裁员的风暴飘荡在互联网的上空，这风暴一时半会可能还没法消退。在疫情和经济冲突的双重这折磨下，互联网大厂也军心动荡。前有互联网泡沫的破灭，今天有什么？现在还看不清，只是程序员已经感受到了寒意。

新加坡国立大学研究团队通过分析150多篇相关论文，首次建立了评估提示词质量的21属性框架。研究发现当前提示词研究存在严重不平衡，某些模型和任务被过度关注。通过969个高质量提示词样本分析，团队发现属性间存在强关联性。实验显示单一属性优化往往比多属性组合效果更佳，且用属性增强数据训练的模型表现显著提升。

2018年的超融合早已不是一个热词，在过去3-5年"加速冲刺"的状态中，超融合已逐步度过概念炒作期，进入实际落地阶段。

周末遇上了难得的大晴天，暖阳高照，万里无风，一扫连日来的阴冷气息，让人心情舒畅不少。

ByteDance研究团队发布OmniHuman-1，这是一个革命性的AI人物动画生成系统。该技术只需一张照片和音频就能生成逼真的说话视频，支持真人、动漫角色等多种图像类型。核心创新在于"全方位条件训练"策略，通过同时使用文字、音频、动作三种条件，将可用训练数据从10%提升到100%，显著改善了生成质量和多样性，为AI视频制作技术带来重大突破。

Akamai全球广播运营和客户活动高级总监Harish Menon告诉记者，产业正在经历转型，尤其是在内容交付和直播领域，现在用户的期待越来越高。“业务线上化驱动在线直播发展，而这一过程涉及三大要素——规模、可靠性、安全性。”

2020年12月19日，搜狐视频在World大会上公布2021年新战略，升级打造自制内容，让价值直播成为中台，驱动媒体价值的提升，联动长短视频双引擎，坚定而不同地走出视频平台新价值之路。

无论是传统的大中型企业，还是力求创新的初创型公司，都在积极开展数字化实践来构建新型业务模式与场景，以变求存。

小米公司发布了MiDashengLM，这是一个革命性的音频理解AI系统，能同时理解语音、音乐和环境声音，并用自然语言描述听到的内容。该系统采用创新的"通用音频字幕"训练方法，在多项测试中全面超越现有顶尖系统，运行速度提升4-20倍。研究团队承诺完全开源所有数据、代码和模型权重，为音频AI领域树立了新标杆，有望改变我们与数字设备的交互方式。

本文将介绍分贝通在大数据领域的一些建设经验。分贝通在ToB领域是一个年轻的公司，成立六年多，大数据体系刚刚建立一年多，整个团队不到二十人，整体的大数据建设处于初级和摸索的阶段。本次将总结在大数据业务上的实践和思考，希望给大家带来启发。

德国AI研究院开发出革命性图像识别技术PictSure，仅需少量示例即可识别全新图像类别，在医疗诊断等专业领域表现卓越。该技术采用纯视觉方法，避免了传统系统对大量训练数据的依赖，为数据稀缺场景提供了有效解决方案，展现了人工智能民主化的重要趋势。

这项来自成都信息工程大学的研究提出了Met2Net模型，通过创新的隐式两阶段训练策略解决了多变量气象预测中的关键难题。该方法为每个气象变量配备独立的编码器-解码器，并采用自注意力机制实现变量间智能融合，在温度和湿度预测上分别实现了28.82%和23.39%的误差降低，为气象预报准确性提升开辟了新路径。

像许多技术突破一样，区块链背后的中心思想其实很简单，但却被其周围的修饰和喧嚣所掩盖。区块链的核心是一个纯技术性的反直觉想法：信息被广播后反而变得更加安全。

这项研究揭示了熵最小化作为单独目标可显著提升大型语言模型在数学、物理和编程任务上的推理能力，无需任何标记数据。伊利诺伊大学厄巴纳-香槟分校的研究团队提出三种方法：无监督微调(EM-FT)、基于熵奖励的强化学习(EM-RL)和推理时优化(EM-INF)。实验表明，这些方法在某些任务上甚至超过需要大量标记数据的先进技术，证明许多预训练模型已具备被低估的推理能力，只需简单的熵最小化即可激发。

随着ChatGPT等AI聊天机器人成为"互联网入口"，传统SEO面临颠覆。企业开始关注如何在AI生成的答案中获得更好展示。Evertune等初创公司应运而生，通过每月运行数百万次提示来帮助企业监测品牌在AI回答中的表现。同时，Perplexity出价345亿美元收购Chrome浏览器，OpenAI发布GPT-5模型，显示AI搜索领域竞争加剧。

Meta FAIR实验室研究团队发现推理型AI模型虽然逻辑能力强，但在事实表达上容易产生幻觉。他们创新性地设计了包含准确性、详细性、相关性三维评价的训练体系，通过在线强化学习让AI模型既会深度思考又能准确表达事实。实验显示新方法将事实准确率提升23个百分点，同时增加23%的信息详细度，为构建更可信赖的AI系统提供了切实可行的解决方案。

M-A-P团队发布的COIG-P数据集包含100万个高质量中文偏好样本对，通过15个AI模型协作生成和8个AI评委评分构建。该数据集覆盖对话、编程、数学等六大领域，显著提升了中文AI模型性能，相关模型在AlignBench评测中获得2%-12%的性能提升。团队还开源了中文奖励模型CRM和评估基准CRBench，为中文AI社区提供了重要的开源基础设施。

阿里巴巴推出Ovis-U1统一多模态模型，仅用36亿参数实现图像理解、文字生成图像、图像编辑三大功能。该模型在多项测试中超越专业模型，证明统一训练能相互促进不同AI能力。研究采用六阶段渐进式训练，创新设计精炼器模块提升性能，为开发全能AI系统提供新思路。

这项由哥伦比亚大学等机构研究团队完成的研究，通过ACES测试环境深入分析了AI购物助手的行为特征。研究发现不同AI模型存在显著购物偏好差异，对商品位置异常敏感但偏好各异，对营销标签反应独特，在理性购物测试中仍存在缺陷。研究揭示了AI购物时代将重构电商生态系统，带来新的商业机遇与监管挑战。

蒙纳什大学研究团队提出了一套基于不确定性驱动的自动化过程奖励数据构建框架，解决了训练数学推理AI的关键难题。该方法通过识别AI推理中的不确定性来精准定位错误步骤，显著提高了数据标注效率，同时开发了两种创新的输出聚合策略，结合群体智慧与专家判断，在多个数学推理数据集上取得了显著的性能提升。