土耳其萨班哲大学研究团队开发了突破性AI系统TCSSM，能够结合卫星图像和地理灾害描述，自动评估全球各地的自然灾害损失。该系统通过分析216万个问答样本，在跨地域测试中达到87.68%的平均准确率，为国际救援提供快速精准的损失评估工具。

新加坡国立大学研究团队发布了离散扩散大语言模型的全面综述，这种新型AI写作模式让机器能像人类一样反复修改文本，而非传统的从左到右逐字生成。技术实现了10倍推理加速，支持精确的格式控制和并行生成，在保持传统模型性能的同时，解决了可控性和推理效率问题。

2023年2月28日，全球知名软件及技术咨询公司思特沃克（Thoughtworks）在北京成功举办了第八届“Thoughtworks Live”大会，与全球知名企业高管、技术专家、媒体人士等齐聚一堂，以“和衷共济，领航创新”为主题，围绕上述问题，展开了一场精彩纷呈的探讨。

滑铁卢大学研究团队开发出世界首个完全由神经网络生成的操作系统界面NeuralOS，能够根据用户输入实时生成屏幕画面，鼠标定位精度达1.6像素误差，状态转换预测准确率37.7%。虽然目前存在分辨率和速度限制，但开创了生成式操作系统的先河，预示着未来计算界面可能完全由AI实时创造，实现极度个性化的用户体验。

尽管所谓“深度神经网络”已经帮助机器学会如何利用自然语言进行交谈、驾驶汽车、游玩电子游戏并夺取围棋赛冠军，甚至绘制梦境、画画并推动科学发现，但其同时亦给创造者们带来新的挑战。

疫情永久改变了供应链。企业必须加速变革，适应新常态。为了实现理想的业务成果，企业的运营模式必须更为动态、响应速度更快、更富有弹性，并与外部生态系统和内部流程互联互通。

中国人民大学和字节跳动联合提出Pass@k训练方法，通过给AI模型多次答题机会来平衡探索与利用。该方法不仅提升了模型的多样性表现，还意外改善了单次答题准确率。实验显示，经过训练的7B参数模型在某些任务上超越了GPT-4o等大型商业模型，为AI训练方法论贡献了重要洞察。

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。

跳出舒适区，是为了给身边的更多人，支起舒适区。正是带着这份信念，周易波踏上了崎岖艰难的转型之路。

香港科技大学研究团队提出GPAS技术，通过"梯度保持激活缩放"解决Pre-LayerNorm架构中激活方差指数增长问题。该技术在前向传播时缩放激活值，反向传播时保持梯度不变，在71M到1B参数模型上均显示显著性能提升。GPAS具有出色的架构兼容性，可应用于多种Transformer变体，为大型语言模型训练优化提供了简单有效的解决方案。

“飞天”是阿里云自主研发服务全球的超大规模通用计算操作系统，可将全球数百万台服务器连成一台超级计算机，为社会提供计算能力。

想象一下，你拥有一个聪明的助手，它知道很多知识，但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型（LLMs）面临的困境。虽然这些模型已经通过监督微调（SFT）学会了使用工具的基本能力，但它们常常在面对复杂或不熟悉的场景时表现不佳。

哈工大研究团队提出GeRe框架，仅用一千个通用文本样本就能解决大语言模型持续学习中的灾难性遗忘问题。该方法通过阈值边际损失技术，让AI在学习新任务时保持原有能力不退化。实验显示，相比传统方法性能暴跌，GeRe方法在15个任务的持续学习中表现稳定，为AI的终身学习能力提供了突破性解决方案。

CES年度大秀即将拉下帷幕。如果说这场秀是人类科技文明发展的一个缩影，那么在这段历程中，一些“有趣的灵魂”应该被记录，就像在CES2019上出现的这些稀奇古怪的“小”玩意。

Oracle是业界最大的单一数据库供应商，在云计算和开放源代码软件兴起之前，它曾经非常辉煌。

Skywork AI团队开发出参数仅1.5亿的统一多模态模型Skywork UniPic，能同时完成图像理解、文字生成图像和图像编辑三项任务。该模型采用创新的双编码器架构，在多个基准测试中达到先进水平，且能在消费级硬件上运行，为多模态AI的普及化应用提供了新方案。

想象一下，当你和朋友在公园里散步时，你指着远处说："从那个长椅的角度看，那只狗在喷泉的左边还是右边？"这个看似简单的问题对人类来说轻而易举，因为我们自然而然地能够想象自己站在长椅的位置，并从那个视角"看"世界。但对于人工智能来说，这种换位思考的能力却是一项极具挑战的任务。

每个做过计算机图像处理的人，都认识 Lena Forsen。

为了洞察数据更好地为公民服务，各机构正在应用自动化、机器人流程自动化、机器学习和人工智能等技术，更好地管理数据、改进方法和工作流程。

如果说大模型的上半场是以互联网大数据预训练为代表的数字AI；而下半场，是以机器人、世界模型等为代表的物理AI。汽车可能正好处于两者之间的分水岭上。