三维点云配准是计算机视觉、计算机图形学、机器人学、遥感等领域的一个基本问题。在过去的三十年中，我们见证了这一领域众多解决方案的惊人进展。尽管已经有一些相关的综述研究，但它们的覆盖范围仍然有限。在这项工作中，我们对三维点云配准进行了全面的综述，涵盖了包括成对粗配准、成对精配准、多视图配准、跨尺度配准和多实例配准等子领域。本综述全面介绍了数据集、评估指标、方法分类以及优缺点的讨论，并提出了对未来方向的深刻见解。该综述的项目页面会定期更新，可在 https://github.com/Amyyyy11/3D-Registration-in-30-Years-A-Survey 获取。

薛定谔桥（SB）是一个强大的框架，用于解决生成建模任务，例如非配对域转换。大多数与SB相关的研究集中在连续数据空间 \(\mathbb{R}^{D}\) 上，而关于将SB方法应用于离散数据（例如有限空间 \(\mathbb{S}^{D}\) 上的理论和算法问题仍然悬而未决。这类集合 \(\mathbb{S}\) 的显著例子包括现代自编码器中向量量化（VQ）表示的码本、文本中的标记、分子中原子的类别等。在本文中，我们为使用最近引入的迭代马尔可夫拟合（IMF）过程在离散空间中求解SB提供了理论和算法基础。具体而言，我们从理论上证明了离散时间IMF（D-IMF）在离散空间中收敛于SB。这使我们能够开发出一个实用的计算算法来求解SB，我们称之为分类薛定谔桥匹配（CSBM）。我们通过一系列合成数据和图像的VQ表示的实验展示了CSBM的性能。

DeepSeek-V3 和 DeepSeek-R1 是领先的开源大型语言模型（LLMs），适用于通用任务和推理，其性能可与 OpenAI 和 Anthropic 等公司开发的最先进闭源模型相媲美，但训练成本仅为这些模型的一小部分。理解推动 DeepSeek 成功的关键创新技术对于推进 LLM 研究至关重要。在本文中，我们回顾了使这些模型表现出色且高效的核心技术，包括对变压器架构的改进、诸如多头潜在注意力（Multi-Head Latent Attention）和专家混合（Mixture of Experts）等创新技术、多标记预测（Multi-Token Prediction）、算法、框架和硬件的协同设计、群体相对策略优化（Group Relative Policy Optimization）算法、纯强化学习的后训练以及监督微调与强化学习交替进行的迭代训练方法。此外，我们还指出了几个开放性问题，并强调了在这个快速发展的领域中的潜在研究机会。

在本文中，我们评估了大型语言模型进行个性化网络钓鱼攻击的能力，并将其性能与人类专家和去年的人工智能模型进行了比较。我们包括了四个电子邮件组，共有101名参与者：一个对照组，收到随机生成的网络钓鱼邮件，点击率（收件人点击了邮件中的链接）为12%；由人类专家生成的邮件（点击率为54%）；完全由AI自动生成的邮件（点击率为54%）；以及利用人在回路的AI邮件（点击率为56%）。因此，AI自动生成的攻击与人类专家的表现相当，比对照组高出350%。这些结果比去年类似研究的结果有了显著的改进，突显了人工智能模型欺骗能力的增强。我们的AI自动生成的邮件使用了一个定制工具，该工具自动化了整个鱼叉式网络钓鱼过程，包括信息收集和为每个目标创建个性化的漏洞档案。AI收集的信息在88%的情况下是准确且有用的，只有4%的参与者收到了不准确的档案。我们还使用语言模型来检测邮件的意图。Claude 3.5 Sonnet 的得分超过90%，误报率低，并检测出了一些看似无害但通过了人工检测的邮件。最后，我们分析了网络钓鱼的经济性，强调了AI如何使攻击者能够以更低的成本针对更多个人，并将盈利能力提高多达50倍，特别是在较大的受众群体中。

异常检测（AD）用于识别缺陷和病灶检测等应用中的异常值。尽管CLIP因其强大的泛化能力在零样本AD任务中显示出潜力，但其固有的异常无感知性导致对正常和异常特征的区分能力有限。为了解决这一问题，我们提出了异常感知CLIP（AA-CLIP），它在文本和视觉空间中增强了CLIP的异常区分能力，同时保留了其泛化能力。AA-CLIP通过一个简单而有效的两阶段方法实现：首先创建异常感知的文本锚点，以清晰地区分正常和异常语义，然后将补丁级别的视觉特征与这些锚点对齐，以实现精确的异常定位。借助残差适配器的帮助，这种两阶段策略逐步以可控的方式调整CLIP，在保持CLIP类别知识的同时实现有效的异常检测。广泛的实验验证了AA-CLIP作为一种资源高效的解决方案，在零样本AD任务中取得了最先进的成果，并在工业和医疗应用中表现出色。代码可在https://github.com/Mwxinnn/AA-CLIP获取。

文本到视频生成模型已经取得了显著进展，使得在娱乐、广告和教育等领域得到了广泛应用。然而，生成包含透明度通道（即alpha通道）的RGBA视频仍然是一个挑战，主要是由于可用数据集有限以及现有模型难以适应这一需求。Alpha通道对于视觉特效（VFX）至关重要，它允许如烟雾和反射等透明元素能够无缝地融入场景中。我们引入了一种名为TransPixeler的方法，该方法可以在保留原有RGB功能的同时扩展预训练的视频模型以实现RGBA生成。TransPixeler利用扩散变换器（DiT）架构，引入了特定于alpha通道的标记，并使用基于LoRA的微调技术来联合生成RGB和alpha通道，确保高度一致性。通过优化注意力机制，TransPixeler保留了原始RGB模型的优势，并在有限的训练数据下实现了RGB和alpha通道之间的强对齐。我们的方法能够有效地生成多样且一致的RGBA视频，从而推动了视觉特效和交互内容创作的可能性。

大型语言模型（LLMs）在基于语言的任务中表现出极高的熟练度。它们的语言能力使它们处于未来通用人工智能（AGI，Artificial General Intelligence）竞赛的前沿。然而，仔细审视后可以发现，Valmeekam等人（2024年）、Zecevic等人（2023年）以及Wu等人（2024年）指出，这些模型的语言能力和推理能力之间存在显著差距。为了弥合这一差距，语言模型和视觉语言模型（VLMs）中的推理研究致力于让这些模型能够思考并重新评估其行为和回应。推理是解决复杂问题的关键能力，也是建立对人工智能（AI）信任的必要步骤，这将使AI能够在医疗、银行、法律、国防、安全等敏感领域得到部署。近年来，随着像OpenAI O1和DeepSeek R1这样强大的推理模型的出现，为语言模型赋予推理能力已成为LLMs领域的重要研究课题。在本文中，我们对现有的推理技术进行了详细的概述和比较，并系统地回顾了具备推理能力的语言模型。此外，我们还分析了当前面临的挑战，并分享了我们的研究成果。

对称的Kullback-Leibler中心点，也称为Jeffreys中心点，是测度空间上一组相互绝对连续的概率分布的中心性概念，在信息检索、信息融合以及图像、视频和声音处理中的聚类任务中被证明是有用的。然而，对于分类分布和正态分布这两类广泛使用的统计模型，Jeffreys中心点没有闭式解，因此在实际应用中需要进行数值近似。在本文中，我们首先提出了新的Jeffreys-Fisher-Rao中心点，定义为两侧Kullback-Leibler中心点的Fisher-Rao中点，作为Jeffreys中心点的替代方案。这个Jeffreys-Fisher-Rao中心点对于单参数指数族分布具有通用公式，并且对于分类分布和正态分布有闭式解，与相同均值的正态分布的Jeffreys中心点完全匹配，并且在实践中观察到它与Jeffreys中心点非常接近。其次，我们定义了一种新的归纳中心点，推广了给定指数族中任意两个密度的Gauss算术几何双序列均值原则。实验表明，这种中心点可以很好地近似Jeffreys中心点，并建议在Jeffreys-Fisher-Rao中心点没有闭式解时使用。此外，这种Gauss-Bregman归纳中心点总是收敛，并且对于相同均值的正态分布集合与Jeffreys中心点匹配。我们报告了实验结果，展示了使用Jeffreys-Fisher-Rao中心点和Gauss-Bregman中心点代替Jeffreys中心点的效果。最后，我们通过信息几何中对偶平坦空间的视角重新解释了这些快速代理中心点。

是否能够阐述一种与当代非实体人工智能系统奇特特性相容的意识概念，并且该概念能够经受住哲学上的审视？对于符合这种概念的实体而言，主观时间和自我意识会以何种方式呈现？即便只是尝试用比喻的方式来回答这些问题，也会将我们用来描述意识的语言推至极限。最终，这种尝试所得到的结果类似于佛教意义上的“空”，并有助于削弱我们在主观性和自我意识上存在的二元论倾向。

我们首次提出了关于同步共识动态（特别是3-Majority和2-Choices）在任意数量意见下的几乎最优的共识时间界限。在同步共识动态中，我们考虑一个具有自环的完全图，该图有$n$个顶点，每个顶点持有一个来自集合$\{1,\dots,k\}$的意见。在每个离散时间轮次中，所有顶点根据给定的协议同时更新它们的意见。目标是达成一致，即所有顶点支持相同的意见。 在3-Majority中，每个顶点随机选择三个邻居（可以重复），并将其意见更新为多数意见，平局时随机打破。在2-Choices中，每个顶点随机选择两个邻居（可以重复）。如果选定的顶点持有相同的意见，则该顶点采纳该意见；否则，它保留当前的意见直到下一轮。 在此基础上，我们改进了之前一系列的工作[Becchetti等人, SPAA'14]、[Becchetti等人, SODA'16]、[Berenbrink等人, PODC'17]和[Ghaffari和Lengler, PODC'18]，证明了对于每一个$2 \le k \le n$，3-Majority（或2-Choices）分别以高概率在$\widetilde{\Theta}(\min\{k,\sqrt{n}\})$（或$\widetilde{\Theta}(k)$）轮内达成共识。在这项工作之前，3-Majority的最佳已知上界是当$k \ll n^{1/3}$时为$\widetilde{O}(k)$，其他情况下为$\widetilde{O}(n^{2/3})$；而对于2-Choices，当$k \ll \sqrt{n}$时，共识时间为$\widetilde{O}(k)$。