AI技术带来的碳排放已经不容忽视；如果行业趋势继续下去，那么情况将很快失去控制。除非我们愿意重新评估并改革当今的AI研究议程，否则人工智能领域很可能在不久的未来成为引发气候变化的罪魁祸首。

首尔国立大学研究团队开发出名为Durian的AI技术，能够实现前所未有的肖像动画与属性转移功能。该技术通过双重参考网络架构，仅需两张照片就能生成自然的动态视频，展示人物带着新发型、眼镜或胡须等属性的各种表情动作。与传统方法不同，Durian采用创新的自重建训练策略，无需大量标注数据即可学会属性转移，并支持多属性组合和属性插值等高级功能，在各项性能指标上均超越现有技术。

文章探讨了人工智能如何瓦解知识工作者的传统职业与身份，促使他们重新定义自我、发掘机器难以替代的人文优势。

这是首个大规模研究AI知识传授能力的实验，涉及118名参与者与8个顶级AI模型的协作。研究发现AI的智能水平与教学效果并非正比关系，一些高性能AI反而在协作中表现不佳。通过分析数千条对话记录，研究揭示了影响人机协作成功的关键因素，包括表达方式匹配、自适应引导和避免过度依赖。研究警示：随着AI能力提升，可能出现"知识传授鸿沟"，需要专门优化AI的可理解性。

斯坦福大学研究团队通过对比实验发现，AI模型自我改进能力的关键在于四种认知行为：验证、回溯、子目标设置和逆向推理。具备这些"思维习惯"的模型能有效利用额外计算时间提升表现，而缺乏认知行为的模型则停滞不前。研究证明通过精心设计的训练数据可以人为培养这些能力，且思维过程比正确答案更重要。这一发现为AI发展指出新方向：培养正确思维方式比增加数据量更关键。

上海交通大学团队开发的OPUS框架解决了AI大语言模型训练中的关键问题：如何根据具体优化器特性智能选择训练数据。该方法通过优化器诱导的投影实用性选择，仅增加4.7%计算开销就实现了平均2.2%的性能提升和8倍的训练效率。实验表明OPUS在多种场景下都能显著降低数据需求，为大规模AI训练提供了更经济高效的解决方案。

Amazon研究团队开发出CompLLM压缩技术，能让AI处理长文档的速度提升4倍，内存消耗减半。该技术将长文档分段压缩成"概念嵌入"，实现线性复杂度处理，解决了传统AI在处理超长文本时的计算瓶颈。实验显示在处理超长文档时性能优于传统方法，压缩结果可重复使用，为AI应用的效率优化提供了新方案。

天工AI推出的SkyReels-A2视频生成系统实现了重大突破，能够将多张不相关照片智能组合成高质量视频。该技术采用双分支架构处理语义和空间信息，通过200万训练样本学习元素组合规律。在与商业模型的对比中表现出色，特别是在物体一致性和视觉质量方面领先。该系统已开源，为创意产业、教育培训、虚拟电商等领域带来革命性应用前景。

国家发展和改革委员会城市和小城镇发展中心总经济师、副研究员顾惠芳出席大会，并做了题为《可持续发展下的中国城市治理智慧化》的演讲。

强化学习存在推理效率问题，阿里千问团队发明推理二八法则，解决AI选择困难症

想象一下，你正在使用一个智能助手，希望它能根据你的文字描述找到相似的图片，或者通过一张图片找到相关的文本信息。这就像是你在和一个不懂你语言的人沟通，你们之间存在着一道"模态屏障"。为了让计算机理解并连接不同类型的信息（如图像和文本），研究人员需要开发能够将这些不同类型数据转化为通用"语言"的方法。

人工智能是否需要道德价值观？我们采访了神经科学家和《良知：道德直觉的起源》一书的作者Patricia Churchland。

首尔大学研究团队开发出RALU技术，通过智能识别图像重要区域并优化计算资源分配，成功将AI图像生成速度提升3-7倍。该技术采用三阶段生成策略，重点处理边缘区域以避免失真，同时配备噪声重调度算法确保质量稳定。测试显示该技术在大幅加速的同时保持了高质量输出，且可与现有加速方法结合使用，为AI绘图工具的普及和实时应用提供了重要技术突破。

香港科技大学研究团队通过模型融合技术，成功将数学推理能力转移到视觉语言模型中，在保持视觉理解能力的同时显著提升数学问题解决能力。研究发现AI模型的不同功能分布在不同层次，为多模态AI发展提供新思路。

南洋理工大学团队开发的CineScale技术能让AI视频生成模型在不重新训练的情况下，将分辨率从原始大小提升至8K图像和4K视频。该技术通过定制自级联放大、约束膨胀卷积和尺度融合三大核心组件，有效解决了高分辨率生成中的重复图案问题，支持文本到视频、图像到视频等多种生成任务，为AI视频创作领域带来重大突破。

剑桥大学研究团队发现神经网络能够自发涌现思维链推理能力，无需明确编程就能学会逐步分析复杂问题。研究显示网络在训练中会经历"顿悟"时刻，突然掌握多步推理，内部形成专门的推理通道。这种能力具有强泛化性，能应用于更复杂任务。不同架构表现各异，Transformer最优秀。这一发现为开发更智能AI系统和理解机器智能涌现机制提供了重要启示。

新加坡科技设计大学和字节跳动研究团队提出了"语音反向翻译"方法，解决语音识别中的数据稀缺问题。研究表明，仅用几十小时的标注语音数据就能训练TTS模型生成数万小时高质量合成语音，将数据扩充数百倍。他们引入归一化可理解度指标评估合成语音质量，确定了合成数据能有效增强ASR性能的质量阈值。将方法扩展到十种语言，生成了50万小时合成语音，对Whisper-large-v3模型进行预训练，平均降低错误率30%，对低资源语言尤其有效，错误率降低46%。

曼彻斯特大学团队开发了TerminalTraj系统，突破了大规模AI终端操作训练的技术难题。该系统通过智能化数据生成流水线，构建了32000个Docker环境，生成50733个高质量训练轨迹。训练后的AI模型在终端操作任务上性能提升显著，32B模型达到与480B模型相当的效果，为开发智能编程助手和自动化运维工具奠定基础。

要从各大Linux发行版当中找出最佳选项，我们需要如何考量？

如今每家公司都在向软件公司转型，在这个过程中，企业IT领导者可以通过听取那些曾经做过这件事的人（他们的厂商同行）的建议来改善数字化成果。