Meta公司FAIR实验室的研究团队提出了多令牌注意力机制，这是一种突破性的AI注意力计算方法。通过引入卷积操作，新机制让AI能够同时关注文本中的多个位置并协调整合信息，解决了传统注意力机制"一心一用"的根本局限。在大规模语言模型和长文本任务中，该技术显著提升了AI的信息检索和理解能力。

雷军透露，小米汽车目前进展非常顺利，2024年上半年正式上市。

根据赛迪顾问发布的《2021-2022 年中国智慧城市产业发展研究年度报告》，2021 年，中国智慧城市产业规模已达 3696.1 亿元， 同比增长 24.7%。

Character AI的研究者开发出TalkingMachines系统，通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括：将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话，嘴型与语音同步，为实时数字人交互技术开辟了新可能。

卡内基梅隆大学团队通过评估20多个开源推理模型发现，多数在数学推理上表现优异的AI模型无法将优势转移到其他领域。研究揭示训练方法是关键因素：强化学习能在提升数学能力的同时保持通用性，而监督学习虽然数学成绩突出但会造成其他能力退化。通过内部表征分析发现，强化学习对模型改动更精准，避免了"灾难性遗忘"现象。

本文介绍生成型 AI 和大语言模型如何提供即时鼓励，无论是在激烈比赛前还是重要演讲前，都能帮助调整心态，同时提醒用户注意对话过程中 AI 可能出现的错误。

香港大学与阿里巴巴达摩院合作开发的LayerFlow是一种突破性的层级视频生成技术，能同时生成透明前景、完整背景和混合场景视频。该技术通过创新的框架设计将不同视频层级作为子片段连接，并引入层级嵌入使模型区分各层级。面对高质量训练数据稀缺的挑战，研究团队设计了三阶段训练策略，结合Motion LoRA和Content LoRA，实现了图像和视频数据的联合训练。LayerFlow不仅支持多层视频生成，还能实现视频分解和条件层生成，为视频创作领域带来革命性变革。

9月7日，“三维世界的绽放”——「2018增材制造全球创新大赛华中赛区武汉论坛」在武汉市洪山区创意天地精彩亮相。

这项由以色列OriginAI公司发表的研究颠覆了传统视频AI训练思路，仅用6万个文本对就实现了超越数亿视频数据训练的效果。研究发现AI模型中间层隐藏着丰富的视频理解能力，通过巧妙提取和文字优化就能激发这些潜能，为高效视频搜索技术开辟了全新路径，预示着轻量级AI时代的到来。

这篇来自ServiceNow的研究探讨了在生成低代码工作流时，微调小型语言模型(SLM)与提示大型语言模型(LLM)的效果对比。研究团队发现，尽管GPT-4o等大模型通过精心设计的提示可以产生合理结果，但在这类需要结构化输出的特定领域任务中，微调SLM平均提高了10%的质量。通过系统化的错误分析，研究揭示了各种模型的优势和局限性，为企业AI应用开发提供了宝贵见解。

阿里巴巴研究团队开发的Omni-Effects系统，通过创新的专家架构和空间感知技术，首次实现了AI系统同时制作多种视觉特效并精确控制其位置的能力。该系统包含55种特效类型，在测试中达到97%的特效生成准确率和88%的空间控制精度，大幅降低了专业特效制作的技术门槛，为影视制作、教育、营销等领域提供了强大的创作工具。

媒体人善用的工具是媒介，而创业者善用的工具则是产品，看纪录片导演如何玩转三维产品。

媒体人善用的工具是媒介，而创业者善用的工具则是产品，看纪录片导演如何玩转三维产品。

如今，游戏市场和加密货币挖矿行业的双重萎缩已经给英伟达沉重一击。不知道如果英伟达能够早点推出“Grace”Arm服务器CPU，是不是有机会规避当下的尴尬局面。

随着人工智能的发展，企业面临着前所未有的安全挑战。40%以上的企业欺诈现在由AI驱动，能够模仿真实用户行为、绕过传统防御系统，并以压倒性的速度进行攻击。2024年，近90%的企业遭受攻击，半数损失超过1000万美元。为应对这一威胁，安全团队需要采用全新的思维方式和技术手段，实时评估每个用户的风险，构建更加智能和动态的防御体系。

意大利比萨大学研究团队开发出深度残差回声状态网络（DeepResESN），通过创新的"时间残差连接"技术解决了深度神经网络的长期记忆问题。该方法在记忆性任务上性能提升65%以上，同时保持了储层计算训练快速的优势。研究提供了完整的数学理论分析和三类任务的实验验证，为需要长期记忆的AI应用（如天气预测、医疗诊断、金融分析）提供了新的技术选择。

华为诺亚方舟实验室开发出名为OmniEVA的智能机器人系统，它具备两项核心创新：任务自适应3D建模机制能根据具体任务智能切换2D/3D视觉模式，身体感知推理框架让机器人制定计划时考虑自身物理限制。该系统在8个公开测试中有7个达到最佳成绩，复杂操作任务成功率提升28.95%-50%，已成功部署到真实机器人并能自主完成日常辅助任务。

腾讯联合多所名校发布全球首个AI代码安全评估基准A.S.E，对26个主流大模型进行全面测试。研究发现即使最先进的AI模型在代码安全方面仍存在显著缺陷，最佳模型安全得分仅46.72分。意外的是，"慢思考"模型表现不如"快思考"版本，开源模型在安全性上可与商业模型竞争。该研究揭示了AI代码生成的真实安全风险，为行业发展提供重要指导。

这项研究首次提出了ViPlan基准测试，系统评估视觉语言模型在视觉规划任务中的表现。研究对比了"VLM作为规划器"和"VLM作为接地器"两种方法，发现在抽象的积木世界中接地器方法更优，而在模拟家庭环境中规划器方法表现更佳。研究还发现链式思考提示对大多数模型并无显著改善效果，表明当前视觉语言模型在视觉推理方面仍存在局限性。

12月3日，在工业和信息化部网络安全产业发展中心（工业和信息化部信息中心）指导下，由统信软件技术有限公司举办的“为未来而同心——操作系统生态大会2021”在人民网一号演播厅成功举办。