在这个人机协作时代，人类的智慧和机器的能力将以前所未有的方式结合在一起，共同创造一个更加美好的世界。

新加坡国立大学研究团队开发了JudgeLRM，一个专门用于评判AI系统表现的模型。研究发现传统训练方法在需要复杂推理的评判任务上效果较差，因此采用强化学习训练JudgeLRM，使其具备真正的推理能力。JudgeLRM-3B甚至超越GPT-4，JudgeLRM-7B击败DeepSeek-R1，在推理密集型任务上表现尤为突出，为AI评估领域带来范式转变。

腾讯研究团队提出RLPT新方法，让大语言模型通过预测文章下一段内容进行自主学习，无需人工标注。该技术在多个基准测试中显著提升AI性能，特别是数学推理能力提升5-8分，为解决AI训练中的数据瓶颈和标注依赖问题提供了创新解决方案，展现出良好的可扩展性和实用前景。

Orange Research团队开发的DivMerge技术实现了AI模型合并的重大突破，通过基于信息论的Jensen-Shannon散度优化，能够将多个专门模型智能组合成保持各自专长的"超级模型"。该技术在双任务合并中达到99.18%性能保持率，显著优于传统88.48%的水平，且在多任务场景下展现更好扩展性，仅需25个样本即可有效工作，为AI应用降本增效提供了新路径。

大连理工大学和浙江大学研究团队提出MoR（Mixture of Reasoning）方法，通过将多种推理策略嵌入AI模型参数中，让AI能自主选择最适合的思考方式，无需人工设计专门提示词。该方法包含思维生成和数据集构建两阶段，实验显示MoR150模型性能显著提升，比基线模型提高2.2%-13.5%，为AI推理能力发展开辟新路径。

ENERVERSE-AC(EVAC)是一种创新的动作条件世界模型，它能根据机器人预测的动作生成未来视觉观察结果，实现真实且可控的机器人仿真。该研究由AgiBot、上海交通大学和香港中文大学的研究团队开发，通过多层动作条件注入机制和射线图编码技术，支持动态多视角图像生成。EVAC不仅作为数据引擎可增强训练数据多样性，还能作为政策评估器模拟环境响应，无需物理机器人即可进行政策测试，显著降低了开发成本。实验结果表明，EVAC生成的仿真与真实世界场景高度一致，为机器人模仿学习提供了高效、经济的解决方案。

蚂蚁集团推出UI-Venus系统，这是一个能够仅通过屏幕截图就理解和操作用户界面的AI模型。该系统采用强化微调技术，在多个基准测试中达到业界最佳水平，其72B版本在界面识别任务上准确率达95.3%，在复杂的安卓操作任务中成功率达65.9%。研究团队还开发了创新的自进化轨迹对齐技术，显著提升了AI在多步骤任务中的规划能力，为智能化人机交互开辟了新途径。

苹果公司研究团队通过精心设计的拼图游戏实验，揭示了当前"思维型"AI模型的真实能力边界。这些模型在简单问题上反而表现不佳，只有在中等复杂度问题上才显示优势，而在困难问题上会完全崩溃并减少思考时间。更令人震惊的是，即使提供完整算法，模型仍无法突破复杂度限制。研究显示这些AI可能缺乏真正的逻辑推理能力，更像是高级的模式匹配系统。

这项由以色列OriginAI公司发表的研究颠覆了传统视频AI训练思路，仅用6万个文本对就实现了超越数亿视频数据训练的效果。研究发现AI模型中间层隐藏着丰富的视频理解能力，通过巧妙提取和文字优化就能激发这些潜能，为高效视频搜索技术开辟了全新路径，预示着轻量级AI时代的到来。

港科大等多院校团队发表的突破性研究，解决了多模态AI训练中的"模态差距"难题。通过精确建模文字和图像信息间的几何关系，开发出ReVision训练方法，让AI主要通过阅读文字就能学会理解图像，将训练成本降低26%，为AI训练提供了更经济高效的新路径。

ViStoryBench是一个全面的故事可视化评估基准，由StepFun团队打造，用于测试AI将文字故事转化为连贯图像序列的能力。它包含80个多样化故事和344个角色参考，评估包括角色一致性、提示遵循度等多个维度。研究测试了20多种方法，发现UNO在开源方法中表现最佳，而商业软件如豆包和GPT-4o在提示一致性方面表现突出。该基准为故事可视化研究提供了统一标准，推动这一领域的创新发展。

斯坦福大学等机构开发的RD-VLA让机器人首次拥有自适应思考能力，能根据任务复杂度动态调节"思考深度"。这种突破性技术在潜意识层面进行推理，速度比传统方法快80倍，内存使用恒定。复杂任务成功率从0%提升至90%以上，在真实世界的面包烘烤、毛巾折叠等任务中表现出色，为智能机器人开辟了全新发展道路。

斯坦福与哈佛研究团队通过创新的"层次贝叶斯框架"，首次从理性分析角度解释了AI学习策略转换机制。研究发现AI会在"记忆型"和"理解型"两种策略间理性选择，转换规律遵循损失-复杂度权衡原理。该理论框架仅用三个参数就能准确预测AI在不同条件下的行为表现，为AI系统的可控性和可预测性提供了重要理论基础。

中科大研究团队从认知科学获得灵感，提出IAU机器遗忘方法，通过"反向记忆"让AI高效忘记特定数据。该方法避免了传统影响函数的复杂矩阵计算，将遗忘时间从数千秒降至十几秒，同时保持模型性能。实验验证显示其在多种数据集和模型上均表现优异，为隐私保护和数据安全提供了实用解决方案。

腾讯AI实验室和腾讯LLM部门研究人员开发的MPS-Prover是一种创新的逐步自动定理证明系统，通过两大关键创新解决了现有方法的局限：一个高效的训练后数据精选策略，剔除约40%冗余训练数据；以及一个多视角树搜索机制，整合了学习型评价模型与策略性设计的启发式规则，提高策略选择多样性并增强搜索稳健性。实验表明，MPS-Prover在miniF2F和ProofNet等基准测试上实现了最先进性能，生成的证明比现有方法更简洁多样，为开发更强大的混合证明系统提供了宝贵思路。

普渡大学团队开发出LLMalMorph框架，利用大语言模型生成恶意软件变种，通过六种代码变形策略成功生成618个样本，平均检测率降低10-31%。研究揭示了AI在网络安全攻防中的双刃剑作用，为理解新兴威胁和开发防御技术提供重要参考。

如果某天，一个15岁的稚嫩少年问你“想不想和我们一起超越微软？”你会作何反应？

容联云发布生成式应用“容犀Copilot”，全国工业和信息化工作会议在京召开，《“数据要素×”三年行动计划（征求意见稿）》发布。

亚马逊AI实验室联合莫纳什大学开发的Cyber-Zero框架，首次实现了无需运行环境的网络安全AI训练。通过分析公开CTF解题报告，用双AI模型模拟真实解题过程，生成高质量训练数据。训练后的开源模型性能可媲美顶级商业模型，在成本效益上具有显著优势，为网络安全AI技术普及化提供了新路径。

NVIDIA2023年10大研究亮点，从CV到AI，从智能体到生成式AI。