本周，OpenAI GPT-4、百度 文心一言等AI预训练大模型相继发布。

香港大学研究团队开发的MatTools是首个全面评估大语言模型在材料科学工具应用能力的基准测试框架。研究发现通用型大模型（如GPT-4o）显著优于专业材料科学模型；AI生成的文档作为检索源比原始代码或官方文档更有效；简单的自反思系统反而优于复杂的多代理架构。这项研究为AI辅助科学工具的设计提供了全新思路，强调"通才胜于专才"、"AI懂AI"和"简单更好"的原则，有望加速材料科学研究和技术创新。

斯坦福大学研究团队成功将深度强化学习技术应用于航天器自主控制，开发出能够独立导航和决策的AI系统。该系统通过虚拟太空环境训练，在轨道转移、精确对接等任务中表现优异，燃料效率提升25%，任务成功率达96%。这项突破为未来深空探索、卫星编队飞行和太空资源开发奠定了基础，有望显著降低航天成本并提高任务可靠性。

最近来自清华大学、无限极AI和上海交通大学的研究团队提出了一种名为"通向罗马之路"(R2R)的创新方法，可以在小型和大型语言模型之间进行智能令牌路由。研究发现，小型模型与大型模型的推理路径差异主要源于少量"分歧令牌"。R2R方法只在这些关键令牌上使用大模型，其余时间使用小模型，既保证了推理质量，又提高了效率。实验表明，使用平均5.6B参数的R2R方法超越了14B参数模型的性能，同时提供了2.8倍的速度提升。

微软研究院的研究团队近日发布了一项突破性成果——BitNet b1.58 2B4T，这是首个开源的、原生1比特大语言模型（LLM）。

在眼下严重的疫情面前，在家办公成了确保防疫、承担企业社会责任、又兼顾企业日常运营的主要工作方式。防御新型肺炎或倒逼企业远程协同，成为落地在家办公的契机。

AI技术的加持，让音乐开始走向了前所未有的形态。但任何一种新产品能否生存的核心都不仅是技术，更在于能否建立完善的商业模式。

Meta AI易于使用，提供的图像生成器也相当酷炫。但幻觉问题和乏善可陈的改进效果使其仍处于市场中游水平。

除了硬件新品，华为还公布了全新高端品牌ULTIMATE DESIGN非凡大师。

作为软件生态系统的重要组成部分兼合作伙伴，JFrog与Docker正在携手优化软件生态系统。JFrog安全研究团队的工作包括通过持续监控开源软件注册表，主动识别和定位潜在的恶意软件与漏洞威胁。

微软研究院开发出革命性的1位大语言模型BitNet b1.58 2B4T，仅需0.4GB内存就能运行2千亿参数规模的AI模型，相比传统模型内存消耗降低90%以上，能耗降低95%，推理速度提升40%，在保持相当性能的同时让AI技术真正实现普及化。

“‘人’是超写实数字人，‘数’是背后的数据和资产，‘场’是超写实虚拟场景，如果我们把这三块全部做好、做扎实，就能在未来十年里成为魔都元宇宙行业中的头部企业。”

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。

本文介绍如何通过 USB 启动 DOS，打造一台独立无干扰的写作系统，详细讲述了技术步骤以及使用经典 DOS 软件的优缺点。

清华、浙大等高校联合研发MergeVQ框架，首次实现单一AI模型同时精通图像理解与生成。通过创新的信息分层处理和Token合并技术，该系统用传统方法五分之一的计算资源达到更优性能，在ImageNet测试中展现突出效果。这一突破为AI视觉技术的高效化和普及化开辟新路径，有望推动智能相册、内容创作、电商推荐等多领域应用发展。

孙中山大学研究团队开发的RobustSplat技术通过两大创新解决3D高斯飞溅重建中的瞬态物体干扰问题：延迟高斯增长策略优先优化静态结构，避免早期对动态物体过度拟合；尺度级联掩码引导方法先利用低分辨率特征实现可靠初始掩码估计，再过渡到高分辨率监督获得精确预测。实验证明该方法在多个挑战性数据集上明显优于现有技术，为真实场景3D重建提供更高质量、无干扰的结果。

扩圈，某种程度上正是高通的骁龙平台自2007年面世以来的真实成长写照，也是科技行者远赴夏威夷茂宜岛参与今年骁龙峰会感触最深的印象之一。

南洋理工大学研究团队开发的Life2vec系统能够通过分析个人生活数据预测未来人生轨迹，在收入和职业预测上达到78-85%准确率。该系统使用丹麦600万人的真实数据，采用类似GPT的AI技术，揭示了教育投资、社交网络、地理位置等因素对人生发展的深层影响规律，为政策制定和个人规划提供科学依据。

这篇研究论文介绍了"Speechless"，一种创新方法，可以在不使用实际语音数据的情况下训练语音指令模型，特别适用于越南语等低资源语言。研究团队通过将文本指令转换为语义表示，绕过了对高质量文本转语音(TTS)系统的依赖。该方法分三个阶段：首先训练量化器将语音转为语义标记；然后训练Speechless模型将文本转为这些标记；最后用生成的合成数据微调大型语言模型。实验表明，该方法在越南语ASR任务中表现出色，为低资源语言的语音助手开发提供了经济高效的解决方案。

每一段人生之路都有意义，岔路也有不一样的风景。