想象一下，你有一个非常聪明的朋友，他知道很多知识，但每当需要使用计算器、搜索引擎或查询最新天气时，却变得像个笨手笨脚的孩子。这正是当前大语言模型（简称LLMs，如ChatGPT这类AI系统）面临的尴尬处境。

韩国首尔国立大学研究者提出HACO框架，解决手部接触估计中的数据不平衡问题。论文《Learning Dense Hand Contact Estimation from Imbalanced Data》针对手部接触数据中的类别不平衡（大多数样本无接触）和空间不平衡（接触主要集中在指尖）提出两大创新：平衡接触采样和顶点级类别平衡损失函数。他们利用14个数据集的84万张图像进行训练，在多种手部交互场景中显著超越现有方法，F1得分从之前最佳的0.197提升至0.531，同时在3D抓取优化和物体重建等下游任务中也展现出强大应用价值。

亚马逊旗下公司Amazon Web Services, Inc. (AWS) 今天宣布AWS亚太（香港）区域正式开放。

Meta豪掷150亿美元押注AI数据工厂Scale AI，19岁辍学的华裔天才如何用"认知套利"打造138亿美元独角兽？"当80%行业信息都是噪音时，独立判断比技术优势更持久。"

PTC

除了硬件新品，华为还公布了全新高端品牌ULTIMATE DESIGN非凡大师。

UniR（Universal Reasoner）是一种创新的推理增强方法，可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发，该方法将推理能力分解为独立的轻量级模块，无需改变主模型结构。UniR的核心优势在于高效训练（仅更新小型推理模块）、出色的模型间迁移能力（小模型可指导大模型）以及模块组合能力（多个专用模块可通过logits相加组合使用）。在数学推理和翻译测试中，UniR显著超越现有微调方法，展示了轻量级模块如何有效增强大语言模型的推理能力。

希伯来大学研究团队提出ProbeLog技术，通过"标准化考试"方式为AI模型建立能力指纹，解决了模型库中60%模型缺乏文档说明的搜索难题。该方法用固定图片测试模型反应，支持文字直接搜索，准确率达40-70%，并通过协作探测技术降低3倍计算成本，为百万级模型库的高效利用提供了新途径。

北京大学与快手科技联合开发的VMoBA技术成功解决了AI视频生成的效率瓶颈，通过创新的"智能筛选"注意力机制，在提升2.92倍计算速度的同时保持甚至提高了视频质量。该技术专门针对视频数据特点设计了三项核心创新，有望显著降低高质量视频制作成本，推动视频内容创作的民主化进程。

20年半导体行业发展岁月浮沉，但安森美半导体却一步一脚印，将年销售额增长到以前的5倍，究竟它对半导体行业有着怎么解读，又有哪些新的战略与领域？答案就在其20周年庆典上一一揭晓。

北京航空航天大学研究团队提出了Property-Generated Solver框架，通过属性测试解决AI代码生成中的"自欺欺人"问题。该方法使用双智能体协作，一个负责代码生成，一个负责属性验证，避免了传统测试依赖具体输输出对的局限性。实验显示相比现有方法在代码正确率上提升23%-37%，为AI辅助编程提供了更可靠的解决方案。

剑桥大学和伦敦大学学院的研究团队提出了一种名为"视觉规划"的全新范式，让人工智能系统能够完全通过图像序列而非文本进行推理。与传统依赖语言的方法不同，这种方法模仿人类在解决空间问题时直接在"心眼"中想象解决方案的能力。研究团队开发的基于强化学习的视觉规划框架(VPRL)在导航任务上比基于文本的方法平均提高了40%的准确率，证明了非语言推理在特定任务中的优越性，为AI系统开辟了一条更接近人类直觉思维的新路径。

既然电影已经下映，下面也就无所顾忌地剧透了。说起复联里最令人印象深刻的场景，恐怕很多人都会想起上一部复联3中灭霸那毁天灭地、匪夷所思的著名响指：

8 月 20 日，「低代码究竟是“银弹”还是“泡沫”」TVP 低代码技术分享会火热开聊，用一场尖峰辩论和一场圆桌对话，共探低代码的过去、现在与未来。

上海创新院研究团队构建了TexVerse——包含超85万个高分辨率3D模型的大规模数据集，其中15万个配备PBR材质。该数据集解决了现有3D数据集纹理质量不足的问题，为高分辨率纹理生成、游戏开发、电影制作和元宇宙建设提供了重要基础资源，将推动3D内容创作技术的重大突破。

比亚迪本身就是一个开拓者。公司 2003 年才开始生产汽车，是最早使用电动动力系统并逐步淘汰纯汽油动力车型的公司之一。

加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架，让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式，包含指令、验证函数、示例解决方案和失败案例，确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中，仅使用自生成训练数据，Llama-3.1-8B模型性能提升了两倍多，证明AI可以通过自我挑战实现有效学习，减少对人类标注的依赖。

新加坡南洋理工大学研究团队首次提出概念感知微调方法，让AI同时预测多个词块而非单一词块，从而更好理解完整概念。该方法在编程、数学、文本生成、分子设计和蛋白质设计五大领域均显示显著改进，将多词块预测技术首次引入模型微调阶段，大幅降低成本门槛，为AI训练范式变革提供新思路。

阿里巴巴DAMO院推出开源多语言大模型Babel，支持全球25种主要语言，覆盖90%世界人口。采用创新的层扩展技术而非传统继续训练，推出9B和83B两个版本。在多语言任务评估中表现出色，83B版本接近GPT-4o性能，特别关注印地语、孟加拉语等被忽视的大语言群体，推动AI技术的包容性发展。

中科院团队开发出革命性的四足机器人定位技术CAPO，让机器人无需摄像头和激光雷达，仅凭内部传感器就能精确定位。该系统通过监测脚部接触状态建立"锚点"，配合智能滤波算法消除传感器噪音，在700米测试中实现1.1%的定位误差。技术已在多个机器人平台验证，为恶劣环境下的机器人导航提供新解决方案。