观察方式实际上非常类似于电影中摄像机的运动方式。

上海交大团队首次建立AI视觉推理评估标准RISEBench，测试发现即使最先进的GPT-4o-Image在推理驱动的图像编辑任务中准确率仅28.8%。研究涵盖时间、因果、空间、逻辑四大推理维度，揭示当前AI缺乏真正理解物理规律和逻辑关系的能力，为AI发展指明了从模式识别向深层推理转变的重要方向。