「“转码”正在成为不那么好找工作的——文史哲、土木、建筑、“四大天坑”生化环材（生化、化学、环境、材料）等专业毕业生们的主动选择。今日推荐后浪研究所（id：youth36kr）一篇文章，程序员依然是高性价比的工作选择。」

阿里巴巴团队首次实现仅凭一张照片生成逼真说话视频的AI技术突破。该系统不仅能完美同步嘴唇动作，还能自然展现面部表情、肢体动作和背景变化，并支持个性化的动作强度控制。这项技术将显著降低视频内容制作门槛，为在线教育、企业培训、数字营销等领域带来革命性变化。

阿里巴巴集团和同义实验室的研究团队推出了WebDancer，这是一种能够在网络上自主搜索信息并回答复杂问题的智能体系统。研究团队提出了一个四阶段构建框架，包括数据合成、轨迹采样、监督微调和强化学习。他们创新性地开发了CRAWLQA和E2HQA两种方法来生成高质量训练数据，并采用ReAct框架使智能体能够交替进行思考和行动。实验结果表明，WebDancer在GAIA和WebWalkerQA等基准测试中表现优异，甚至在某些情况下超越了GPT-4o，证明了该方法在构建自主信息搜索智能体方面的有效性。

ZeroGUI是一项突破性研究，实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发，这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈，使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略，ZeroGUI显著提升了代理性能，在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖，为GUI代理技术的大规模应用铺平了道路。

最近优步汽车（Uber）导致一位自行车骑行者因车祸遇难的事件引发了多方关注。很多人认为，系统能力低下的责任应由优步公司承担，但也有些人认为，事故本身并不值得大做文章。在笔者看来，此类事故确实可以通过技术方式加以避免。

星火大模型V1.5和悟道3.0重磅发布，AMD发布Instinct MI300X

Meta联合滑铁卢大学开发的MoCha系统实现重大突破，仅需语音和文字描述就能生成电影级会说话的虚拟角色视频。该技术突破传统局限，无需参考图片等辅助条件，还能实现多角色对话场景，在唇音同步、表情自然度等方面显著超越现有方法，为内容创作、教育、娱乐等领域带来革命性变化。

复旦大学研究团队开发出突破性AI技术，能够仅通过声音重建说话者面部图像。该技术基于声音特征与面部结构的生理关联，使用多层深度学习系统实现声音到图像的精确映射。测试显示生成图像与真实面孔高度相似，在执法、娱乐、医疗等领域具有广阔应用前景，同时也带来隐私保护等伦理挑战。

无论是什么新理念、新技术，只有创造价值，才有意义。

约翰霍普金斯大学与StepFun公司联合研究，成功让AI学会"边看边思考"的视觉推理能力。通过两阶段训练方法，先让AI在文字推理中掌握认知行为，再迁移到视觉任务中。开发的OVR模型在多项测试中创造新纪录，为AI教育助手、医疗诊断、科研分析等应用奠定基础。

清华大学团队提出"绝对零度"AI训练新方法，让AI系统完全不依赖人类数据，仅通过自己出题解题的方式实现自主学习。该方法在编程和数学推理任务上超越了使用大量人工数据训练的传统模型，展现了AI超出预期的自主学习潜力，为未来AI发展开辟了新方向。

清华大学团队推出BlockFFN架构，通过创新的稀疏激活技术和块级优化训练，实现了AI模型在端侧设备上3.67倍的加速效果。该技术采用ReLU路由器和RMSNorm设计，结合激活稀疏性和推测解码，在保持模型性能的同时大幅提升运行效率，为AI技术在移动设备上的普及应用开辟了新路径。

这项由加州大学圣克鲁兹分校和eBay联合完成的研究首次揭示了先进AI模型的"睁眼瞎"问题：它们虽然具备强大的感知和推理能力，却无法识别表面合理实际有缺陷的指令。研究发现，即使是最先进的AI系统，在面对物体缺失、指代模糊、事实矛盾和目标不可行等隐性问题时，正确识别率不到40%。更令人意外的是，这些AI系统其实内心已经察觉到问题，但因过度训练的服从性而不敢表达。当被允许提出澄清性问题时，它们的表现瞬间飙升至94%以上，表明简单的交互设计改进就能大幅提升AI系统的可靠性。

华为全联接大会2022第二天，依旧是干货满满，在华为常务董事、ICT基础设施业务管理委员会主任汪涛的带领下，大会围绕数字基础设施 ，发布了众多产品

一篇54页的文档《揭示OpenAI计划在2027年前实现通用人工智能（AGI）的计划》在网络传播，由推特用户Jackson (@vancouver1717)整理，基于公开资料推测OpenAI的AGI已实现。

斯坦福神经AI实验室开发出SpelkeNet系统，通过"虚拟戳击"让AI像婴儿一样理解物体的物理结构。该系统不依赖外观特征，而是模拟物理力作用来发现哪些像素会一起移动。在物体操作任务中表现显著优于传统方法，并意外展现出对支撑关系和材料属性的理解能力。

UC伯克利大学研究团队发现，当前先进的视觉语言AI模型虽然拥有强大的视觉识别能力，但在实际应用中却无法有效利用这些视觉信息。研究通过对比AI视觉系统的直接表现与完整系统的表现，发现存在巨大的性能差距，AI往往依赖语言模型的偏向性而非真实的视觉感知来回答问题。这一发现揭示了AI系统中视觉-语言整合的根本性缺陷，为未来AI发展指明了新方向。

为训练深度神经网络量身定制的第一批商用芯片将于今年上市。由于训练新的神经网络模型可能需要几周或几个月的时间，因此这些芯片可能是迄今为止制造出的最大、也是最昂贵的商用芯片。

Skywork AI首次在软件工程领域验证数据规模效应，开发的Skywork-SWE-32B模型在SWE-bench Verified基准测试中达到38.0%准确率（使用测试时缩放技术可达47.0%），创下开源模型新纪录。研究构建了包含10169个验证实例的大规模数据集，证明增加高质量训练数据能持续提升AI软件修复能力，为开源软件工程AI发展提供重要突破。

新加坡国立大学团队开发的PhotoDoodle系统，通过两阶段训练策略实现了从少量样本学习艺术家照片涂鸦风格的突破。该系统采用位置编码复用和无噪声条件机制，仅需30-50对图片样本就能掌握特定艺术风格，在保持背景完整的同时精确添加装饰元素，为AI辅助艺术创作开辟了新方向。