这项由香港中文大学多媒体实验室和香港大学等机构合作的研究，开发了名为GoT的革命性AI图像生成方法。该技术让AI在创作图像前先进行语义和空间推理，用户可直接查看和修改AI的"思考过程"来精确控制生成结果。研究团队构建了超过900万样本的训练数据集，GoT在多项标准测试中均取得最佳成绩，为AI创作从盲目生成向智能推理的转变奠定了基础。

DreamVVT是ByteDance团队开发的突破性AI视频虚拟试穿系统，采用创新的两阶段设计：先为关键帧生成精准试穿效果，再生成流畅完整视频。该系统能处理复杂的真实场景，包括户外环境、360度转身等高难度动作，在多项评测中达到最优性能。技术核心在于充分利用预训练模型优势，通过多模态信息融合实现高质量的服装替换效果。

斯坦福大学研究团队开发了CHURRO历史文献识别系统，可处理跨越22世纪、46种语言的古代文献。该系统基于CHURRO-DS数据集训练，包含近10万页历史文档。CHURRO在印刷和手写文档识别上分别达到82.3%和70.1%准确率，超越最好的商业模型，成本仅为其1/15.5，为历史文献数字化提供了高效解决方案。

中美研究团队提出专家自主选择的AI新架构，让AI专家根据内在激活强度自主选择处理任务，避免传统路由器分配的不匹配问题。在40亿参数模型验证中，新方法在多项任务上超越传统混合专家模型，实现更均衡的负载分配和更高的处理效率，为大规模AI系统的专业化分工提供了创新解决方案。

Salesforce推出的Promptomatix是首个零配置提示词自动优化框架，让普通用户无需技术背景即可生成高质量AI提示词。系统通过智能任务分析、自动数据生成和成本感知优化，在五类NLP任务测试中均表现优异，特别在文本分类上提升15-20%。该技术有望大幅降低AI应用开发门槛，推动人工智能技术普及。

中国香港中文大学深圳分校研究团队开发了TaDiCodec语音编解码技术，实现了极低6.25Hz帧率和0.0875kbps比特率的高效语音压缩。该技术通过文本感知扩散解码器和端到端训练，在保持优异语音质量的同时显著提升压缩效率，在零样本语音合成中达到2.28%英语和1.19%中文词错误率，为AI语音系统提供了革命性的解决方案。

西湖大学研究团队开发了Unicorn技术，首次实现仅用文字训练视觉语言AI模型，无需任何真实图片。该方法通过三阶段数据合成流程，将文字描述转换为合成图像表征，训练的Unicorn-8B模型在多项测试中表现优异。相比传统方法，成本降低96%、时间缩短73%，为AI训练提供了高效经济的新路径。

TeleAI团队发布TeleChat2、TeleChat2.5和T1三款大语言模型的技术报告，详述了从10万亿tokens预训练到强化学习优化的完整开发过程。T1-115B在数学推理上超越OpenAI o1-mini，展现了国产AI模型的技术突破。研究采用4D并行训练策略，在8000个华为昇腾NPU上完成训练，并全面开源以促进AI技术发展。

亚利桑那州立大学团队开发出MMTok技术，通过多模态覆盖最大化方法，让视觉语言AI模型在保持98.7%准确度的同时实现1.87倍速度提升。该方法同时考虑图片和文字信息来智能选择关键视觉令牌，将处理的视觉信息从2880个压缩到160个，显著降低计算成本和内存使用，为AI系统的实际部署提供了高效解决方案。

这项由伊利诺伊大学香槟分校研究团队开发的突破性AI技术，首次让机器具备了类似人类的空间推理能力。通过创新的细粒度偏好优化训练方法，SpatialReasoner-R1不仅能准确判断图片中的空间关系，还能提供完整的逻辑推理过程。在空间质量和数量任务上分别实现4.1%和9.0%的性能提升，为自动驾驶、机器人导航、增强现实等领域带来重要应用前景。

谷歌DeepMind开发的GenCast AI系统在天气预报领域实现重大突破，在97.2%的测试指标上超越传统数值预报系统。该系统基于扩散模型和四十年历史数据训练，能在8分钟内完成全球七天天气预报，比传统方法快数十倍。GenCast采用概率性预报方法，为决策者提供多种天气情景，在极端天气预测方面表现尤为出色，为农业、能源、交通等领域带来广阔应用前景。

Cohere实验室提出了"Treasure Hunt"训练方法，通过在训练阶段为大语言模型添加90个详细标记（涵盖质量、长度、语言、任务类型等），创建了一套智能导航系统。该方法特别针对模型在低频"长尾任务"上的表现不佳问题，通过标记丢弃策略让模型学会自主推断。实验显示整体性能提升5.7%，长尾任务提升9.1%，代码修复任务提升14.1%，同时将长度控制违规率从36.58%降至1.25%。

埃因霍芬理工大学研究团队发现Vision Transformer具备隐藏的视频分割能力，提出VidEoMT模型，通过查询传播和融合机制实现编码器内的时序建模。该方法在保持准确率的同时，速度比传统方法提升5-10倍，最高达160FPS，验证了大规模预训练模型能够简化复杂视频处理系统的设计理念。

微软研究院开发出LongRoPE2技术，能让大型语言模型的记忆容量扩展64倍至12.8万字，同时保持98.5%的原有性能。该方法通过发现AI位置编码训练不均衡问题，采用智能搜索和混合训练策略，仅用传统方法八十分之一的资源就实现突破。这项技术将使AI能完整处理长文档、进行复杂对话，为文档分析、代码开发、内容创作等领域带来重大改进。

OPPO Find X6 系列首次采用三主摄——每一个摄像头都采用行业领先的大底传感器技术和领先行业的光学设计，广角、超广角、长焦摄像头均可以轻松应对极具挑战的拍摄场景。

盘点2023年规模最大的云故障事件。

刷新行业性能天花板，小米“人车家全生态”五大核心技术，小米 SU7新车亮相。

上海AI实验室等机构联合开发的Dita机器人学习模型实现重大突破，仅需10个示例就能让机器人掌握复杂任务。该模型创新性地结合扩散模型与Transformer架构，让机器人具备类似人类的环境观察和任务理解能力，在多个基准测试中表现优异，并成功完成包括倾倒液体、多步骤操作等高难度真实世界任务，为通用机器人智能发展开辟新路径。

从“坚决反对”到“快速入局”，狂奔的宇树和他的人形机器人。

从“坚决反对”到“快速入局”，狂奔的宇树和他的人形机器人。