澳大利亚研究团队开发出PresentAgent，这是一个能将任何文档自动转换为专业演示视频的AI系统。该系统集成了文档解析、幻灯片设计、语音合成等功能，并创建了全新的多维度评价体系。实验显示，AI生成的演示视频在多项指标上接近人类专家水平，为教育、商业等领域的演示制作提供了高效解决方案。

这项由蚂蚁集团包容性AI团队完成的研究发布了Ming-Omni，这是首个媲美GPT-4o的开源多模态AI模型。该模型能够同时处理文字、图像、音频和视频，并具备语音和图像生成能力。采用MoE架构和模态特定路由器，仅需激活2.8B参数就能达到与7B参数模型相当的性能。在多项基准测试中创造新纪录，特别是在语音理解、图像生成和多模态融合方面表现突出。

阿里巴巴达摩院联合多所知名高校开发出M3Ret医学影像检索系统，首次实现单一模型处理X光、CT、超声、内镜等多种影像类型。该系统通过86万张真实医院影像进行自监督训练，在多项检索任务中超越现有方法，甚至能在未见过MRI数据情况下准确检索MRI影像，为医学AI的统一化发展开辟新路径。

这份由新加坡国立大学等顶尖学府研究团队发布的调研报告，系统梳理了多模态思维链推理这一前沿AI技术的发展现状。该技术让AI具备了同时处理文字、图像、音频等多种信息并进行逐步推理的能力，在医疗诊断、自动驾驶、智能机器人等领域展现出巨大应用潜力，代表了AI从简单工具向真正智能伙伴进化的重要一步。

宾夕法尼亚大学与Adobe研究院合作开发的tttLRM系统，能够通过测试时训练技术从少量照片快速重建高质量三维场景。该系统采用线性复杂度架构，可处理64张输入图片，支持实时流式处理和自回归重建。相比传统方法速度提升数百倍，在保持高质量的同时大幅提高了效率，为三维重建技术的实用化开辟了新道路。

意大利卡利亚里大学研究团队开发了RedDino，一个专门用于红细胞形态分析的AI基础模型。该系统基于改进的DINOv2自监督学习框架，在125万张红细胞图像上训练，能够识别多种红细胞形态异常。测试结果显示，RedDino在红细胞分类任务上比现有最佳方法提升2-3%，并展现出优异的跨数据源泛化能力。研究团队已将代码和预训练模型开源，为血液学诊断提供了强大工具。

戴尔科技智能数据平台与网络韧性解决方案：既能承载数据驱动创新，又能抵御安全风险。

共赴新程之际，IBM邀您回顾2023的闪光瞬间，正式告别这硕果累累的一年。

中国电信人工智能研究院联合重庆大学、北航发布T2R-bench基准，首次系统评估AI从工业表格生成专业报告的能力。研究涵盖457个真实工业表格，测试25个主流AI模型，发现最强模型得分仅62.71%，远低于人类专家96.52%。揭示AI在处理复杂结构表格、超大规模数据时存在数字计算错误、信息遗漏等关键缺陷，为AI数据分析技术改进指明方向。

中科院团队开发的SimpleGVR系统革新了AI视频增强技术，通过直接在潜在空间处理和创新的分阶段训练策略，能够将AI生成的低分辨率视频高效提升至高清画质。该系统不仅提升分辨率，还能修正AI视频特有的颜色混合等问题，在多项指标上超越现有顶级方法，为AI视频生成领域提供了实用的解决方案。

北卡罗来纳大学研究团队开发了一种突破性的AI调研技术，能够在极少预算下精准获取群体观点。该系统同时优化问题选择和受访者选择，并利用人际关系网络进行智能推测。实验显示，在询问10%受访者的情况下，准确率比传统方法提升12.6%，特别是对难预测人群的理解改善达20%。这项技术为社会调研、政策制定和市场研究提供了高效新工具。

阿里达摩院联合复旦大学开发了VL-Cogito多模态推理模型，采用创新的渐进式课程强化学习框架PCuRL。该系统模仿人类学习方式，通过三阶段训练让AI学会根据问题难度智能调整回答详细程度。VL-Cogito在十个基准测试中表现卓越，展现了在数学、科学、逻辑推理等多领域的强大能力，为多模态AI实际应用开辟了新路径。

复旦大学联合多所知名院校开发了GeometryZero模型，通过创新的群体对比策略优化（GCPO）方法，让小尺寸AI模型具备了类似数学专家的几何推理能力。该模型能智能判断何时使用辅助构造工具，在多个几何基准测试中表现优异，为AI教育应用的普及化奠定了基础，展现了专门化训练的巨大潜力。

“无服务器计算不仅将从根本上改变后端计算的经济性，也将成为分布式计算未来的核心，”微软首席执行官Satya Nadella在去年的微软Build大会上这样表示。

韩国大学和KAIST研究团队提出了DeepVideo-R1，一种革新性的AI视频理解训练方法。该方法通过回归式GRPO和难度感知数据增强两大创新，解决了传统方法中的梯度消失和训练信号稀疏问题。在多个权威测试中显著提升了AI的视频推理能力，特别是在处理未见过的新任务时表现出色，为AI视频理解技术发展开辟了新方向。

谷歌研究院开发出一种革命性的人工智能技术，通过学习人类眼动轨迹来提升视觉问答能力。该技术像训练侦探一样教会AI关注图像中的关键区域，准确率提升3-10%。研究发表于CVPR 2024，在教育、医疗、无人驾驶等领域具有广阔应用前景，为AI向人类智慧靠近开辟了新路径。

华中科技大学研究团队提出SaM框架，通过动态选择和合并领域专家模型来改进大语言模型的命名实体识别能力。该方法摒弃传统"万能模型"思路，采用专业化分工策略，根据领域相似性和采样评估智能选择专家，然后融合其能力形成针对性强的任务模型。实验显示平均性能提升10%，某些领域达20%提升，同时具备良好的可扩展性和适应性。

本文整理自TF中文社区技术代表杨雨在TF中文社区“2020第一次Meetup”上的演讲,分享Tungsten Fabric对大规模云平台的支持。

谷歌I/O大会的第一天，Google联合创始人Sergey Brin（谢尔盖?布林）高调现身，与Google DeepMind首席执行官Demis Hassabis，来了一场炉边谈话。全程只有半小时，但信息密度很高，话题涵盖了：AI的前沿模型、AGI的定义与路径、AI伦理、智能眼镜、谷歌AI战略等一系列热点话题。整体看下来，是这家以工程师文化为底色的公司，在经历了外部冲击与内部整合后，对其“AI信仰”的一次再确认与再出发，它关乎的不仅是AGI的星辰大海，更是如何脚踏实地将Gemini真正融入物理世界。

简化合同审查流程到自动化文件发现，生成式AI已经被用于提高法律行业执行效率、降低操作成本。然而，这只是AI技术潜在影响的冰山一角。随着AI的不断推进