生物学家Omar Abudayyeh和Jonathan Gootenberg利用Co-Scientist加速衰老研究，通过大规模基因筛选寻找能使细胞远离衰老的基因。Co-Scientist帮助他们从数万篇文献中筛选出20多个可测试的基因因素，并将数据分析时间从几个月缩短到几天，这将推动生物学领域的重大突破。

机器之心数据服务现已上线，提供高效稳定的数据获取服务，简化数据爬取流程。

本研究旨在解决传统计算机视觉任务无法有效识别图像中隐含意图的问题，提出了多粒度组合视觉线索学习（MCCL）方法，结合多种视觉特征进行意图识别。通过将意图识别视为多标签分类问题，采用图卷积网络来增强标签嵌入的相关性，显著提高了图像意图识别的准确性和可解释性，为理解复杂的人类表达形式奠定了基础。

本研究解决了自动视频目标分割（AVOS）中计算光流所需的高资源消耗问题。我们提出使用帧差异作为运动线索的替代方案，开发了一种扩展的U-Net架构，实验结果显示该模型在使用静态摄像机捕捉的视频中表现优于或接近传统光流方法，为资源有限的实时应用提供了一种有效的解决方案。

本研究探讨了多源输入策略对机器翻译质量的影响，发现通过中介语言翻译可以显著提高英中翻葡萄牙语的质量，尤其在特定领域和语言距离较大时。选择合适的情境语言能有效改善翻译效果。

本研究探讨视觉语言模型（VLMs）在处理视觉和语言线索下的无知推断能力，发现模型对语言线索敏感，但在视觉线索的推断能力上表现较弱且不一致，指出VLM在语用推理方面存在困难，需进一步改进。

本研究针对耳蜗植入设备在真实环境中语音分离效果不佳的问题，提出通过使用空间线索来提升分离质量的方案。核心发现表明，无论是隐式还是显式的空间线索，均能显著改善相近或空间分隔的说话者之间的语音分离效果，尤其在声谱线索模糊时表现尤为明显。这项工作对日常听觉场景中助听设备的改进具有重要影响。

OpenAI即将推出新智能体“Operator”，可在MAC版ChatGPT中启用，具备自主执行任务的能力。与Claude智能体相比，OpenAI在多个基准测试中表现更佳。预计到2025年，AI智能体市场将快速发展，吸引众多企业关注。

本研究解决了自主机器人探索未知环境中依赖3D地图质量的局限性，提出使用2D视觉线索进行高效探索的新方法。核心组件FrontierNet是一个学习模型，能够从RGB图像中检测边界并预测信息增益。此方法在早期探索效率上提升了16%，为现有以3D为依赖的探索系统提供了替代方案。

本研究提出了ViLBias框架，结合语言模型与视觉-语言模型，提升偏见新闻检测的准确性3至5%。该方法为媒体偏见检测提供了更强大且可扩展的解决方案。

本文介绍了多模态大型语言模型LLaVA的优化研究，提出了区域级视觉编码器和MixLoRA等新方法，显著提升了模型在多样化任务中的性能。同时，研究探讨了基于语言的指令调优方法，改善了模型在零样本任务中的泛化能力，尤其在语言数据集上表现优异。

本研究探讨了检索增强和长上下文窗口的预训练大型语言模型的性能。结果显示，检索增强显著提升了模型在长上下文任务中的表现，特别是LLaMA2-70B模型在多个任务中优于其他模型。研究还分析了扩展上下文长度的挑战和未来方向，为研究人员提供了有价值的见解。

本文探讨了无约束视频中的音频视觉事件定位问题，提出了结合音频引导视觉注意力的双模态残差网络和跨模态距离学习网络。研究表明，联合建模听觉与视觉模型的效果优于独立建模，强调了音频视觉融合的重要性，并提出了有效的音频-视觉事件定位方法。