说起《三体》，这部获世界科幻文学最高奖项雨果奖的作品以惊艳的“硬科幻”风被大家所熟知，其作者刘慈欣更是被誉为“单枪匹马将中国科幻提高到世界级水平”。

为了实现图像中的交互式区域特定理解，最近的方法采用了各种策略来表示目标区域：在文本标记中编码文本框坐标，利用视觉 RoI 特征，或应用视觉标记。将这些能力扩展到视频领域，一些方法将初始帧的边界框坐标作为文本形式用于区域级视频理解任务。然而，一种能够有效解决图像和视频中区域特定任务的通用方法仍然是一个开放的挑战。

本文将与大家一起探讨下智能制造，以及近年来工业企业对智能制造的需求变化。以此，用友云总结出了一条工业企业智能化发展的转型路径。

CapSpeech是约翰·霍普金斯大学等机构联合提出的风格描述文本转语音合成基准，包含超过1000万机器标注和36万人工标注的语音-描述配对。它支持五大下游任务：基础风格描述、带音效的语音合成、口音控制、情感表达和表现力丰富的虚拟代理。研究团队开发了自回归和非自回归两种模型，并通过客观和主观评估证明了该基准的有效性。CapSpeech不仅丰富了语音合成的表现力和可控性，还为实际应用如有声读物、对话代理和跨文化语音合成铺平了道路。

从一个牛年走到了另外一个牛年，从初生的牛犊一步一步成长到今天，墨迹天气在深入探索生活万物与气象的样态中，试图寻找一个赋能的连接点。

互联网巨头的新玩法，是一次跨维度挑战，但是也是一次新思维重塑。这既未见得不能给传统玩家以新启发，也不好说某天守城一方也可以借此新模式反攻互联网。

日立万塔拉正在进行存储策略更新,统一高端和中端产品线,拥抱全闪存和混合云。公司重回企业存储领域,简化产品组合,现代化技术,同时保持稳定性和可靠性。此外,公司还在积极布局AI市场,推出Hitachi IQ解决方案,并探索AI技术在存储管理和客户支持中的应用。

东华师范大学团队提出MLLMSeg框架，仅用34M参数的轻量级模型在图像分割任务中超越了632M参数的传统SAM模型。该方法通过创新的DSFF特征融合模块，充分挖掘多模态大语言模型视觉编码器的潜力，将细节特征与语义特征完美结合，在RefCOCO等标准数据集上取得领先性能，为移动设备部署和实际应用提供了高效解决方案。

尽管相比AWS和微软Azure，Google Cloud的基础设施即服务增幅更高，但在云计算主导地位的争夺战中，谷歌仍然位列第三。

模型、优化和算法，这是用数学优化的方法解决复杂现实问题的几个核心点。

清华大学与阿里巴巴合作开发的S?-Guidance技术，通过创新的"随机自引导"方法解决了AI图像和视频生成中的质量问题。该技术无需额外训练，仅通过随机屏蔽模型部分功能来创建内部"顾问"，指导AI避免低质量输出。实验显示在多个评估维度上显著超越传统方法，人类专家评价中获得31%偏好率，计算开销仅增加20%。

有光必有影，人们向往光明，却也无法避免黑暗。大数据与人工智能技术，可以让人更深入、更全面的对事物进行了解，但这种技术如果落到用心不良人手中，反而会蒙蔽大家的双眼。当黑产比我们更懂人工智能，企业又将如何去进行应对？

我们正在目睹，以5G为代表的新一代信息技术，就在赋予社会这种经济韧性。

加州大学伯克利分校研究团队开发出革命性的R2R2R系统，仅需智能手机拍摄和一段演示视频，就能自动生成大量机器人训练数据。该系统绕过了传统昂贵的远程操作和复杂物理仿真，通过3D重建和智能轨迹生成技术，让机器人训练效率提升27倍，成本大幅降低，有望让高质量机器人技能变得像安装手机应用一样普及。

弗吉尼亚理工大学研究团队开发出突破性技术，能从单一视频生成全新视角画面。他们通过"K阶递归噪声表示"解决AI模型记忆问题，用"随机潜在调制"智能填充新视角中的空白区域。该方法无需重新训练模型，在视觉质量、角度准确性等关键指标上均优于现有方法，为电影制作、虚拟现实等领域带来新可能。

周有超过7亿用户在使用它，每天发送超过25亿条消息，相当于每秒钟有29000条消息在产生。

复旦大学研究团队通过对五个大型语言模型的深入分析，发现了AI训练中的一个反常现象：增加训练数据量不仅没有提升模型性能，反而导致最高14%的性能下降。研究揭示，精细调优过程中高达90%的参数更新对知识提升无效甚至有害，通过恢复这些无用参数可显著改善模型表现。这一发现挑战了"数据越多越好"的传统观念，为开发更高效的AI训练方法提供了新思路。

Meta超级智能实验室研究团队提出了"语言自我对弈"训练方法，让AI模型通过内部竞争机制实现无数据自我训练。该方法将单个模型分为挑战者和解决者两个角色，通过互相博弈提升性能。实验显示，这种方法在不使用任何外部数据的情况下，达到了与传统数据驱动方法相当的效果，为解决AI训练数据稀缺问题提供了创新解决方案。

UC伯克利大学研究团队提出了自适应并行推理方法，让AI学会自主决定何时串行思考、何时并行处理任务。该方法通过训练AI掌握类似项目经理的资源分配能力，在数学推理任务上实现了23.4%的性能提升，并显著降低了处理延迟，为AI推理能力发展开辟了新方向。

字节跳动与清华大学联合发布的Seed Diffusion Preview是首个基于离散状态扩散的大规模代码生成模型，在H20 GPU上实现每秒2146标记的惊人生成速度，比同类模型快数倍。该模型通过创新的两阶段课程学习、在线策略优化和块级并行推理等技术，在保持高质量代码生成的同时大幅提升了推理速度，在多个代码评估基准上表现优异，为AI代码生成领域建立了新的性能标杆。