本文介绍了KungfuBot，一个基于物理约束和自适应运动追踪的人形全身控制系统，旨在模仿和控制类人动作。文章分析了通用运动跟踪控制器面临的挑战，如可观测性、硬件限制和数据不均衡，并提出了自适应采样和运动专家混合架构以提升模型性能。

5月7日，北京大学“科技创新与创业”课程师生参访微软亚洲研究院，了解科研方向与实习机会。张津介绍研究院发展，何博士分享交互式世界模拟器研究，激发学生思考。学生们体验前沿科技，感受科技改变生活。该课程旨在培养学生的创新意识与创业能力，微软将继续支持产学研融合，助力科技创新者成长。

本研究解决了在无人工标注数据情况下的多语言新闻主题分类问题。提出的师生框架利用大型语言模型（LLMs），通过自动标注生成有效训练数据，取得了与人工标注者相当的表现，且学生模型展现出强大的零样本跨语言能力。这项工作表明较少的训练实例亦可实现高性能，并推动了多语言分类的进展。

CMU研究团队开发了H2O系统，实现了人形机器人的实时全身远程操作。通过逆运动学和强化学习，将人类动作数据集应用于机器人，解决了动态差异问题。H2O使用RGB摄像头捕捉动作，无需标记或传感器，开创了基于学习的远程操作方法，为自主代理训练奠定基础。

我们引入了 “TS-Align” 框架，该框架利用从模型输出中自动提取的成对反馈数据来微调策略模型，从而解决了大规模语言模型对人类反馈数据的依赖性及数据收集成本高的问题，并通过实验证明我们的对齐策略性能在七个对话或遵循指导数据集上的平均胜率达到 69.7%。同时，该框架还能有效地在小规模的学生模型中提取教师模型的排序能力，形成一个小而有效的奖励模型，用于策略模型的对齐。

该研究提出了一种新的有条件蒸馏方法，通过图像条件和扩散模型的先验知识相结合，简化了蒸馏过程。实验结果表明，该方法在多个任务上的表现优于现有的人工蒸馏技术，并且能够与更慢的精细调优有条件扩散模型相匹配。

本文介绍了一种基于CLIP模型和图像水平监督的对象中心对齐方法，通过伪标注实现高质量对象提议并扩展词汇表，结合两种对象对齐策略，最小化OVD方案中对象和图像中心表示的差距。该方法在COCO数据集上取得了36.6的AP50表现，超过了以前的最佳性能，在LVIS上，罕见类别的掩膜AP超过了最新的ViLD模型，总体提高了3.4。

2020年，百度AI以坚定信念、拥抱变化的态度迎接挑战，贡献科技抗疫力量，促进创新和构建新格局，发挥重要作用。搜索信息和知识、地图导航、同传字幕、无人质检设备、自动驾驶出租车是百度AI的重要领域。

香港科技大学推出了定制版的HKUST ChatGPT，使用Microsoft Azure OpenAI API，免费提供给全校师生使用。每个账号有使用限额，每个会话最多只能提问20次。鼓励使用AI工具进行学习和研究，但提醒师生要对内容进行事实核查。

三星允许未经授权的第三方设法从该公司的美国系统访问和窃取了客户信息，包括姓名、生日、联系信息和产品注册信息等。