UniPixel是香港理工大学与腾讯联合开发的突破性AI系统，首次实现了视频理解与精确物体标注的统一。该系统通过创新的对象记忆银行设计，让AI能够理解用户的点击、框选等自然交互，同时提供准确的视觉标注和智能问答。在多项权威测试中创下新纪录，并开创了PixelQA这一新的评测标准。该技术在教育、医疗、内容创作等领域具有广阔应用前景。

「打印不能再彩印、绿植被搬走了、打车报销的起始点必须是公司、伙食从鲜 虾变成了冷冻虾......降本增效的寒气正深入地影响着每一个大厂互联网人。今日推荐晚点LatePost（id：postlate）一篇文章，作者：祝颖丽 编辑：钱杨。」

这篇论文介绍了一个名为"CrEval"的创新框架，用于跨领域评估文本创造力。研究团队构建了"CreataSet"数据集，包含超过10万条人类水平和100多万条合成创意文本，涵盖87个领域。基于此训练的CrEval评估器在与人类判断的一致性上显著优于现有方法，包括GPT-4o。研究发现，结合人类创建的数据和合成数据对训练有效评估器至关重要，且CrEval不仅能评估创造力，还能提升AI模型生成更有创意内容的能力，为创造力评估和提升开辟了新方向。

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。

DiMeR是由香港科技大学研究团队开发的创新3D网格重建模型，通过解构式设计将形状和纹理分离处理。模型使用法线图专门重建几何形状，再用RGB图像生成纹理，成功解决了传统方法中的训练歧义问题。实验表明，它在重建精度上比现有方法提升超过30%，并在多视图重建、单图像转3D和文本到3D生成等多任务中表现出色。这一突破性工作大幅降低了3D内容创作的门槛，为游戏开发、虚拟现实和电影制作等领域提供了强大工具。

这项由ByteDance Seed和北京交通大学联合完成的研究首次让AI真正学会从真实世界视频中掌握复杂长时技能。研究团队开发的VideoWorld 2系统通过创新的dLDM技术架构，成功分离了动作学习和外观建模，使AI能够像人类一样从观察中学习并在新环境中准确复现技能。在手工制作和机器人操作任务中，该系统展现了显著的性能提升和强大的跨域泛化能力，为构建更通用的AI学习系统开辟了新路径。

“小城市的人不理解我，嘲笑我是‘大粪厂长‘，但我大城市的朋友们不一样，他们说如果你能把屎卖出去，那很厉害。”

一个基因传承和创新的企业故事。

西湖大学团队开发出VLA-Adapter机器人控制系统，仅用0.5B参数就超越了7B参数的传统系统。该系统通过Bridge Attention机制实现视觉-语言-动作的高效转换，训练成本降低38倍，推理速度快3倍，在LIBERO测试中达到97.3%成功率。创新点在于设计专门的信息桥接机制而非单纯扩大模型规模，为机器人控制技术普及提供了新路径。

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。

在传统数据传输方案中，内存数据访问和网络数据传输分属两套语义集合。数据传输中CPU承担了大量工作。应用程序先申请资源，再通知Socket，内核态驱动程序完成TCP/IP报文封装，最后由NIC的网络接口发送到对端。数据在发送节点需要依次经过Application Buffer、Socket Buffer、Transfer Protocol buffer。到达接收节点后同样需经过多次反向内存拷贝，内核态驱动程序完成TCP/IP报文解封装，应用程序最终将数据写入系统物理内存。

InterDigital副总裁兼无线实验室负责人Milind Kulkarni 本人在无线通信领域驻扎超过30年，亲历了从2G到5G的完整演进，举手投足间透着对技术的乐观且严谨，为我们揭示了6G背后真正值得深思的本质、挑战与终极愿景。

7月19日，由IDC中国主办的“ 2019 IDC中国未来金融论坛暨颁奖典礼”在北京成功举办。IDC 认为，步入2019年，生态开放与科技转型是中国金融行业的两大关键词。

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。

这项由斯坦福大学和哥伦比亚大学领导的研究提出了DexUMI框架，使用可穿戴外骨骼将人类手部动作直接转换为机器人手操作。通过结合硬件适配（专用外骨骼设计）和软件适配（视觉内容处理），研究成功克服了人手与机器人手之间的"身体差异鸿沟"，实现了高效的技能转移。实验证明，该方法比传统远程操作提高了3.2倍的数据收集效率，在两种不同机器人手上完成多种任务的平均成功率达86%，为灵巧机器人操作提供了一种新型自然交互方式。

KAUST研究团队开发的ROSI技术通过识别并放大AI模型内部的"安全方向"，实现了轻量级的安全增强。该技术不仅能提升已有模型的安全性和抗攻击能力，还能恢复无审查模型的安全功能，且对模型性能影响微乎其微。这种基于可解释性的内在改造方法为AI安全领域开辟了新道路，具有成本低、效果好、易部署等优势。

沙特阿卜杜拉国王科技大学研究团队首次发现AI推理能力可以像文件一样被提取和转移。通过简单的数学运算从强化学习模型中提取"推理向量"，然后添加到其他模型上，实现推理能力的快速传递。实验显示模型在数学、代码生成等任务上性能提升4-12%，且在对抗性测试中保持稳定。这项技术有望让AI推理能力的获取从昂贵训练变为低成本复用，加速AI技术普及。

在日常生活中，我们解决问题时从不会单纯地使用一种思考方式。比如在做数学题时，我们可能先用空间想象来理解几何图形，然后转换到逻辑推理来寻找关键关系，接着又跳转到发散思维去探索不同的解题路径，最后用精确计算来验证答案。这种自然的认知灵活性让人类能够应对各种复杂挑战，但现有的AI系统却缺乏这种能力。

在过去数年间，维克托教授经常到访中国，我们也一直和维克托教授保持相当频繁的交流，追踪他对大数据产业和泛科技产业的最新看法和判断。