这项研究首次为音乐生成AI建立了大规模实时评测平台Music Arena，通过让真实用户比较不同AI模型的音乐作品并投票，解决了传统评测成本高、标准不统一的问题。平台采用智能路由系统处理不同模型的异构特性，详细记录用户聆听行为，并承诺定期公开数据，为音乐AI研究提供了宝贵的用户偏好数据和标准化评估方法。

伦敦大学学院研究团队开发的NOWAIT方法通过阻止AI生成"等等"、"嗯"等思考词汇，在保持准确性的同时将AI输出长度减少27%-51%。该方法无需重新训练模型，可直接应用于现有AI系统，为提高AI推理效率提供了简单有效的解决方案。

字节跳动发布Waver AI视频生成模型，可根据文字描述生成5-10秒的1080p高清视频，支持文本生成视频、图片生成视频等多种任务。在权威测试中位列全球前三，特别擅长处理复杂运动场景如体育比赛等。团队采用创新的两阶段生成策略和统一架构设计，训练使用超过2亿视频片段，并将完整技术方案开源分享。

上海AI实验室联合多家机构推出MM-IFEngine系统，专门解决多模态AI的"指令遵循"难题。该系统能自动生成复杂的图片-指令训练数据，并创建了包含400题、32种约束类型的MM-IFEval评测基准。实验显示训练后的AI模型在指令遵循能力上提升10%以上，在保持原有能力的同时显著提高了对复杂要求的理解和执行能力。

阿里达摩院联合浙江大学推出VideoRefer套件，这是首个能够精确理解视频中特定物体的AI系统。该系统不仅能识别整体场景，更能针对用户指定的任何物体进行详细分析和跨时间追踪。研究团队构建了包含70万样本的高质量数据集VideoRefer-700K，并设计了全面的评估体系VideoRefer-Bench。实验显示该技术在专业视频理解任务中显著超越现有方法，在安防监控、自动驾驶、视频编辑等领域具有广阔应用前景。

IBM高级副总裁Rob Thomas 于IBM Think Digital 大会上的主题演讲全文。

Meta团队发布突破性研究ConfQA，通过"诚实训练"让AI学会在不确定时说"我不知道"，将胡编乱造率从20-40%降至5%以下。结合双重知识框架，在保持高准确性的同时减少30%不必要外部搜索，为AI实用化应用奠定重要基础。

复旦大学研究团队通过深入调查发现，广受关注的Qwen模型在数学推理任务中的异常表现实际上源于数据污染问题。研究证实，当使用未污染的测试数据时，只有准确的奖励信号才能真正提升模型性能，揭示了AI评估体系中的重要缺陷。研究团队开发了自动生成的RandomCalculation数据集，为构建更可靠的AI评估标准提供了新思路。

这项由希伯来大学、IBM研究院和耶鲁大学联合完成的综合性研究，首次系统梳理了大语言模型智能代理评估领域的完整现状，涵盖基础能力评估、应用场景测试、通用能力考量和开发框架四大维度，为这个快速发展的领域绘制了详细地图，并指出了向现实化、动态化、细粒度评估发展的重要趋势。

ByteDance Seed研究团队提出AttentionInfluence方法，让13亿参数小模型为70亿参数大模型筛选训练数据。该方法利用模型内部注意力机制判断数据质量，无需人工标注。实验显示在推理密集型任务上性能提升1.4-3.5%，展现了"弱到强"的泛化能力，为AI训练数据选择提供了新的解决方案。

新加坡科技大学研究团队发现小型AI语言模型存在"长思维链退化"现象：当用少量复杂推理样本训练时，模型性能反而大幅下降。研究显示用8000个样本训练的小模型准确率可降75%，但大规模训练（12万+样本）配合强化学习能实现显著提升。研究首次系统阐释了错误累积机制，为小型AI模型训练策略提供重要指导，颠覆了"少量高质量数据即可改善小模型"的传统认知。

[前言] 技术创新要通过赋能千行百业而体现，更需要无数创业者以新思路来呈现。GSMA 5G创新与投资平台（5G IN）推出「创业者说」系列访谈，携手新媒体平台科技行者，分享创业者的创新故事。

这项由西北大学和谷歌联合完成的研究颠覆了AI训练的传统观念，发现让模型在训练时"偷懒"——随机跳过一半参数更新，竟能获得更好效果。研究团队开发的Magma算法通过智能判断梯度与动量的一致性来决定更新策略，在10亿参数模型上相比传统方法降低了19%的困惑度，为大型语言模型训练提供了简单高效的新工具。

清华大学团队提出了一种创新的零样本量化方法，专门针对物体检测任务优化AI模型。该方法无需真实训练数据，通过自适应标签采样生成任务特定的合成图像，结合多层次知识蒸馏框架实现高效模型压缩。实验显示，该方法在多个数据集上的性能甚至超越了使用完整真实数据的传统方法，同时显著提升了训练效率，为隐私保护与AI技术发展找到了平衡点。

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。

这项由加拿大Vector研究所领导的研究提出了"模型免疫"概念，通过让AI模型在训练过程中接触已标记的虚假信息，增强其辨别和拒绝类似虚假内容的能力。类比人类疫苗接种原理，研究者在微调阶段向模型注入约5-10%的已标记错误内容作为"疫苗"。初步实验表明，免疫后的模型处理虚假信息的能力从60%提升至78%，同时保持了常规任务性能。研究团队还设计了严格的伦理与治理框架，确保虚假内容使用安全。这一方法为提高AI系统的事实准确性提供了预防性解决方案。

香港大学研究团队开发出全球首个空间音频驱动的人体动作生成技术MOSPA，能让虚拟角色像真人一样对不同方向、距离的声音做出自然反应。研究构建了包含超过9小时动作数据的SAM数据集，涵盖27种空间音频场景。技术采用扩散模型架构，在各项评估中显著超越现有方法，为VR/AR、游戏开发、影视制作等领域带来革命性应用前景。

香港理工大学研究团队开发了突破性医学AI系统GEMeX-ThinkVG，让人工智能在分析胸片时能像医生一样详细解释诊断过程。该系统不仅能准确回答医学问题，还能标注具体的影像区域并提供完整的推理链条，解决了传统医学AI"黑盒子"问题。通过创新的强化学习训练方法，仅用八分之一数据就达到了传统方法的性能水平，为可解释医学AI开辟了新方向。

微软发布Phi-4-Mini多模态语言模型，仅3.8亿参数却能媲美两倍规模模型性能。该模型采用创新"混合LoRA"技术，支持文本、图像、语音多模态输入，在数学推理、编程、语音识别等任务中表现出色，在OpenASR榜单排名第一。这种"小而精"设计理念为AI普及化提供新思路，使强大AI功能可在消费级设备运行。

我们引用了该篇评测报告，详细原文如下。同时，浪潮信息当前也推出了NF5468A5“超值机型 限免试用”活动，对该GPU服务器感兴趣的不妨一试。