中科院团队首次实现机器人视觉、语言、动作三位一体统一建模，开发出UniVLA模型。该模型采用创新的"世界模型"训练策略，通过观看视频学习物理规律，在多个基准测试中创下新纪录。LIBERO测试成功率达95.5%，比此前最好成绩提升10个百分点。技术突破在于将不同模态信息转换为统一数字令牌，实现端到端学习，为通用机器人智能奠定基础。

斯坦福大学推出DynaGuide技术，让机器人无需重新训练就能通过视觉示例学会新任务。该系统采用独立的动态模型为机器人提供实时行为指导，成功率达70%，在处理模糊指令时比传统方法强5.4倍。技术支持多目标引导和即插即用部署，已在真实机器人上验证成功，为个性化机器人服务开辟新路径。

武装泅渡、在炮弹中腾挪跳跃的特种兵，与指尖跳跃，在办公室创造虚拟世界的程序员，就像两条毫不相干的平行线，但命运却令两条线交缠。当两种身份印记融汇进同一人的人生故事里，又会谱写怎样的故事呢？

阿里巴巴等机构联合发布LLaSO框架，这是首个完全开放的端到端语音理解系统。该框架包含2550万训练样本、20种语音任务，支持多模态交互，在标准化评估中获得0.72分，超越同类系统。LLaSO不仅提供完整数据和代码，还建立了统一评估标准，为语音AI研究提供了重要基础设施，推动了从语音识别向全面语音理解的技术跃升。

这项由浙江大学与蚂蚁集团联合研究的AUTOMIND系统，通过构建专家知识库、智能搜索策略和自适应编程三大创新，让AI具备了接近人类专家的数据科学能力。在权威测试中超越56.8%的人类参赛者，相比前代系统效率提升300%，成本降低63%，为数据科学自动化开辟了新路径。

数字化转型其实是一个比较夹生的表达方式。虽然“数字化”对这一进程本质的揭示更为深刻和普适，但不可否认的是，以“互联网”为前缀的表达方式在逆袭正劲的风口，具有更高的市场辨识度。

Shailesh Prakash的职业生涯并非起步于媒体集团。在加入《华盛顿邮报》之前，他曾经在Sun Microsystems、网景以及微软等多家以技术为中心的企业工作过。

商汤科技研究团队开发了MaskGWM，一个革命性的自动驾驶预测系统。该系统采用创新的"双重学习法"，让AI同时掌握图像生成和逻辑推理能力，能够预测长达12秒的未来驾驶场景。通过空间和时间两个维度的掩码重建训练，结合多视角预测能力，MaskGWM在标准测试中显著超越现有技术，并展现出强大的跨域泛化能力，为更安全智能的自动驾驶技术奠定了重要基础。

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。

这项研究汇集了来自斯坦福大学、苏黎世联邦理工学院、隆德大学、加州大学旧金山分校等多所世界顶尖学府的11位医学专家，共同构建了医学AI领域的首个多模态情境学习评估标准。

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。

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。

麦吉尔大学研究团队开发的LLMSYNTHOR框架创新性地将大语言模型用于高质量数据合成，解决了传统方法在处理复杂数据时的局限性。该框架将LLM视为非参数copula模拟器，通过"LLM提案采样"机制提高效率，并在摘要统计空间中迭代对齐真实与合成数据。实验证明LLMSYNTHOR在电子商务、人口统计和城市移动性等领域生成的合成数据具有卓越的统计保真度和实用价值，为隐私敏感领域的研究和决策提供了宝贵工具。

AI时代，英特尔需要重新引领产业风向，伴随着第五代英特尔至强可扩展处理器的发布，英特尔也进入了密集的产品发布周期。

Stripe联合创始人John Collison最近与Anthropic CEO Dario Amodei（达里奥·阿莫代）进行了一次对话。

Stripe联合创始人John Collison最近与Anthropic CEO Dario Amodei（达里奥·阿莫代）进行了一次对话。

“雄性与雌性的行为为何有所不同？”

南京大学研究团队构建了SpatialVID，一个包含2.7万小时高质量视频的大规模空间标注数据集。该数据集为每个视频片段提供精确的摄像机姿态、深度信息、动态掩码和结构化语义描述，涵盖城市、自然、室内等多样场景。通过严格的四重筛选机制和创新的几何先验增强标注流程，SpatialVID在规模和质量上都创下新纪录，为训练具有空间理解能力的AI模型提供了前所未有的数据基础，将推动自动驾驶、机器人导航、虚拟现实等领域的技术进步。

瑞士AI联盟发布全球首个真正开源的大型语言模型Apertus，在15万亿字符、1811种语言数据上训练。该模型采用创新的"金鱼损失"技术防止逐字记忆，严格遵循数据合规标准，提供80亿和700亿参数版本。研究团队完全公开训练代码、数据处理脚本等所有技术细节，树立了透明、可信赖的AI开发新标准。

Cisco基金会AI团队开发出全球首个网络安全专业对话AI助手Foundation-Sec-8B-Instruct，基于Llama 3.1架构并用50亿网络安全词汇训练。该AI助手在专业测试中超越GPT-4o-mini等大型模型，同时具备出色的对话能力和安全防护机制，能识别99%的恶意请求。已开源发布，为网络安全行业提供了accessible的专业智能助手解决方案。