斯坦福大学研究团队开发出SpeechDriveFace技术，能够仅通过声音生成逼真的说话面部视频。该技术通过深度学习建立声音与面部表情的映射关系，在清晰度、同步性等测试中表现优异，超过80%观察者无法区分真假。技术在内容创作、在线教育、虚拟客服等领域应用前景广阔，代表了AI多模态理解能力的重要突破，为未来人机交互开辟新可能。

佐治亚理工学院研究团队开发的ConceptAttention技术首次实现了对AI图像生成模型内在机制的精确解读，能够生成高质量概念定位地图，准确显示AI如何理解图片中各种概念的位置。该技术在零样本图像分割任务中表现卓越，准确率达83.07%，超越15种先进方法，并成功扩展至视频分析领域，为AI可解释性研究开辟新方向。

新加坡国立大学ShowLab团队提出FAR模型，通过"长短期上下文建模"和多级缓存系统，解决了AI视频生成中的长期记忆问题。该模型能生成长达300帧的连贯视频，在多个基准测试中达到最优性能，为AI世界模拟器的发展奠定重要基础。

MBZUAI研究团队开发的GG技术突破了跨架构程序翻译难题，通过AI将x86程序准确翻译为ARM版本，准确率达99.39%。与苹果Rosetta 2相比，性能快73%、省电47%、内存占用少141%。该技术采用大型语言模型结合严格测试验证，为硬件架构迁移提供了高效解决方案，将推动ARM处理器在数据中心的快速普及。

这项研究不仅是科学史上的一个重要里程碑，也预示着一个更加精准、更加个性化的医学时代的到来。

如果想要像人类种群那样经历数百万年的进化并最终站在地球食物链的顶端，我们首先得掌握一系列重要能力。

弗吉尼亚理工大学研究团队开发了名为"审查与修复"的AI系统，通过四个专业化AI组件协作，解决了AI绘画中角色外观不一致的问题。该系统能自动检测并修正故事插图中的视觉不一致性，大幅提升了AI生成连续图像的质量和连贯性，为创意产业提供了可靠的智能助手，展现了多AI协作解决复杂问题的新范式。

无服务器被寄予厚望，但同时也存在一些争议。

上海创新院研究团队构建了TexVerse——包含超85万个高分辨率3D模型的大规模数据集，其中15万个配备PBR材质。该数据集解决了现有3D数据集纹理质量不足的问题，为高分辨率纹理生成、游戏开发、电影制作和元宇宙建设提供了重要基础资源，将推动3D内容创作技术的重大突破。

对标GPT-4的更大参数规模的星火大模型正式启动训练，2024年上半年将实现对标GPT-4。

俄罗斯研究团队开发出首个针对俄语医疗记录的ICD自动编码系统RuCCoD，通过BERT、大语言模型和检索增强技术实现医疗诊断的智能编码。研究发现AI编码在训练诊断预测模型时比医生手工编码效果更好，准确率提升28%，为医疗信息化和临床辅助决策提供了新思路。

人类在计算方法、计算工具等领域的革新，都是应“那时那刻”的场景需求而生的。

浙江大学团队发表关于大型语言模型版权保护的综合性研究，系统梳理了文本水印、模型水印和模型指纹识别技术，提出统一的评估框架。研究涵盖内在和侵入性指纹识别方法，并首次讨论了指纹传输和移除技术，为AI模型版权保护提供了完整的技术指南和未来发展方向。

本古里安大学研究团队开发了Diff-Mamba，这是对高效AI架构Mamba的重要改进。该技术通过创新的"差分"机制解决了AI系统容易"走神"的问题，让AI能够更好地专注于重要信息、过滤无关内容。实验证明，Diff-Mamba在语言理解、信息检索和长文本处理方面都有显著提升，为构建更可靠、更高效的AI系统提供了新思路。

3月30日，“智涌钱塘”2018AI Cloud生态国际峰会在G20主会场·杭州国际博览中心隆重举行。

如果真把小韩当成“水货”，那可大错特错了。

这篇研究介绍了Moonshot AI团队开发的G1模型，该模型通过强化学习显著提升了视觉语言模型在游戏环境中的决策能力。研究团队首创了VLM-Gym训练环境，包含多种视觉游戏与统一接口，并开发了两代模型：G0通过纯强化学习实现自我进化，G1则结合感知增强冷启动与强化学习，在所有游戏中超越教师模型。最关键的发现是感知和推理能力在学习过程中相互促进，为解决视觉语言模型的"知道-行动"差距提供了新方向。

可实时交互的AI生成世界，腾讯发布的AI框架Yan，会是元宇宙的破局者吗？

微软研究院最新发布的DELT方法革命性地改变了AI训练数据的组织方式，通过给训练样本评分、筛选和重新排序，让AI模型能够循序渐进地学习。这种方法无需增加模型大小或数据量，就能将性能提升1.65%，实现训练效率翻倍，为AI训练带来几乎"免费"的性能提升。

清华大学研究团队在IEEE Transactions on Affective Computing发表突破性研究，提出双重学习策略让AI准确识别人类面部情感。新方法结合判别性和生成性学习，在多个标准数据集上准确率显著提升3-4个百分点，特别在处理陌生人脸时表现出色。技术有望应用于智能教育、医疗健康、人机交互等领域，但仍需解决文化差异和隐私保护等挑战。