本文介绍了 Sakana 针对语言模型提出的全新 CTM 架构，通过内部短时记忆和自适应运算，令模型推理更接近人类思考方式。

这项研究介绍了一种创新的两阶段SVG风格定制方法，使AI能够生成具有特定风格的矢量图形。香港城市大学和Adobe研究院的团队首先训练一个路径级T2V扩散模型掌握SVG结构，然后通过从定制的图像扩散模型中提取风格知识来实现风格定制。与现有方法相比，该技术既保持了SVG的结构规律性，又能灵活适应不同风格，为设计师提供了一个强大工具，可以根据文本描述高效生成风格一致的矢量图标。

QuXAI是北南大学研究团队开发的首个专为混合量子-经典机器学习模型设计的可解释框架。这项创新通过结合量子特征映射和经典学习算法，解决了量子机器学习"黑箱"不透明的关键挑战。框架核心是Q-MEDLEY解释器，它能精确追踪原始特征在量子编码和经典学习过程中的影响，为模型决策提供全面解释。实验证明，该方法在多个数据集上能有效区分重要特征与噪声，并与现有XAI技术相媲美。这项工作对提高量子增强AI的透明度和可信度具有重要意义，为量子计算在科学和实际应用中的负责任使用奠定基础。

中文大学等机构联合研究提出"问题自由微调"方法，解决AI推理模型在简单问题上过度思考的问题。该方法训练时移除问题输入，仅学习推理过程，使AI能自适应选择短推理或长推理模式。实验显示该方法在保持性能的同时将回答长度减少50%以上，在噪声、跨域和低资源场景中表现优异。

浙江大学与腾讯联合研究团队提出MoA异构适配器混合方法，通过整合不同类型的参数高效微调技术，解决了传统同质化专家混合方法中的表征坍塌和负载不均衡问题。该方法在数学和常识推理任务上显著优于现有方法，同时大幅降低训练参数和计算成本，为大模型高效微调提供了新的技术路径。

博洛尼亚大学团队开发出情感增强的AI系统，通过结合情感分析和文本分类技术，显著提升了新闻文章中主观性表达的识别准确率。该研究覆盖五种语言，在多项国际评测中取得优异成绩，为打击虚假信息和提升媒体素养提供了新工具。

与其制造新的Twitter和Facebook，不如想想如何创建对每个人都更友好的内容发布系统。

最近我们留意到“World of DaaS”节目邀请到了一位重量级嘉宾——安妮·杜克（Annie Duke）。她的履历堪称传奇：前职业扑克冠军，职业生涯中斩获逾400万美元奖金，并将2004年世界扑克系列赛金手链收入囊中。如今，她成功转型为决策策略领域的权威专家，著有《对赌：信息不足时如何做出高明决策》与《放弃：懂得何时放手的力量》等畅销作品。在这期视频中，安妮·杜克与主持人展开深度对话，一步步剖析风投在项目评估过程中常见的认知陷进，并分享了如何运用决策科学的原则来优化投资策略、提升决策质量。

2024年，是实现“十四五”规划目标任务的关键一年，包括5G、AI在内的信息通信技术是新质生产力的重要组成部分，是支撑数字经济蓬勃发展的重要“底座”，是激活数据要素潜能、驱动经济社会数字化转型、推动数字政府建设的新引擎。

美团团队开发的TreeCUA系统通过创新的树状探索方法，让AI能像人类一样操作软件界面。该系统采用多智能体协作框架，实现了完全自动化的GUI轨迹合成，在OSWorld基准测试中达到34.6%的成功率，显著超越现有开源方案，为构建通用计算机使用代理奠定了重要基础。

日本Sakana AI实验室开发出Transformer?系统，首次实现AI模型实时自我调节能力。该系统通过奇异值微调技术，让大模型能根据任务类型自动调整内部参数配置，仅用传统方法1%的参数量就实现显著性能提升。系统采用两轮推理机制和强化学习训练，在数学、编程、视觉等多领域测试中均表现优异，甚至支持跨模型的专家知识迁移，为构建真正智能的自适应AI系统奠定了技术基础。

NVIDIA团队开发出革命性AI图像生成技术AYF，成功将传统需要几十步的复杂图像生成过程压缩至仅4步，同时保持高质量输出。该技术通过创新的流映射方法和双重训练目标，解决了现有快速生成方法质量差或多步性能退化的问题，在ImageNet等标准测试中表现优异，为AI图像生成的实用化应用奠定了重要基础。

每个行业都有越来越多的企业在采用人工智能（AI）来改变业务流程，但是他们的AI计划能否取得成功，不仅仅取决于数据和技术，还要取决于是否有合适的人才加入。不仅仅有数据科学家和工程师……

本文探讨了CIO如何在2025年提升领导力。建议包括:制定成长计划、建立盟友生态系统、扩大同行网络、提高沟通技能、培养同理心、保持真实性等。文章强调CIO需要不断学习和成长,以应对不断变化的挑战,成为更优秀的技术领导者。

每个行业都有越来越多的企业在采用人工智能（AI）来改变业务流程，但是他们的AI计划能否取得成功，不仅仅取决于数据和技术，还要取决于是否有合适的人才加入。有效的企业AI团队是一个多元化的群体，其中不仅仅有数据科学家和工程师。

想象一下，你是一位烹饪大师，准备制作一道复杂的全餐。你的食材柜里有各种各样的食材——肉类、蔬菜、调料、面粉等等，数量远超你一次能用的量。传统方法可能是从每类食材中随机挑选一些，但这样做往往效率低下。

香港中文大学研究团队开发出HPSv3图片质量评价系统，能像人类一样准确判断图片美观度和质量。该系统基于108万张图片的HPDv3数据集训练，涵盖AI生成图片到真实摄影作品的完整质量范围。团队还提出CoHP优化方法，通过智能选择和迭代改进显著提升图片生成质量，在用户测试中获得87%偏好率，为AI图片生成领域提供了重要突破。

上周末，DeepMind 在《科学（Science）》期刊上发表了一篇通用强化学习算法论文，论文描述了 AlphaZero 如何快速学习三种棋类游戏成为史上最强的棋手。

中科院团队提出SRFT新方法，通过同时进行监督学习和强化学习，并使用熵感知机制动态平衡两种训练方式，让AI在数学推理任务中取得显著提升，准确率达59.1%，为AI训练提供了新的有效范式。

FastMesh是新加坡南洋理工大学开发的革命性3D网格生成技术，通过分离处理顶点和面片，将传统方法的标记数量减少到23%，实现8倍速度提升。该技术采用自回归模型生成顶点，用双向变换器构建面片，并配备保真度增强器优化细节质量。在标准测试中表现优异，生成1000顶点模型仅需7秒，为游戏、影视、VR等行业提供了高效的3D内容创作解决方案。