上海交通大学团队开发了SmallThinker AI模型家族，专为本地设备优化。通过创新的稀疏化架构和预注意力路由器，模型在普通CPU上可达20+词/秒生成速度，仅需1-8GB内存。在MMLU等标准测试中表现优异，证明了高效本地AI部署的可能性，为AI技术普及提供了新路径。

比利时蒙斯大学和美国南加州大学联合开发了Social-MAE，这是一个能够同时理解人脸表情和声音情感的AI系统。该系统通过分析8个连续视频帧和音频特征，在VoxCeleb2大型社交数据集上进行自监督学习，在情感识别、笑声检测和性格分析三项任务中均达到了业界最佳水平，为智能教育、医疗诊断、人机交互等领域开辟了新的应用前景。

腾讯研究团队首次开发出RLVER框架，通过可验证的情感反馈训练AI理解人类情感。该方法让70亿参数的小型AI模型在情感智能测试中从13.3分跃升至79.2分，达到大型商业模型水平。研究创新性地使用虚拟用户的真实情感变化作为训练信号，并发现"先思考再回应"模式显著提升AI的共情能力。这项突破为AI情感智能发展开辟新路径，有望在心理健康支持、教育和客户服务等领域产生广泛应用。

大模型元年,在MEET2024智能未来大会上,20位行业大咖给出了这样的年终总结。

2021年4月24日，由腾讯云 TVP 主办的首届 Techo TVP 开发者峰会「数据的冰与火之歌——从在线数据库技术，到海量数据分析技术」在深圳深铁皇冠假日酒店成功举办。

这篇研究论文提出了一种称为"正交残差更新"的新方法，解决了深度神经网络中标准残差连接的局限性。研究人员发现，在传统残差连接中，模块输出与输入流直接相加可能导致冗余特征学习。他们的创新方法将模块输出分解为平行和正交两个组件，仅保留正交部分进行更新，促使网络学习更丰富的特征表示。在ResNetV2和Vision Transformer等架构上的实验证明，这种简单修改显著提高了模型准确率和训练稳定性，在ImageNet-1k数据集上使ViT-B模型的表现提升了4.3个百分点。

如今进入全面被AI渗透的时代，AI创新将再次重塑云计算的底层能力，并在全球化进程中与云相互赋能、共同成长，推动中国企业实现全球化布局与技术升级的双向奔赴。

DeepResearchGym是一个创新的开源评估框架，专为深度研究系统设计，旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发，结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明，使用DeepResearchGym的系统性能与使用商业API相当，且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性，验证了该框架评估深度研究系统的有效性。

黑鲨 4 、黑鲨4 Pro两款新机型正式亮相，作为一款专为玩家量身打造的全新游戏手机，全系搭载“磁动力升降肩键”和“120W极速闪充”成为该系列最大亮点，2499元起售。

本篇先介绍商用阶段的六大主流应用，后面会介绍萌芽期的四个新兴应用。

阿里通义实验室发布首个媲美顶级闭源系统的开源超级网络智能体WebSailor，突破性解决开源模型在超高不确定性任务中的系统性推理难题，在BrowseComp基准测试准确率提升3倍，标志着开源技术在复杂信息搜索领域的历史性跨越。

本周AI大事件包括Google发布Gemini 1.5 Pro和Gemma 2 2B模型，FLUX开源图像模型，Meta发布SAM 2图像分割模型。Gemini 1.5 Pro在LLM竞技场排名第一，支持音频和视频，Gemma 2 2B可在设备端运行。FLUX系列模型包括FLUX.1[pro]、FLUX.1[dev]和FLUX.1[schnell]，

上海AI实验室团队开发的InstructVLA系统实现了机器人"边思考边行动"的突破，解决了传统机器人语言理解与动作执行分离的难题。该系统通过创新的两阶段训练和混合专家架构，让机器人能理解抽象指令并灵活执行任务，在复杂推理任务中比现有系统提升92%，标志着智能机器人助手时代的重要进展。

由蒙纳士大学和AWS AI实验室联合开发的CTF-DOJO是全球首个网络安全AI训练环境，包含658个真实CTF挑战。通过创新的CTF-FORGE自动化系统，仅用486个高质量训练样本就让AI在三大权威测试平台上取得显著提升，32B模型达到31.9%成功率，媲美顶级商业系统，为开源AI安全研究开辟新路径。

阿里巴巴Qwen团队发布Qwen2.5-1M系列AI模型，实现百万字符长文本处理能力突破。该系列包含开源的7B和14B模型以及API版本Qwen2.5-Turbo，通过创新的训练策略和推理优化技术，让AI能够同时理解相当于四本《哈利·波特》篇幅的内容，并在多项长文本基准测试中超越GPT-4表现，为处理复杂文档分析、大型代码库理解等实际应用提供了强大支持。

Amazon研究团队开发的BYOKG-RAG技术通过多策略检索和迭代优化，解决了传统知识图谱问答系统难以适应不同图谱结构的问题。该技术将大语言模型与专业检索工具结合，在五个基准测试中平均提升4.5个百分点，特别适用于企业级应用。已开源发布。

哈佛大学和麻省理工学院研究团队开发了MetaFlows，一种革命性的AI学习方法，能让机器像人类一样从少量例子中快速学会新技能。该技术结合流匹配和元学习，显著提升数据效率，在图像生成和视频合成等任务中表现出色。MetaFlows有望在创意产业、教育医疗等领域广泛应用，虽然目前仍面临计算复杂度等挑战，但为通用人工智能发展开辟了新路径。

NVIDIA等机构联合开发的PhyCritic系统首次让AI具备了物理学家般的评判能力。该系统采用创新的"自我参照"机制，在评判其他AI回答前先基于物理原理给出自己的答案作为参考标准。通过两阶段训练策略，PhyCritic不仅掌握了深度物理推理能力，还能准确评估涉及物理世界交互的AI回答质量，在多项评估中显著超越传统方法。

卡内基梅隆大学团队发现AI智能体"多试试"比"多想想"更有效的新规律。研究提出TTI方法，通过增加交互步骤而非延长单步思考时间来提升性能。在网页任务中，该方法让AI学会探索、比较和调整策略，在WebVoyager和WebArena基准测试中创下开源模型新纪录。这一发现挑战了传统"深思考等于高智能"的假设，为构建更适应复杂现实环境的AI系统开辟了新方向。

「“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。」