有“AI教母”之称的斯坦福大学教授李飞飞及其团队近日发布了一项关于多模态大模型“空间智能”的研究，揭示这些模型在记忆和回忆空间方面已经具备初步能力，并展现出形成局部世界模型的潜力。研究团队开发了用于评估视觉空间智能能力的工具——VSI-Bench，其中包含超过5000个基于288个真实视频的高质量问答对。测试视频涵盖居住空间、专业场所及工业场景，涉及多个地理区域。研究结果显示，尽管多模态模型的总体表现尚低于人类，但在某些任务上已达到或接近人类水平。例如，

李飞飞团队推出了一种新的多模态模型，该模型能够理解和生成人类的动作，并通过结合语言模型，实现了对口头和非口头语言的统一处理。 这一突破性的研究，使得机器不仅可以理解人类的指令，还能读懂动作中蕴含的情绪，从而更自然地进行人机交互。该模型的核心在于其多模态语言模型框架，能够接收音频、动作和文本等多种形式的输入，并输出所需的模态数据。 结合生成式预训练策略，该模型在多个任务上展现出卓越的性能。 例如，在协同语音手势生成方面，该模型不仅超越了

麻省理工学院（MIT）科学家们最近发布了一款强大的开源人工智能模型，名为 Boltz-1。这一创新有望显著加速生物医学研究和药物开发。Boltz-1是首个完全开源的模型，能够在生物分子结构预测方面达到与谷歌 DeepMind 的 AlphaFold3相同的先进水平。该模型的开发团队来自 MIT Jameel 机器学习健康诊所，主要由研究生杰里米・沃尔文德和加布里埃尔・科尔索领导，合作团队还包括 MIT 的研究员萨罗・帕萨罗以及电气工程与计算机科学教授瑞吉娜・巴兹利和汤米・亚卡拉。在12月5日的发布会上，沃尔

近日，厦门大学信息学院史晓东教授团队的“基于甲骨文多模态大模型的多元信息甲骨文辅助考释模型”入选“探元计划2024”创新探索型项目TOP10榜单，为甲骨文的现代化考释开辟了新路径。甲骨文作为世界四大古文字之一，已有三千多年的历史，是现代汉字的源头。然而，传统的甲骨文考释依赖专家的人工解读，工作繁琐且耗时。尽管采用字形分析和辞例研究等方法，解读过程依旧困难重重。近年来，人工智能特别是深度学习模型的崛起，为甲骨文的辅助考释提供了新思路。厦门大学团

还记得去年圣诞节前夕，那个让一群硅谷精英抓耳挠腮的服务器难题吗?当时，Cognition AI 团队正在为一个复杂的数据服务器焦头烂额，各种方法试了个遍，还是没能让它正常工作。就在大家快要放弃的时候，有人提议让当时还没正式亮相的 AI 编码助手 Devin 来试试，结果你猜怎么着?Devin 居然像变魔法一样，轻轻松松就解决了问题!它只是删除了一个被团队忽略的系统测试文件，服务器终端指示灯就从红色变成了绿色，简直是奇迹!Devin 的这次“神操作”震惊了整个团队，他们意识到，软件工程

特斯拉最近通过一则招聘信息确认，计划成立一个 “远程操作” 团队，以便对其即将推出的机器人出租车车队进行远程控制。这一举措是特斯拉在实现机器人出租车服务过程中所需的重要步骤，同时也借鉴了市场领导者 Waymo 的经验。Waymo 与特斯拉在自动驾驶的策略上存在明显差异。Waymo 采用多种传感器，包括摄像头和激光雷达，运营其已经在多个市场商业化的自动驾驶网约车服务，并在地图上设定了地理围栏。与此不同，特斯拉完全依赖摄像头和神经网络，计划将其技术训练到能够在任

阿里巴巴国际AI团队最近发布了一款名为Marco-o1的新型推理模型，该模型特别关注开放型问题的解决，不仅局限于具有标准答案的学科领域，如编程和数学。研究团队致力于探索这类模型能否有效推广到难以量化且缺乏明确奖励的领域。

Meta近日宣布，已聘请前Salesforce人工智能负责人施崇棠，组建并领导一个新的商业AI团队。施崇棠周二在领英上发文称，这一团队旨在为使用Meta旗下应用（如Instagram、Facebook和WhatsApp）的企业打造AI工具，助力企业在AI时代取得成功。 Meta证实了施崇棠的任命，并表示新团队将专注于为数百万广告商和内容创作者提供AI产品。施崇棠在声明中提到，目标是让每个企业都能通过尖端AI工具掌握未来。 目前尚未公布具体工具内容，但外界推测，这些工具可能包括AI生成广告或创意内容的功能。Meta已

自然语言到 SQL（NL2SQL）技术正在快速发展，成为自然语言处理(NLP)领域的一项重要创新。该技术使得用户能够将自然语言查询转化为结构化查询语言(SQL)语句，这一进步极大地方便了缺乏技术背景的用户与复杂数据库之间的交互，从而获取有价值的信息。NL2SQL 技术不仅为各行业的大型数据库探索打开了新大门，还提升了工作效率和决策能力。然而，NL2SQL 的实现过程中，查询准确性与适应性之间存在一定的权衡。一些方法在生成 SQL 查询时，既无法保证准确性，也难以适应不同类型的数据库

近日，北京大学等科研团队宣布发布了一款名为 LLaVA-o1的多模态开源模型，据称这是首个能够进行自发、系统推理的视觉语言模型，堪比 GPT-o1。该模型在六个具有挑战性的多模态基准测试中表现优异，其11B 参数的版本超越了其他竞争者，如 Gemini-1.5-pro、GPT-4o-mini 和 Llama-3.2-90B-Vision-Instruct。LLaVA-o1基于 Llama-3.2-Vision 模型，采用了 “慢思考” 推理机制，能够自主进行更加复杂的推理过程，超越了传统的思维链提示方法。在多模态推理基准测试中，LLaVA-o1的表现超出了其基础模型8.9%。该模型的

深度学习的快速发展离不开规模化的数据集、模型和计算量。在自然语言处理和计算机视觉领域，研究人员已经发现了模型性能与数据规模之间存在幂律关系。然而，机器人领域，特别是机器人操控领域，尚未建立起类似的规模化规律。清华大学的研究团队最近发表了一篇论文，探讨了机器人模仿学习中的数据规模化规律，并提出了一种高效的数据收集策略，仅用一个下午的时间就收集了足够的数据，使得策略能够在新环境和新物体上实现约90% 的成功率。研究人员将泛化能力分为环境泛化

近日，全球知名的扫地机器人制造商 iRobot 宣布将裁减约105名员工，此次裁员占其现有员工总数的16%。这一消息是在公司发布的财报中披露的，iRobot 的 CEO 加里・科亨（Gary Cohen）在财报电话会议中表示，这一举措虽然具有挑战性，但从根本上改变了公司与合作伙伴之间的工作方式，使得机器人研发和生产的效率得以提升。科亨强调，iRobot 已经采用了运营模式，这一模式不仅能够大幅提高新产品的开发数量，还能在成本和资源使用上实现显著降低。2024年，iRobot 推出了多款新产品，其中包括

据智能涌现消息，近日美团原联合创始人王慧文宣布回归，带队探索AI应用。王慧文所在的美团AI团队被称为GN06，目前的主要业务方向包括情感陪伴、聊天机器人等。团队为候选人提供“没有边界的AI尝试机会”。据了解，GN06由王慧文直管，并不归属任何一个事业群。GN06在美团中的状态相对独立，专注于探索主营业务之外的方向。GN06的主要产品之一，是在2023年11月上线的AI情感陪伴产品Wow。Wow是美团发布的第一个独立AI应用，用户可以自由定制角色形象、性格和音色，在AI社区中进行互动。

据36氪消息，原美团联合创始人王慧文正式回归美团，并担任 AI 团队的负责人，致力于探索人工智能的应用。这一团队被称为 GN06，主要集中在情感陪伴、聊天机器人等领域。王慧文将在团队内部担任重要角色，负责面试和把关产品与运营职位的招聘。报道称，GN06团队的工作状态相对独立，并不隶属于美团的任何事业群。这使得他们能够专注于开发主营业务之外的新方向，与美团现有的 AI 团队保持独立性。GN06目前的一个核心产品是 AI 情感陪伴应用 Wow，用户可以通过该应用自由定制角色的

近日，来自多家中国科研机构的研究团队重磅发布了名为Infinity-MM的超大规模多模态数据集，并基于该数据集训练出了一个性能卓越的AI模型Aquila-VL-2B。这一突破为多模态AI发展注入了新动力。Infinity-MM数据集规模惊人，共包含四大类数据:1000万条图像描述、2440万条通用视觉指令数据、600万条精选高质量指令数据，以及300万条由GPT-4等AI模型生成的数据。研究团队采用开源AI模型RAM++进行图像分析和信息提取，并通过独特的六大类分类系统确保生成数据的质量和多样性。图源备注：图片由AI生成

近日，来自多家中国机构的研究团队成功创建了 “Infinity-MM” 数据集，这是目前最大规模的公开多模态 AI 数据集之一，同时训练出了一款性能卓越的小型新模型 ——Aquila-VL-2B。该数据集主要包含四大类数据:1000万条图像描述、2440万条一般视觉指令数据、600万条精选高质量指令数据，以及300万条由 GPT-4和其他 AI 模型生成的数据。在生成方面，研究团队利用现有的开源 AI 模型。首先，RAM++ 模型分析图像并提取重要信息，随后生成相关问题和答案。此外，团队还构建了一种特殊的分类系统，

华特迪士尼公司正在探索其电影、电视和主题公园部门的应用，目前正在组建一个新团队来协调公司对人工智能和混合现实等新兴技术的使用。新成立的技术支持办公室将由杰米·沃里斯 （Jamie Voris） 领导，他是迪士尼电影制片厂的首席技术官，曾负责开发适用于 Apple Vision Pro 混合现实设备的迪士尼应用程序。埃迪·德雷克 (Eddie Drake) 将接替沃里斯担任该制片厂的首席技术官。迪士尼娱乐联席主席艾伦·伯格曼表示，人工智能和混合现实的进步速度和范围是深远的，将在未来几年继续影响消

最近，OpenAI 再传离职消息，安全政策顾问及 AGI 准备团队负责人米尔・布伦达奇（Miles Brundage）宣布将离开公司，并透露他所领导的团队也将解散，成员将被重新分配到其他部门。布伦达奇在社交媒体平台 X 上发布了一篇文章，详细解释了自己的决定。他表示，离开 OpenAI 的原因主要是想要拥有更多的独立性和发表研究的自由。值得注意的是，布伦达奇并不是唯一一位高层离职的安全研究者。早在今年5月，OpenAI 就解散了其超级对齐团队，这个团队主要负责人工超级智能的风险评估。此后，

日前， Zoom 发布了他们的新一代 AI 助手 ——Zoom AI Companion2.0。这个全新的助手在提高工作效率方面可谓是大有作为，帮助用户更好地管理日常工作，全面提升团队协作的体验。AI Companion2.0不仅可以提供重要信息，还能帮助用户抓住最重要的事情，转化互动为具体的行动计划，助力大家更高效地完成工作任务。Zoom 的产品负责人 Jeff Smith 表示，他们对 AI Companion 能在工作日内提升生产力感到非常兴奋。通过新功能，AI 助手能够让用户在会议中获得即时帮助，比如问问 “这个缩写是什么意思?”

在构建以人工智能为核心的未来时，Gusto的联合创始人兼技术负责人Edward Kim提出了一个与众不同的观点。他认为，削减现有团队并雇佣一批经过特别训练的AI工程师并不是正确的做法。Kim在与TechCrunch的一次访谈中表示，非技术团队成员可能比普通工程师更了解客户可能遇到的情况和困惑，这使得他们更有资格指导应该在AI工具中构建哪些功能。Gusto的方法是让其客户体验团队的非技术成员编写“配方”，这些“配方”指导其AI助手Gus（上个月宣布）与客户的互动方式。Kim还提到，公司发现“