Polyverse联合创始人兼CGO邱子珺和大逐创新CEO林军峰，与谷歌出海创业加速器全球负责人Sami Kizilbash一起接受了科技行者的采访，探讨了中国企业出海的心得、谷歌出海创业加速器的赋能、不同国家创业者的特质等一系列话题。

虽然是吃螃蟹者，驻云科技的态度却很笃定，"当初我们看到阿里巴巴有着和AWS同样的电商背景，相信它会成为中国的Top 1云厂商。"驻云科技联合创始人吕黎星在今年“双11”期间，坐在阿里云云谷园区接受至顶科技采访时这样回忆道，说这话的同时，他身后的阳光正好透过玻璃折射出一束光。

北京人工智能研究院团队开发的DiagNote模型通过模仿人类做笔记的习惯，解决了AI在多轮视觉对话中容易"失忆"的问题。该研究构建了专门的MMDiag数据集，设计了双模块协作的AI架构，让机器学会像人类一样通过标记重点区域来保持专注力，为更自然的人机视觉交流奠定了基础。

Salesforce研究院联合多所知名大学开发的BLIP3-o是首个真正统一图像理解与生成的AI模型。通过创新的"CLIP特征+流匹配"架构和顺序训练策略，实现了在保持强大图像理解能力的同时获得优质图像生成效果。模型在多项评测中表现优异，并通过专门的6万张图像指令调优数据集显著提升了美学质量。

威斯康星大学麦迪逊分校研究团队开发的DeepEDM框架，巧妙结合动态系统理论与深度学习，让AI像侦探破案般洞察时间序列背后的内在规律。该方法在多项预测任务中表现卓越，特别在处理噪声数据和复杂动态系统方面优势明显，为时间序列预测领域带来理论与实践的双重突破。

阿里巴巴推出Ovis-U1统一多模态模型，仅用36亿参数实现图像理解、文字生成图像、图像编辑三大功能。该模型在多项测试中超越专业模型，证明统一训练能相互促进不同AI能力。研究采用六阶段渐进式训练，创新设计精炼器模块提升性能，为开发全能AI系统提供新思路。

清华大学等机构开发的SimpleVLA-RL框架突破了传统机器人依赖大量人类演示数据的局限，让机器人通过强化学习自主试错掌握技能。该方法在数据稀缺情况下将成功率从17.3%提升至91.7%，并在真实世界中验证有效，机器人还自主发现了"推切"等创新操作方式，为机器人智能化发展开辟新路径。

腾讯AI实验室发现先进AI模型存在"思维不足"问题：在解决困难问题时频繁跳跃思路而非深入思考，导致错误答案消耗225%更多资源。研究团队提出TIP方法，通过惩罚思维切换来训练AI专注力，显著提升推理效率和准确性。这项发现改变了我们对AI推理过程的认知，强调深度思考比广度探索更重要。

浙江大学和新加坡国立大学联合开发的AutoSteer系统，为多模态大语言模型提供了创新的安全防护机制。该系统通过安全意识评分自动识别AI内部最佳监控点，结合智能毒性检测器和拒绝机制，实现了既强大又安全的AI防护。实验显示，AutoSteer在显著降低攻击成功率的同时，完全保持了AI系统的正常功能，为AI安全领域提供了实用的解决方案。

这项由新加坡南洋理工大学主导的研究全面梳理了大型语言模型通过奖励信号学习的最新进展。研究揭示了一种革命性的AI训练范式：让AI像学生接受老师指导一样，通过奖励反馈主动学习和改进。这种方法已在ChatGPT等系统中应用，能显著提升AI在推理、对话、代码生成等任务上的表现，同时增强安全性和可靠性。

这项研究引入了DFIR-Metric，首个专门评估大语言模型在数字取证与事件响应领域能力的基准测试集。由阿布扎比技术创新研究院领导的国际团队开发的测试包含三个部分：700道理论多选题、150个CTF风格的实际挑战，以及500个基于NIST标准的磁盘与内存取证案例。研究测试了14种顶尖大语言模型，发现虽然它们在理论知识方面表现良好（最高达92.75%准确率），但在需要多步推理的实际取证任务中仍存显著差距（最佳模型仅能解决28%的任务）。

Tom Mitchell教授，正式宣布接受松鼠AI的邀约，出任Chief AI officer一职。

有幸在第一时间拿到今年新发布的戴尔Precision 5770移动工作站，戴尔Precision 5770移动工作站是由戴尔Precision 5760移动工作站升级而来。戴尔Precision 5770移动工作站升级了哪些配置呢？

中科大深圳团队开发RealCritic框架，发现AI大模型普遍存在批评能力缺陷。除o1-mini外，多数模型在自我批评时表现下降，甚至把正确答案改错。研究揭示"会做题"和"会批评"是不同技能，提出闭环评估新方法，为AI批评能力评估提供科学标准。

2023年，在复杂严峻的外部环境影响下，商业环境愈发多变难测，市场进入周期更替的“蕴新”时刻，对企业应对内外变化的能力提出更高要求。

Yale大学等机构联合开发的Agent KB系统让AI助手们能够像人类一样分享经验和知识，通过"师生协作"模式和跨领域知识迁移，在GAIA和SWE-bench基准测试中取得了显著的性能提升，其中最困难任务的成功率提升了近20个百分点，为AI发展开辟了"集体智慧"的新范式。

第四次农业革命即将到来。包括物联网（IoT）部署（即用于收集和传输数据的数字化设备）以及AI在内的技术进步，正将效率推向新的顶点，并有望再次从根本上改变人类宰治整个地球的具体方式。

上海AI实验室联合多家顶尖机构开发出全球首个科学推理大模型SciReasoner，该模型在2060亿科学数据上训练，支持103个科学任务，能够像科学家一样进行逻辑推理并展示思考过程。它实现了化学、生物学、材料科学等多领域知识整合，在分子设计、性质预测、文献分析等方面表现出色，为科学研究提供了强大的AI助手工具。

腾讯Hunyuan3D-Omni通过统一框架整合点云、体素、边界框和骨架四种控制信号，实现精准可控的3D物体生成。采用渐进式训练策略和统一控制编码器，解决了传统单一输入源导致的几何失真问题，为3D内容创作提供了更高的精度和灵活性，在动画制作、游戏开发等领域具有重要应用价值。

这项研究展示了如何通过在经济问题上进行后训练，让大语言模型像经济学家一样思考，从而实现战略性泛化能力。研究团队开发了名为Recon的7B参数开源模型，通过在2,100个高质量经济推理问题上进行监督微调和强化学习，不仅提升了模型在经济基准测试上的表现，更重要的是让模型在从未直接训练过的多智能体博弈中展现出合理的战略行为。结果表明，领域对齐的后训练可以作为智能体对齐的可扩展路径，通过结构化推理问题培养出更广泛适用的理性决策能力。