互联网巨头的新玩法，是一次跨维度挑战，但是也是一次新思维重塑。这既未见得不能给传统玩家以新启发，也不好说某天守城一方也可以借此新模式反攻互联网。

斯坦福神经AI实验室开发出SpelkeNet系统，通过"虚拟戳击"让AI像婴儿一样理解物体的物理结构。该系统不依赖外观特征，而是模拟物理力作用来发现哪些像素会一起移动。在物体操作任务中表现显著优于传统方法，并意外展现出对支撑关系和材料属性的理解能力。

本文探讨多元化与包容性如何提升企业决策、创新、人才吸引与财务回报，展示其商业价值。

算力，已不仅仅是一个技术指标，它已经成为了先进生产力的代表。

这些年，中国大型企业数智化转型的基本要素发生了重大迁移。

清华大学等机构组织的MARS2多模态推理挑战赛历时两个多月，76支知名团队参与，通过三个赛道全面考察AI在真实场景视觉定位、空间感知问答和广告视频推理等复杂任务上的能力，结果显示即使最先进AI模型表现仍不理想，为推动人工智能向真正智能化发展提供了重要基准和研究方向。

心无界行无疆，一切伟大源于敢想，“当心不再受到束缚，不再设有限制，那么成长的空间将无限大”2018年8月8日，心·无界-2018TCL冰箱洗衣机全球战略合作伙伴大会在安徽合肥盛大开幕。

普渡大学研究团队首次提出AI模型免疫技术，通过条件数理论让模型能够抵抗恶意训练。该方法在保持正常功能的同时，显著增加恶意微调的难度，实验显示免疫效果可达40倍以上。这项突破性研究为AI安全提供了"预防胜于治疗"的新思路，开创了模型免疫这一全新技术方向。

SCENEWEAVER是清华大学和智源研究院联合开发的突破性AI室内设计系统，能够仅通过自然语言描述自动生成完整的三维房间场景。该系统采用多工具整合和自反思规划机制，模仿专业设计师的工作流程，在视觉真实性、物理合理性和功能完整性方面均显著超越传统方法，为AI辅助创意设计开启了新的可能性。

这项研究推出了SkillFormer AI系统，通过多角度视频分析来评估人类技能水平。该系统采用创新的CrossViewFusion模块融合第一人称和第三人称视角信息，并使用LoRA技术实现高效训练。在EgoExo4D数据集测试中，准确率达到47.5%，且仅需传统方法四分之一的参数和训练时间，在篮球、烹饪等结构化技能领域表现尤为出色。

随着人工智能时代的到来，全球数字化进程也在加快，为此，基于数字化求成的众多科技企业，都将人工智能战略作为下一步发展的重点。

复旦大学研究团队通过对五个大型语言模型的深入分析，发现了AI训练中的一个反常现象：增加训练数据量不仅没有提升模型性能，反而导致最高14%的性能下降。研究揭示，精细调优过程中高达90%的参数更新对知识提升无效甚至有害，通过恢复这些无用参数可显著改善模型表现。这一发现挑战了"数据越多越好"的传统观念，为开发更高效的AI训练方法提供了新思路。

这项由伦敦国王学院领导的研究针对大语言模型处理长文档时的效率问题，提出了ComprExIT压缩框架。该方法通过构建明确的信息传输机制，避免了传统方法中信息逐层覆盖和资源分配不协调的问题。实验表明，ComprExIT在保持仅1%参数增量的情况下，全面超越现有压缩方法，甚至能匹敌未压缩模型的性能，为大语言模型的高效部署提供了新思路。

哈佛大学研究团队首次实现了人工智能的"流等变性"，让机器能够像人类一样理解时间中的运动和变化。这项突破性研究开发出FERNNs神经网络，不仅能识别物体位置，还能理解运动规律。实验显示，该技术在运动预测任务中性能提升50倍，并具备零样本泛化到新运动模式的能力，为自动驾驶、机器人、视频分析等领域开辟了新前景。

经过社区开发者们两个月来的不断努力，昇思MindSpore1.8版本现已发布。

如今，很多传统企业面临数字化转型升级，特别是一些中小企业，如何快速又便捷地进行数字化改造，成为了他们考虑的重要因素。

凭借一系列研究、计算与资金实力，美国能源部正在率先推动对AI及其应用在各个行业中的相关研究。

小米公司发布了MiDashengLM，这是一个革命性的音频理解AI系统，能同时理解语音、音乐和环境声音，并用自然语言描述听到的内容。该系统采用创新的"通用音频字幕"训练方法，在多项测试中全面超越现有顶尖系统，运行速度提升4-20倍。研究团队承诺完全开源所有数据、代码和模型权重，为音频AI领域树立了新标杆，有望改变我们与数字设备的交互方式。

Meta超级智能实验室开发出SAM 3D Body系统，能仅从单张照片重建完整3D人体模型，包括精确的手部和脚部细节。系统采用创新的双解码器架构和可提示机制，基于700万张高质量标注图像训练。在多个基准测试中表现优异，用户偏好研究显示83.8%-100%胜率。技术将广泛应用于游戏开发、电商试衣、健身指导、医疗康复等领域，为人机交互开启新时代。

北京大学和字节跳动联合研究团队针对AI图像生成中空间关系理解的技术难题，开发了专门的奖励模型SpatialScore和包含8万对样本的训练数据集。该系统能够准确评估生成图像中物体间的空间位置关系，准确率超过95%，甚至超越了知名商业模型。通过强化学习训练，显著提升了图像生成模型的空间理解能力。