云计算最天才的核心构想，就是让一家掌握大量IT预算（每年可能高达数亿美元）且拥有一定专业知识的大企业，先建立起规模远超自身需求的IT部门，为此砸下数十亿美元（到如今的AI时代，投资额甚至可能高达数百亿美元），再将绝大部分容量出租给第三方客户。

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。

这项由斯坦福大学和Meta超级智能实验室联合开展的研究，首次让AI具备了类似人类的多轮思考和自我改进能力。UniT系统能够像熟练工匠一样反复审视和完善作品，通过验证、分解任务和记忆内容三种认知能力，实现了图像生成质量的显著提升，为AI向真正智能化迈进开辟了新路径。

早期技术采用者们已经意识到，AI方案能否成功落地完全取决于数据。而在F1赛场上，数据同样是通往成功的必由之路。F1赛车配备有300多个传感器，负责记录影响车速的每一个微小变化——从空气动力学到海拔高度，再到气温、压力、振动、车身压力、发动机性能乃至轮胎状况。

布朗大学和哈佛大学研究团队开发出SAIL系统，让机器人能够像人类一样通过自我实践来学习新技能。该系统结合互联网规模的视频模型和环境特定知识，使机器人在面对未见过的任务时能够持续自我改进。实验证明，机器人的成功率能从24%提升至80%以上，且即使从失败经验中也能学习改进。

沙特阿卜杜拉国王科技大学研究团队首次发现AI推理能力可以像文件一样被提取和转移。通过简单的数学运算从强化学习模型中提取"推理向量"，然后添加到其他模型上，实现推理能力的快速传递。实验显示模型在数学、代码生成等任务上性能提升4-12%，且在对抗性测试中保持稳定。这项技术有望让AI推理能力的获取从昂贵训练变为低成本复用，加速AI技术普及。

苹果公司联合多家顶尖研究机构首次开发出能同时理解和生成文字、图片、音频的统一AI模型，采用创新的掩码扩散技术和"填空游戏"式训练方法，在30亿参数规模下实现了跨模态信息处理的技术突破。研究团队还建立了多模态AI的规模化定律，发现这种统一模型比传统方法更加数据高效，为未来AI技术发展提供了重要指导。

这篇论文介绍了GRE套装，一个通过精细调优视觉语言模型和增强推理链来提升图像地理定位能力的创新框架。研究团队开发了高质量地理推理数据集GRE30K、多阶段推理模型GRE以及全面评估基准GREval-Bench。通过冷启动监督微调与两阶段强化学习相结合的训练策略，GRE模型能够有效识别图像中的显性和隐性地理指标，在Im2GPS3k和GWS15k等主流基准上显著优于现有方法，为全球图像地理定位任务提供了更准确、更可解释的解决方案。

韩国KAIST团队开发的Mol-LLaMA是首个能像化学专家一样理解分子并解释其性质的AI系统。该系统通过融合2D和3D分子信息，不仅能准确预测分子特性，还能详细解释背后的科学原理，在药物发现、化学教育等领域展现出巨大应用潜力，为分子科学研究开启了AI辅助的新时代。

阿里云演示了如何借助“通义点金”智能平台的银行业工作流中，实现多智能体协同驱动的、全自动化生成信贷尽调报告。

这项来自香港中文大学的研究开发了名为"LoRA-Edit"的视频编辑技术，通过巧妙结合LoRA适应技术和遮罩机制，解决了传统视频编辑中编辑效果难以精确传播、背景容易被意外改变的问题。该技术让用户只需编辑第一帧画面，就能让编辑效果自然传播到整个视频，同时可通过参考图片进一步控制编辑外观，在多项对比测试中均超越现有先进方法。

英特尔研究院，作为英特尔公司的“科技创新引擎”，一直以来备受业界的关注。在中国，英特尔中国研究院经过多年的发展，已经从一个单纯的项目研发中心蜕变成英特尔全球科研布局的关键一环。

加州大学圣克鲁兹分校研究团队创建了包含150万高质量样本的GPT-IMAGE-EDIT-1.5M图像编辑数据集，通过利用GPT-4o优化现有数据质量，使开源AI模型在多项测试中达到接近GPT-4o的性能水平，在GEdit-EN测试中获得7.24分的突破性成绩，显著缩小了开源与商业模型的差距，为AI图像编辑技术的民主化奠定了基础。

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。

Jina AI开发的jina-embeddings-v5-text是一种创新的文本嵌入模型，采用蒸馏学习与任务特定训练相结合的方法。该模型支持多达32K词汇的长文本处理，覆盖多种语言，通过四种专业适配器处理检索、分类、聚类等不同任务。在多项国际基准测试中表现出色，为企业信息检索、智能推荐等应用提供强大支持。

为推动绿色碳交易跨越式发展，HPE与战略合作伙伴英特尔2023年10月26日在苏州举办了“跨国低碳·慧行至远”为主题的跨国企业绿色碳交易智慧转型研讨会。

揭开训练数据之谜。

北京邮电大学等机构研究发现，在AI训练中，小模型生成的指令比大模型更有效。通过三种实验场景验证，80亿参数的小模型比700亿参数大模型创造出更复杂多样的训练内容。研究提出IC-IFD评分系统，能更准确评估指令质量。这一发现颠覆传统认知，有望大幅降低AI开发成本。

香港科技大学团队发表重要研究，提出PANORAMA系统架构解决机器人视觉局限性问题。研究系统分析了360度全方位视觉技术在具身AI时代面临的数据瓶颈、模型能力和应用空白三大挑战，并提出包含数据采集、感知、应用和部署四个子系统的完整解决方案。团队还制定了六阶段发展路线图，从数据集整合到最终部署，为实现真正的机器人全方位感知能力提供了清晰的技术路径。

这项由卡内基梅隆大学和Meta联合进行的研究开发了General AgentBench基准测试，评估了十个顶尖AI模型在通用环境下的真实表现。研究发现，即使最先进的AI智能体从专门化环境转移到通用环境时性能都显著下降，传统的性能提升策略也面临"上下文天花板"和"验证差距"等根本性挑战。