西北大学等顶尖院校联合提出专家链(CoE)架构，通过让AI模型内部专家依次协作而非并行工作，在相同计算预算下将数学推理验证损失从1.20降至1.12，同时减少17.6%-42%内存使用。这种"接力式"处理方式为AI模型扩展提供了新维度，证明了智能协作比简单资源堆砌更有效。

弗吉尼亚理工大学研究团队开发了名为"审查与修复"的AI系统，通过四个专业化AI组件协作，解决了AI绘画中角色外观不一致的问题。该系统能自动检测并修正故事插图中的视觉不一致性，大幅提升了AI生成连续图像的质量和连贯性，为创意产业提供了可靠的智能助手，展现了多AI协作解决复杂问题的新范式。

IBM长期致力于打造一个更加可持续、更公平的未来。

如何在工业元宇宙中运用数字孪生技术？

南洋理工大学团队提出Demo-ICL技术，让AI通过观看示范视频或阅读指导文字快速学习新技能并应用到新场景，类似师父带徒弟的学习模式。研究构建了包含1200个问题的Demo-ICL-Bench测试平台，发现现有AI在示范学习方面表现不佳，揭示了视觉抽象、时序对应、知识迁移等核心挑战，为未来机器人、教育、医疗等领域应用奠定基础。

当大家都在喊转型的时候，有可能才是最不应该被带节奏的时候。

科技公司是人类历史以来最不喜欢监管，最不喜欢边界的商业团体。

MIT研究团队开发出突破性技术，让机器人能够同时理解多种类型的人类反馈，真正掌握人类的深层意图和偏好。这项技术通过融合偏好比较、演示学习等多种反馈方式，使机器人在任务成功率和用户满意度上分别提升30%和40%，为未来人机协作开辟了新的可能性。

西门子公司CEO Roand Busch曾在CES 2024大会上发表主题演讲，探讨如何在工业元宇宙中运用数字孪生技术、生成式AI又将给西门子带来怎样的深远影响。

耐用品质实战之王，真抗摔真防水。

南华理工大学等机构提出3DFlowAction方法，让机器人通过预测物体3D运动轨迹来学习操作技能。该研究创建了包含11万个实例的ManiFlow-110k数据集，构建了能预测三维光流的世界模型，实现了跨机器人平台的技能迁移。在四个复杂操作任务上成功率达70%，无需特定硬件训练即可在不同机器人上部署，为通用机器人操作技术发展开辟新路径。

Yandex研究院开发出SWD技术，通过"阶梯式"分辨率策略让AI绘画速度提升2-10倍。该方法从低分辨率开始逐步升级，避免在早期高噪声阶段处理无效细节，同时创新了分片分布匹配技术确保质量。在多个主流模型上的测试显示，SWD在保持相近质量的同时显著提升了生成效率，为AI内容创作的实时化应用奠定了基础。

Allen Institute for AI推出首个能实时追溯大语言模型输出到万亿训练数据来源的系统OLMOTRACE。该系统通过创新的并行算法，可在几秒内找到AI回答中与训练数据完全匹配的文本片段，为AI行为分析开创了新范式。支持事实核查、创意溯源等应用，已在AI2 Playground开放使用。

布朗大学与Adobe研究院联合推出MS4UI数据集，专门解决软件教学视频的智能总结问题。该研究收集了2413个Adobe软件教程视频，提出视频分割、文本总结、视频总结三大任务，为软件学习AI开辟新方向。实验显示现有方法表现不佳，凸显了专业领域AI的技术挑战。

香港大学团队开发的OmniPart系统实现了AI领域的重要突破，让计算机首次具备了像人类一样的"零件思维"。该系统能从单张2D图片生成具有清晰零件结构的3D模型，用户可通过简单的颜色遮罩控制分解过程。系统采用两阶段设计：先进行结构规划预测零件位置，再同步生成所有零件。实验显示其性能显著优于现有方法，生成效率提升20倍，为3D内容创作、游戏开发、虚拟现实等领域开辟了新的可能性。

Hugging Face联合斯坦福大学推出革命性小型视觉AI模型SmolVLM，最小版本仅256MB却能超越300倍大小的传统模型。该系列包含三个版本，运行显存需求0.8-4.9GB，可在手机端部署。通过创新架构设计、高效tokenization和精心数据策略，在图像理解、视频分析、文档处理等任务上表现卓越，真正实现"人人可用的AI助手"。

香港科技大学研究团队提出GPAS技术，通过"梯度保持激活缩放"解决Pre-LayerNorm架构中激活方差指数增长问题。该技术在前向传播时缩放激活值，反向传播时保持梯度不变，在71M到1B参数模型上均显示显著性能提升。GPAS具有出色的架构兼容性，可应用于多种Transformer变体，为大型语言模型训练优化提供了简单有效的解决方案。

中科院团队首次系统研究了大型多模态AI模型在视频理解中的"幻觉"问题，构建了包含6497个问题的HAVEN评估体系，发现AI看视频时会出现物体、场景、事件三类错误。研究还提出了创新的"视频思维模型"解决方案，通过让AI进行step-by-step推理，将准确率提升7.65%，偏差降低4.5%，为提升AI视频理解的可靠性提供了重要突破。

这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理，潜在推理在AI内部连续空间中进行，不受语言表达限制，信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类，前者通过重复处理增加思考深度，后者通过状态演化扩展记忆容量。

SpeakLeash基金会联合波兰多所高校开发了专门针对波兰语的AI安全分类器Bielik Guard，通过1500多名志愿者标注6885个文本样本，训练出两个高效模型。该系统在真实用户测试中达到77.65%精确率和0.63%误报率，显著优于现有解决方案，已开源部署并支持持续社区反馈改进。