香港科技大学研究团队开发了SpatialGen技术，这是一个革命性的3D室内场景生成系统。该技术能够根据简单的文字描述或参考图片，在几分钟内生成逼真的3D房间场景。研究团队构建了包含470万张图像的大规模数据集，并采用创新的多视角多模态扩散模型，实现了在真实感、多样性和用户控制之间的完美平衡，为室内设计、VR/AR和机器人仿真等领域带来了新的可能性。

这篇研究论文介绍了一种名为ConvSearch-R1的创新方法，它彻底改变了对话式搜索中的查询重构方式。由复旦大学等机构研发的这一技术，通过强化学习与推理能力相结合，完全摆脱了对人工标注或大型语言模型的依赖。研究采用两阶段框架：自驱动策略预热解决冷启动问题，检索引导的强化学习则通过精心设计的奖励机制优化查询重写。实验表明，即使使用较小的3B参数模型，ConvSearch-R1也能在TopiOCQA数据集上实现超过10%的性能提升，展示了显著的技术优势和资源效率。

谷歌今天宣布向其公有云平台上增加ensor Processing Units，这是一款专门为人工智能工作负载提供动力的内部设计的芯片系列。

随着人工智能深度融入商业文化，97%的高管认为生成式AI将改变其公司和行业。然而，当人们越来越依赖AI处理记忆、推理和创造性任务时，认知外包现象悄然兴起。研究表明，数字依赖正在重塑记忆模式，可能削弱问题解决能力和批判性思维。组织需要在效率与能力保持之间找到平衡，通过认知训练、批判性参与等方式，将AI视为增强工具而非替代品。

快手团队联合清华、浙大推出MIDAS数字人系统，通过创新的自回归视频生成框架实现多模态实时交互。系统采用深度压缩自编码器将视频压缩64倍，结合大语言模型处理音频、姿态、文本等多种输入，配合轻量级扩散头生成高质量视频。可支持双人对话、跨语言合成等应用，生成视频长达4分钟无明显质量下降，为数字人实时交互应用奠定重要技术基础。

在近日举行的“华为智慧城市峰会2019”上，华为EBG中国区智慧城市业务总裁胡芳接受记者采访时表示，以前城市的建设更多还是自上而下，某种程度上是政府或者企业一起来推动的。现在，我们更多强调老百姓的获得感。

英特尔在零售市场的重点围绕三个方向，即怎样给市场提供标准化，给市场提供更多价值，以及如何让芯片处理能够更好更快的完成。未来，Alec Gefrides表示英特尔希望为众合作伙伴提供一个底层统一化的产品。

斯坦福大学研究团队开发出革命性AI系统，能够通过分析大脑活动以85%准确率解码人类语言理解过程。研究绘制了包含万余词汇的"大脑词典"，揭示语言处理的层次化神经机制，发现大脑存在专门的预测网络和语义枢纽。该技术为治疗失语症、改进教育评估、开发智能AI系统开辟新路径，虽面临个体差异和实时处理等挑战，但已开始临床测试应用。

取诸葛之意，做分析之事，盘活数据，服务用户，创建于2015年3月的诸葛io正式踏入精细化数据运营的赛道，明确做业务场景数据解决方案的提供商，旨在为企业提供“产品+服务”专业数据解决方案。

以上一系列举措，其实只是NVIDIA赋能中国各行各业创新的“冰山一角”。随着中国“新基建”的推出，5G、AI等新技术不断与行业深入融合，NVIDIA依靠黄氏定律实现AI性能实现逐年翻倍，更好地满足行业的智能应用需求。

MUG-Eval是KAIST和Trillion Labs联合开发的创新多语言评估框架，通过让语言模型在目标语言中进行自我对话来评估其生成能力。该方法独特之处在于不依赖语言特定工具或人工标注数据，而是通过任务完成率间接衡量语言能力。研究团队测试了8种顶级语言模型在30种语言上的表现，发现其结果与传统评估方法高度一致（相关系数>0.75）。MUG-Eval揭示了模型在低资源语言上表现显著落后，并发现英语并非评估低资源语言的最佳替代。该框架理论上支持2,102种语言，为真正包容的AI评估提供了新途径。

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%。

在未来三到五年内，大家就会看到我们目前所做的一切初步转化为成果。而可能在此之前，晶圆代工厂的业务调整就已经能反映出RISC-V的进步速度。

2014年，卡内基梅隆大学宣布发现一种存在于动态随机储存器DRAM，也就是现代数字设备使用的内存芯片上的漏洞。

北京大学研究团队创建了首个能够同时测试人类、仿人机器人和传统机器人工具使用能力的对比平台ManiSkill-HAB。通过六个日常工具使用任务的测试，研究发现机器人在学习效率和适应性方面仍远落后于人类。该研究开发的基于观察学习的新方法显著提高了机器人的学习效率，为未来智能机器人发展提供了重要基准和方向。

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。

瑞士苏黎世联邦理工学院研发的EXPTEACH系统让机器人首次具备了类人学习能力。通过双重记忆机制，机器人能从失败中学习并将经验应用到新任务，成功率从22%提升至80%。系统还观察到机器人自主创新行为，如使用工具解决问题。这项突破性研究为通用智能机器人发展开辟了新道路。

ZeroEntropy团队提出zELO训练方法，借鉴象棋ELO评分系统，通过AI模型两两比较文档相关性来训练重排序器。该方法避免了传统人工标注的高成本问题，训练出的zerank模型在多个领域测试中显著超越商业竞争对手，同时开源了模型权重和训练工具，为AI搜索技术发展提供了新的训练范式。

这项由中国人民大学团队主导的研究提出了VideoDeepResearch框架，颠覆了长视频理解的传统方法。该系统采用文本推理模型配合多模态工具箱的设计，通过智能搜索策略实现对超长视频的精准理解，在多个权威测试中超越GPT-4o等顶级模型，同时显著降低计算成本，为视频AI应用开辟了新路径。

安全合规作为第一道防线，国家对于呼叫中心行业的监管日趋严格，在刚刚过去的 315 晚会现场又打出一记重拳，曝光了一批不合规操作的上下游企业，涉及到“非法获取用户手机号码、频繁骚扰用户、通过技术手段规避投诉”等诸多行为。