近日，Sakana AI联合MIT、OpenAI等机构提出了一种全新算法，实现了自动搜索人工生命的重大突破。

这一算法无需繁琐的手工设计，只需通过描述，AI就能发现全新的人造生命体。研究团队利用视觉-语言基础模型，成功在多种经典人工生命模拟中发现了新的生命形式，包括Boids、Particle Life、生命游戏（Game of Life）、Lenia和神经元胞自动机（Neural Cellular Automata）。

人工生命（ALife）是一门跨学科研究，旨在通过模拟生命的行为、特性和演化过程来理解生命的本质。传统的ALife研究依赖于研究人员的手工设计和直觉，难以预测复杂系统中的涌现行为。而此次提出的自动搜索人工生命（ASAL）框架，利用基础模型的广泛通用性，能够系统性地搜索所有可能的模拟配置，从而克服手动设计的局限性。

ASAL框架通过定义一组感兴趣的模拟（称为“基质”），然后使用基础模型自动发现最有趣、具有开放式的人造生命体。这一方法不仅提高了发现效率，还大大扩展了探索范围，为人工生命研究带来了新的活力。

研究者认为，这一新范式有望重新激发人工生命研究的热情，突破人类创造力的极限，为下一代AI系统提供灵感。

新闻拓展：

12月26日，最高人民法院发布《人民法院第六个五年改革纲要（2024—2028年）》（以下简称《纲要》）。其中提到，完善发展新质生产力司法保障机制。主要包括：

加强对关键核心技术、重点领域、新兴产业等方面的知识产权司法保护。

建立完善涉重大科技创新案件的审理和监督指导机制。

健全知识产权行政执法和司法审判衔接机制。

完善数据权益司法保护制度，健全数据产权归属认定、市场交易、权益分配、利益保护的裁判规则。

完善涉网络侵权、人工智能、算法和涉数据不正当竞争等新类型案件的裁判规则，促进健全网络综合治理体系。

纲要还提出了完善数字技术智能应用机制。深入拓展数字技术司法应用场景，加强审判领域技术自主创新，强化智能算法、大语言模型、数字模型等技术应用，充分发挥人工智能技术辅助办案、集约事务、防控风险、方便诉讼等作用，打造安全可靠、协同高效、普惠便捷的数字技术司法应用体系，以数字化、智能化驱动审判流程、诉讼规则和司法模式变革。依托信息化手段和算法模型，建立办案数据抽查核验机制。加强对人工智能司法应用的审查监管和风险评估，建立具有规则引领和示范效应的技术应用伦理规则。

新闻拓展：

12月25日，据科技媒体The Information报道，OpenAI正在探索开发自己的人形机器人。

OpenAI对于人形机器人其实并不陌生，此前还专门设有为机器人开发人工智能模型的部门，但此后在2021年悄然关闭。

关闭前，该部门也发布了多项研究成果。例如2017年发布模拟工具集合Roboschool，可用于训练机器人，其中一些模拟工具专门用于开发人形机器人，并进行了开源；2019年发布机械臂解魔方的训练成果。

在过去的一年里，OpenAI多次暗示自己对机器人项目重燃热情：投资于开发机器人硬件和软件的初创公司，如Figure和Physical Intelligence，并重启了四年前解散的内部机器人软件团队。

现在，OpenAI可能会将这种兴趣提升到一个新层次。根据两名直接了解讨论的人士的说法，该公司最近考虑开发一种类人机器人（humanoid robot）。据前述知情人士透露，目前关于OpenAI机器人项目的细节还很少，尚不清楚计划何时推出，以及将针对哪些领域。

新闻拓展：

12月25日，据外媒SemiAnalysis爆料，英伟达在GB200和B200发布仅6个月后，再次推出全新GPU——GB300和B300。

新GPU的算力提升主要有三部分：

工艺节点，与B200使用同样的台积电4NP，但是全新流片。

增加功率，GB300和B300 HGX的TDP分别达到1.4KW、1.2KW，相比之下B200系列分别提高0.2KW。

架构微创新，例如在CPU和GPU之间动态分配功率除了更高FLOPS之外，B300系列的显存也做了升级，从8层堆叠的HBM3E升级到12层（12-Hi HBM3E），显存容量从192GB升级到288GB，显存带宽保持不变，仍为8TB/s。

此外产品交付层面还有一个大变化，GB200系列提供整个Bianca Board，也就包括两颗GPU、一颗CPU、CPU的内存等所有组件都集成在一块PCB版上。

新闻拓展：

https://semianalysis.com/2024/12/25/nvidias-christmas-present-gb300-b300-reasoning-inference-amazon-memory-supply-chain/

阿里通义千问团队于12月25日宣布推出开源视觉推理模型QVQ-72B-Preview，该模型基于Qwen2-VL-72B构建，旨在增强视觉推理能力。QVQ-72B-Preview在多个数据集上进行了评估，包括MMMU、MathVista、MathVision和OlympiadBench。

在MMMU基准测试中，QVQ-72B-Preview取得了70.3的分数，显著超越了Qwen2-VL-72B-Instruct。此外，在MathVista、MathVision和OlympiadBench等专注于数学和科学问题的基准测试中，该模型也表现出色，有效缩小了与领先的最先进的模型之间的差距。

尽管QVQ-72B-Preview在视觉推理方面表现优异，但团队也指出了该模型的一些限制，包括语言混合与切换、递归推理、安全和伦理考虑以及性能和基准限制。用户在部署时应保持谨慎，并注意这些潜在问题。

阿里通义千问团队表示，QVQ-72B-Preview是一个实验性研究模型，专注于增强视觉推理能力，未来将继续优化和改进该模型，以提升其在复杂问题上的表现。

新闻拓展：

新闻拓展：

“阶跃星辰”官方公众号12月25日发布博文，宣布推出Step-1X-Medium增强AI模型，显著提升生成速度、理解能力、细节质感以及创作功能，目标成为创作者的得力助手。

升级后的模型能够更精准地理解用户指令，生成更契合需求的图像作品，并新增了“图生图”的垫图、风格迁移等更丰富的创作玩法，进一步降低创作门槛。

阶跃星辰曾于今年7月推出图像生成模型Step-1X系列，而本次推出的Step-1X-Medium的全新升级版本，改进如下：

基于MMDit 架构，Step-1X-Medium的生成速度提升了30%以上；

经过针对性训练，Step-1X-Medium更懂创作者的需求，拥有更强的理解能力和图文一致性，且生成画面能够呈现出更加自然的细节质感；

为了满足更多元的创作需求，推出了支持「图生图」的垫图玩法：只需要上传图片并给到简单的Prompt指令，就可以对原图进行细节增强、一键风格迁移转换或小范围局部修改；

Step-1X-Medium进一步升级了「中国风」内容的创作能力，能更好地捕捉东方面孔的神韵，呈现更加高级、细腻的画面质感；

Step-1X-Medium支持在Prompt中添加英文，在图上呈现英文文案。

新闻拓展：

12月23日，百川智能发布了全新的全链路领域增强金融大模型Baichuan4-Finance。不同于行业常见的大语言模型，Baichuan4-Finance主要面向金融领域，但并未放弃通用能力。

在主要面向模型专业金融能力的评测FLAME-Cer中，Baichuan4-Finance在银行、保险、基金、证券等多个资格认证领域的准确率均突破了95%，整体准确率达到93.62%。

而在侧重模型的场景应用能力的FLAME-Sce 评测中，Baichuan4-Finance一级核心金融业务场景的整体可用率达84.15%，金融数据计算、金融知识理论等场景的可用率超过90%。

据百川智能介绍，为实现模型在提升专业能力的同时，不损失通用能力，百川智能专门打造了一套全链路领域增强方案，行业首创领域自约束训练技术，涵盖高质量数据集构建、模型预训练、微调、强化学习等流程。Baichuan4-Finance正是该方案的最新成果，其高质量金融数据集全面严谨，包含核心专业金融知识数据及实践应用类数据，为提升金融能力提供良好支撑。

此外，百川智能还在领域自约束训练中引入高精通用数据混合训练，以确保通用能力能够稳步增长。后训练环节，百川智能通过合成数据、指令数据进行有监督微调，针对金融领域特定场景进行样本增强，进一步提升了大模型的性能表现。

新闻拓展：

https://mp.weixin.qq.com/s/hlNPhND9C3sHrIzS7VcA8w

10

报告：微软和OpenAI根据财务利润定义AGI

投融资风向

近日，根据The Information的最新报告，微软和OpenAI对人工通用智能（AGI）有一个非常具体且内部的定义，这个定义基于初创公司的利润。根据这一定义，OpenAI距离实现AGI还有好几年的时间。

据报道，这两家公司去年签署了一项协议，规定只有当OpenAI开发的AI系统能够产生至少1000亿美元的利润时，才算实现了AGI。这与许多人期待的严格技术和哲学上的AGI定义相去甚远。

今年，OpenAI预计将损失数十亿美元，该公司告诉投资者，直到2029年之前都不会盈利。

这个细节很重要，因为当OpenAI达到AGI时，微软将失去对OpenAI技术的访问权。AGI是一个模糊的术语，对每个人来说意义不同。一些人推测OpenAI会尽快宣布实现AGI，以排除微软的竞争，但这项协议意味着微软可能在未来十年或更长时间里都能访问OpenAI的模型。

新闻拓展：

‍https://mp.weixin.qq.com/s/rk6TW89FTxSC9sjL2mLH1w