蚂蚁与港大联合推出PromptCoT 2.0框架，专注于任务合成与强化学习。实验表明，该框架在数学代码推理任务上达成新SOTA，显著提升模型性能。PromptCoT 2.0通过期望最大化优化生成更具挑战性的问题，并开源4.77M合成数据，推动大模型推理能力的提升。未来将探索环境合成与多模态任务。

机器之心数据服务现已上线，提供高效稳定的数据获取，简化数据爬取流程。

机器之心数据服务现已上线，提供高效稳定的数据获取，简化数据爬取流程。

机器之心数据服务已上线，提供高效稳定的数据获取，简化数据爬取流程。

香港大学、字节跳动Seed和复旦大学联合推出的Polaris方法，通过700步强化学习训练，使4B模型在数学推理能力上超越多款商业大模型，特别是在长文本生成方面表现突出。该方法强调动态调整训练数据和超参数，提升了模型的多样性和准确性。

机器之心数据服务现已上线，提供高效稳定的数据获取，简化数据爬取流程。

UC伯克利等机构提出了All-Angles Bench基准，用于评估多模态大语言模型的多视图理解能力。研究显示，现有模型如GPT-4o在多视图推理方面与人类水平存在显著差距，尤其在遮挡和相机位姿估计任务中表现不佳。该基准涵盖90个真实场景，包含2100组问答对，旨在推动多视图理解研究的进展。

香港大学与英伟达等团队提出的Centaur方法，通过动态调整模型权重和使用Cluster Entropy评估不确定性，显著提升了自动驾驶汽车在不确定场景中的适应性与安全性。在navtest测试中，Centaur的表现接近人类驾驶水平，安全性能显著提高。

港大与字节合作推出新的视频生成模型Goku，基于校正流Transformer，支持文本生成视频和图像生成视频。该模型生成效果真实，成本低，受到网友称赞，认为其将颠覆市场。模型训练使用了大规模数据集，但尚未公开使用。

港大黄超教授团队提出的GraphAgent框架，通过多智能体协作，融合图数据与文本信息，显著提升预测与生成任务的性能。在8B参数下，该框架优于70B大模型，尤其在论文评审中有效预测录取可能性，展现出良好的零样本学习和跨域泛化能力。

我和奶奶带着两个宝宝参加了香港大学的“幸福家庭博览会”。活动通过游戏和互动提升了对家庭福祉的认识，宝宝们在气球和摊位活动中玩得很开心，并获得了礼品。这次活动让我意识到家庭幸福与社会发展和环境变化密切相关，希望未来能创造更多美好回忆。

周日，宝妈在实验室工作，爷爷奶奶陪伴宝宝完成寒假作业。午餐后，全家参观香港大学，感受历史氛围。下午在尖沙咀逛街，享受购物与美景，最后带着美好回忆回家，记录亲子时光。

香港大学的CUBE框架实现了基于事件相机的可控视频生成，无需训练，提升了视频的创意和质量。CUBE通过提取动态边缘信息并结合文字描述生成视频，表现优于传统方法，适用于多种领域，未来将探索更多应用。

香港大学联合华南理工大学和百度推出了长时间城市交通预测模型OpenCity，结合了Transformer架构和图神经网络，具有卓越的零样本预测能力和快速的情境适应能力。该模型解决了交通预测模型的空间泛化、时间泛化、长期预测和时空异质性挑战，展示了优异的性能和广泛的适用性。