阿里达摩院联合浙江大学推出VideoRefer套件，这是首个能够精确理解视频中特定物体的AI系统。该系统不仅能识别整体场景，更能针对用户指定的任何物体进行详细分析和跨时间追踪。研究团队构建了包含70万样本的高质量数据集VideoRefer-700K，并设计了全面的评估体系VideoRefer-Bench。实验显示该技术在专业视频理解任务中显著超越现有方法，在安防监控、自动驾驶、视频编辑等领域具有广阔应用前景。

看看在实际测试中GeForce RTX 3080的表现。

作五休二不再「天经地义」，颠覆性转变或将开启新时代。

清华大学团队提出了一种创新的零样本量化方法，专门针对物体检测任务优化AI模型。该方法无需真实训练数据，通过自适应标签采样生成任务特定的合成图像，结合多层次知识蒸馏框架实现高效模型压缩。实验显示，该方法在多个数据集上的性能甚至超越了使用完整真实数据的传统方法，同时显著提升了训练效率，为隐私保护与AI技术发展找到了平衡点。

AgiBot团队联合新加坡国立大学等机构开发出Genie Envisioner机器人操作统一平台，首次将视频生成技术应用于机器人控制。该系统通过100万个操作视频学习，让机器人能够预测行动结果并制定策略，在多个复杂任务上表现优异，仅需1小时数据即可适应新平台，为通用机器人智能开辟全新路径。

数字化转型其实是一个比较夹生的表达方式。虽然“数字化”对这一进程本质的揭示更为深刻和普适，但不可否认的是，以“互联网”为前缀的表达方式在逆袭正劲的风口，具有更高的市场辨识度。

南加州大学研究团队开发了革命性的SAE-Tuning技术，能够像"移植手术"一样将AI推理能力从一个模型转移到另一个模型。该方法将传统推理训练的成本从数千美元降至约1美元，时间从数百小时缩短至20分钟，效果却毫不逊色。更令人惊讶的是，这种推理能力具有跨领域通用性和模块化特性，可以像插件一样即插即用，为AI能力的民主化和模块化发展开辟了新道路。

Shailesh Prakash的职业生涯并非起步于媒体集团。在加入《华盛顿邮报》之前，他曾经在Sun Microsystems、网景以及微软等多家以技术为中心的企业工作过。

这项由清华旗下奇虎科技等机构联合开发的研究，提出了ForCenNet前景中心网络来解决手机拍摄文档变形问题。与传统均匀处理方法不同，该系统重点关注文档中的关键信息区域如文字和表格线条，采用创新的前景分割、掩码引导和曲率一致性优化技术，在四个主流数据集上达到最优性能，为移动文档数字化提供了高效解决方案。

陈运文34岁那年，是2015年，他离开任职多年的大厂，转而投身于“大众创业、万众创新”的时代浪潮中。从此，他成为达观数据董事长兼CEO，他的使命是“扛起国内文本智能处理ToB业务这面大旗”。

这项研究汇集了来自斯坦福大学、苏黎世联邦理工学院、隆德大学、加州大学旧金山分校等多所世界顶尖学府的11位医学专家，共同构建了医学AI领域的首个多模态情境学习评估标准。

清华大学和香港大学团队开发的Motion2Motion技术突破了动画制作中的动作转移难题，通过稀疏对应和动作片段匹配机制，实现了不同身体结构角色间的智能动作转移。该系统无需GPU设备即可实时运行，仅需少量示例和关键对应关系就能生成自然协调的动作，为游戏开发、影视制作等领域提供了革命性的创作工具。

一句提示词，一个新世界。

上海人工智能实验室发布OmniWorld，这是首个专为4D世界建模设计的大规模多领域数据集。该数据集包含超过3亿帧数据，涵盖游戏、机器人、人类活动等多个领域，配备深度、相机位置、文本等多种标注。研究证明现有AI模型在复杂时空理解方面存在局限，而使用OmniWorld微调后性能显著提升，为自动驾驶、机器人、虚拟现实等应用发展奠定基础。

这项由南京大学团队开发的FASB技术让AI学会了"察言观色"和"知错能改"。通过实时监控AI内部状态并动态调整干预强度，该方法在多个测试中将AI回答准确率提升了近50%。研究团队创新性地引入了回退机制，让AI能在发现问题时"重新来过"，显著提升了回答质量。该技术在教育、客服、内容创作等领域具有广阔应用前景。

每一个程序员的心中或许都有这样一个梦：有一天，做出一个心中的完美产品，让全世界的人使用它。 蒋南国和他的合伙人创业七载，经历了无数的风风雨雨。作为一个技术合伙人，当拥有了对产品的决策权，他是否实现了自己的梦想，又会遭遇哪些坎坷？

FastMesh是新加坡南洋理工大学开发的革命性3D网格生成技术，通过分离处理顶点和面片，将传统方法的标记数量减少到23%，实现8倍速度提升。该技术采用自回归模型生成顶点，用双向变换器构建面片，并配备保真度增强器优化细节质量。在标准测试中表现优异，生成1000顶点模型仅需7秒，为游戏、影视、VR等行业提供了高效的3D内容创作解决方案。

瑞士AI联盟发布全球首个真正开源的大型语言模型Apertus，在15万亿字符、1811种语言数据上训练。该模型采用创新的"金鱼损失"技术防止逐字记忆，严格遵循数据合规标准，提供80亿和700亿参数版本。研究团队完全公开训练代码、数据处理脚本等所有技术细节，树立了透明、可信赖的AI开发新标准。

腾讯混元团队推出ArtifactsBench，这是全球首个专门评测AI生成视觉交互代码质量的综合基准系统。该系统包含1825个真实应用场景测试任务，创新性地通过实际运行代码、动态截图、多模态AI评委等方式，从功能性、美观度、用户体验等十个维度进行评测。实验结果显示其与人类专家判断一致性超过90%，与业界金标准WebDev Arena的一致性达94.4%，为AI代码生成能力评估树立了新标准。

斯坦福和伯克利研究团队推出VidDiff技术，让AI学会像专业教练一样精准识别动作差异。该技术通过三步走方法解决视频动作比较难题，构建了包含549对视频的大型数据集VidDiffBench。虽然当前AI模型准确率有限，但已展现在健身指导、医学培训、体育分析等领域的应用潜力。研究为AI理解细微动作差异开辟新方向，有望让人人享有智能化的动作指导。