腾讯AI实验室联合普林斯顿大学发现，当前主流AI评估系统存在严重漏洞，简单的符号或短语就能让GPT-4、Claude等先进AI产生错误判断。研究团队开发了Master-RM防御方案，并公开了相关技术，为AI安全领域贡献重要成果。这项发现揭示了AI理解能力的根本局限，对整个人工智能行业具有重要警示意义。

Y Combinator合伙人Ankit Gupta与Anthropic预训练负责人Nick Joseph最近进行了一次深度对话。

清华团队发现扩散变换器的位置解耦特性，开发出免费的AI图像个性化框架"Personalize Anything"。该技术通过简单的令牌替换和时间步自适应策略，实现高质量的物体定制生成，支持多物体组合、布局控制和图像编辑，在保持身份一致性的同时大幅提升生成效率。

微软等机构联合推出的RealPlay系统首次实现了用游戏控制指令生成现实视频的突破。该系统仅使用赛车游戏数据训练，却能控制现实中的汽车、自行车和行人运动，控制成功率达90%。RealPlay支持交互式视频生成，用户可像玩游戏般逐步指导视频发展，生成质量接近真实拍摄，为AI视频生成和未来游戏引擎开发开辟了新方向。

这项由斯坦福大学和多家研究机构联合推出的R3（强健的无评分标准奖励模型）系统，解决了现有AI评估模型在可控性与可解释性方面的关键缺陷。不同于仅提供分数的传统模型，R3能适应任何评分标准，支持单项评分、对比评分和二元评分三种评估形式，并提供详细解释。研究团队从45个来源构建了高质量数据集，即使仅用14,000个训练样本，R3模型也在众多基准测试中超越了现有系统。这一突破性研究为AI系统提供了更透明、更可信的评估方式，有望显著改善人类与AI的互动体验。

上海交通大学团队开发的SceneGen系统能够从单张照片自动生成完整3D场景，包含准确的几何结构、逼真纹理和正确的空间关系。该技术在两分钟内完成场景重建，几何精度比现有方法提升76%，为游戏开发、室内设计、虚拟现实等领域提供了革命性的内容创建工具，代码已开源供研究使用。

想象一下航海时代的探险家们，他们在茫茫大海上航行时，依靠天空中的星辰来指引方向。同样，当今的大型语言模型也需要某种"指引之星"帮助它们朝着正确的方向发展。这个指引之星，就是研究人员所说的"奖励信号"。

华为诺亚方舟实验室联合伦敦大学学院发布突破性研究，首次用统一数学框架解释大语言模型的所有解码策略。研究揭示贪心、Softmax、Top-K等方法本质上都在解决同一优化问题，并基于此开发出Best-of-K新方法，在多轮对话场景中显著提升性能，数学推理准确率提升18.6%。

李飞曾经是公司里技术最精湛的程序员，当他晋升成为技术负责人后，他发现许多事情不再像写代码那样简单。

2021,阿里云视频云全景创新峰会,努力尝试站在近景和远景之处,全景观察这个时代的超视频化课题。

Gensyn团队提出SAPO分布式AI训练方法，让普通设备通过分享学习经验协作训练语言模型。实验显示，采用50%本地和50%外部经验的均衡策略，小型AI模型性能提升94%。该方法避免了传统分布式训练的同步瓶颈，为AI训练民主化开辟新路径。

希伯来大学研究团队开发出MV-RAG系统，首次解决了AI在生成稀有物品3D模型时的"胡编乱造"问题。该系统像拥有图像记忆库的艺术家，能先搜索相关真实照片再生成准确3D视图。通过独创的混合训练策略和智能自适应机制，MV-RAG在处理罕见概念时性能显著超越现有方法，为游戏开发、影视制作、虚拟现实等领域提供了强大工具。

西南民族大学研究团队开发的OmniOCR是首个专门针对少数民族文字的通用OCR识别系统。该系统采用动态低秩适应技术，能根据不同文字特点自动调整识别策略。在藏文、水文字、古彝文和东巴文四种文字测试中，相比现有最先进方法准确率提升39%-66%，为少数民族文化数字化保存和传承提供了重要技术支撑。

谷歌DeepMind提出的统一潜变量框架通过在潜在表示中加入固定噪声，统一训练编码器、先验模型和解码器，实现了图像生成训练效率的显著提升。该方法在ImageNet-512上达到1.4的FID分数，在Kinetics-600上创造1.3的FVD新纪录，为AI图像和视频生成提供了更科学可控的理论基础和实现路径。

当你在《我的世界》中跳跃时，AI能瞬间将你的想法变成脚下奔涌的虚拟河流——Skywork AI的Matrix-Game模型让键盘成为拨动虚拟世界的开关，170亿参数的“造物主”实时编织出符合你意图的动态场景，重新定义人机共舞的未来。

Unbabel团队开发的TOWER+模型系列实现了翻译专业性与通用AI能力的完美平衡。通过创新的四步训练方法，即使2B参数的小模型也能在翻译质量上匹敌70B大模型，同时具备出色的对话和指令跟随能力。研究还创建了IF-MT基准来评估复杂翻译场景下的综合能力，为AI模型的专业化发展提供了重要参考。

我们为什么需要一家数字化转型的“新店”？

意大利特伦托大学研究团队开发了RaWMPC自动驾驶系统，该系统无需专家示范即可学会安全驾驶。系统通过建立世界模型预测驾驶行为后果，采用风险感知交互学习策略主动探索危险场景，并运用自我评估蒸馏技术提高效率。实验显示，RaWMPC在多个测试平台上超越传统方法，特别是在应对未知场景时表现出色，为自动驾驶技术发展提供了新的解决思路。

我们为什么需要一家数字化转型的“新店”？

港大研究团队开发了χ0机器人操作框架，通过模型算术、阶段优势和训练部署对齐三种技术的协同，系统性解决了机器人学习、训练和实际部署三个阶段间的不匹配问题。该系统在复杂的服装操作任务上成功率提升250%，仅用20小时数据和8块GPU就实现了24小时连续稳定运行，为机器人技术从实验室走向日常应用提供了重要突破。