更強的模型之外，ACM MM 2026還在關注什麼？
模型能力的提升，正在與更具體的人、更復雜的環境和更長遠的影響結合。作者丨張璐 編輯丨張馳 更強的模型、更出色的性能，始終是多媒體研究令人期待的進展。但一場學術會議的吸引力，也來自它能夠容納更豐富的話題。第 34 屆國際多媒體領域頂會 ACM Multimedia ，將在 2026 年 11 月 10 日至 14 日在巴西里約熱內盧舉行。今年四位主題演講嘉賓，尤其值得關注。他們各自的研究經歷與問題意識，體現出了技術前沿與多元視角的交匯。從選擇性聆聽到具身交互，從 AI 摘要的責任到青少年的網絡安全，四位嘉賓把信號處理、人機交互、語言學與社會計算帶到同一個舞臺，也帶來了衡量技術進步的不同尺度。
▎Elisabeth André：讓 AI 參與人與人的交流德國奧格斯堡大學教授 Elisabeth André 長期研究多模態交互、情感計算、社會信號處理，以及虛擬角色和社交機器人。她關注的信號包括語言、目光、手勢和生理數據，這些共同構成了人類交流中，那些難以被文字概括的部分。在本次演講中，她將討論如何讓具身 AI 理解並參與具體情境中的互動，涉及輔助溝通、群體討論和兒童治療等場景。這讓“多模態”的意義變得鮮活起來。日常交流裡，一個人能否順利表達，並不完全取決於他有沒有把句子說完整。停頓、表情、身體動作，以及其他人是否願意等待，都可能影響溝通的結果。
面對不同的表達習慣和溝通能力，AI 需要學會怎樣提供恰當的支持。▎李海洲：選擇性的傾聽香港中文大學（深圳）人工智能學院院長李海洲的研究經歷，橫跨學術與產業，長期深耕語音和語言技術。他參與過語音產品研發，也持續研究機器如何處理人類複雜的聲音世界。他的演講以“傾聽”為切入口，討論多人同時說話時的選擇性聽覺注意，以及人類視聽感知對目標說話人提取的啟發。比如在嘈雜的環境中，四周都有談話聲，你卻能把注意力放在面前的人身上。對人來說，這往往發生得十分自然；對機器來說，從混合聲音中提取目標語音，仍然需要精細的建模。
李海洲參與的相關研究，已經探索了利用嘴唇運動與語音的同步關係，來輔助選擇性聆聽，也就是視覺能夠幫助機器判斷該聽誰的聲音。這場演講也讓我們重新理解多媒體研究的出發點。人的感知本來就跨越多種感官，注意力又總是帶著目標。研究機器如何傾聽，也是在研究人怎樣從紛繁的信息中，找到對自己有意義的部分。▎Clarisse Sieckenius de Souza：AI 替你讀過之後，忽略了什麼？Clarisse Sieckenius de Souza 的學術經歷尤其能體現跨學科的價值。
這位巴西里約熱內盧天主教大學榮休教授，接受的是翻譯、語言和應用語言學訓練，後來進入計算機領域，並與學生、合作者共同發展了人機交互中的符號學工程理論。她的研究把語言、意義和溝通帶進了對軟件系統的理解。本次演講中，她將把目光投向 AI 摘要中的“委託閱讀”問題：當系統代讀原始材料，摘要中的取捨與遺漏應如何接受審查？這一問題也將延伸到視頻、音頻和多模態內容。這是一個與每個人緊密相關的問題。越來越多的人會先讓 AI 總結文章、整理資料、提煉視頻，再決定是否查看原始材料。於是，摘要在幫助我們節省時間的同時，也參與決定了我們會看到什麼。
很容易發生的情況是，一段對話裡的猶豫、一場討論中的少數意見，都可能在壓縮過程中消失。留下的信息仍然很順暢，但讀的人未必知道自己錯過了什麼。▎Pamela Wisniewski：讓年輕人參與安全設計Pamela Wisniewski 是國際計算機科學研究所 ICSI 的首席研究科學家，也是 STIR 實驗室與 Teenovate 的創始人和負責人。她的研究結合計算機科學、社會科學和以用戶為中心的設計，長期關注青少年的社交媒體使用、隱私與網絡安全。她將在演講中討論如何把安全納入多媒體系統的設計過程，同時關注青少年的隱私、自主權與社會聯繫，並讓年輕人參與設計。
Wisniewski 所在團隊的研究項目，強調結合情境、保護隱私，並通過共同設計來支持青少年。這意味著，年輕人的經驗本身就是設計所需要的知識。她的研究突出，評價技術時，也要聽見那些將長期生活在技術影響之中的人。把這四場演講放在一起，André 關注人如何參與交流；李海洲研究人如何選擇性地傾聽；de Souza 追問信息經由 AI 轉述之後的責任；Wisniewski 則把年輕人的處境和選擇帶進系統設計。這也是 ACM MM 2026 值得期待的地方。模型能力的提升，正在與更具體的人、更復雜的環境和更長遠的影響結合。
當多媒體 AI 越來越深入地參與我們的生活，研究者也需要回答，面對如此不同的人，我們究竟希望技術帶來怎樣的生活？ACM MM 即將召開，歡迎參會的研究者、學生，以及關注 AI 前沿進展的讀者加入我們的交流群。在這裡，你可以認識同行、交流研究，分享招生信息、科研合作、約飯、投稿、組隊參會等，尋找潛在的合作伙伴。大會期間，我們也會持續帶來現場報道速遞、嘉賓演講解讀、前沿方向梳理和論壇精華。會場見，也在群裡見。?進群傳送門： 掃碼進群或添加微信A17648278904，備註：ACMMM+單位/學校+姓名+方向。未經「AI科技評論」授權，嚴禁以任何方式在網頁、論壇、社區進行轉載！
公眾號轉載請先在「AI科技評論」後臺留言取得授權，轉載時需標註來源並插入本公眾號名片。
Related
相關文章
Claude Code 造星操盤手被挖：OpenAI 拿下 Cat Wu
AI資訊AI新閒資訊正文Claude Code 造星操盤手被挖：OpenAI 拿下 Cat Wu發布於AI新閒資訊時間 :Nov 5, 2026閱讀 :1分鐘OpenAI 又從老對手 Anthropic 手裡撬走一員大將。前 Claude Code 產品負責人 Cat Wu 今日在社交平臺宣佈正式加盟，出任核心產品（Core Products）產品管理負責人，參與 OpenAI 核心產品與 AI 智能體相關業務。她將與企業產品負責人 Nick Turley、消費級產品負責人 Ashley Alexander 協同，並向 Tibo Sottiaux 彙報；OpenAI 總裁 Greg Brockman 隨後在 X 上轉發入職消息並公開致歡迎。這位操盤手並非泛泛之輩——她親歷 Claude Code 從內部原型走向商業化的全過程，也是其早期在社媒上的重要推手，還曾負責 Anthropic 面向非編程知識工作的 Cowork 產品，在 AI 智能體與辦公場景的產品化上積累深厚。此次轉會，無疑給本就白熱化的兩家對抗再添一把火。一個年入 25 億美元的產品Wu 的份量，很大程度上來自她打磨過的那款明星工具。據 Anthropic 披露，截至 2026 年 2 月，Claude Code 的年化收入運行率已突破 25 億美元，較當年年初增長一倍以上，每週活躍用戶翻倍，企業訂閱數更是達到年初的 4 倍。在她參與推動期間，Claude Code 逐漸坐穩了 AI 編程領域的頭部位置。換言之，OpenAI 挖走的不僅是一個人，更是把一款標杆產品的產品方法論一併搬了過來。這也解釋了 OpenAI 為何願意為一位產品負責人高調站臺。兩進兩出的人，一場人才戰加盟聲明裡，Wu 對 OpenAI 不吝讚美，稱自己敬佩這家公司"向世界證明瞭規模化 AI 的可行性"，讓超過十億人用上 AI，並始終相信優秀
AI 幫用戶成功“越獄”跑步機：Claude 輕鬆幹掉 iFIT 訂閱牆，大屏幕秒變自由流媒體
AI資訊AI新閒資訊正文AI 幫用戶成功“越獄”跑步機：Claude 輕鬆幹掉 iFIT 訂閱牆，大屏幕秒變自由流媒體發布於AI新閒資訊時間 :Nov 5, 2026閱讀 :1分鐘近日，海外網友在 Reddit 社區分享了一次極具極客色彩的硬件改造經歷:他藉助 AI 編程工具 Claude Code，成功對家中的 NordicTrack Commercial2250跑步機進行了系統“越獄”，徹底繞過了官方對 iFIT 的強制訂閱限制，將原本封閉的大屏改造成了可以自由使用的流媒體娛樂界面。從煩人的訂閱牆到耗時一天半的改造這臺配備了10英寸顯示屏的跑步機是網友幾年前為女友購買的，原本的初衷是希望能在日常鍛鍊時順便觀看 Netflix 或 Crunchyroll 等流媒體視頻。然而在實際使用中，設備卻設置了重重限制:即便用戶已經單獨為流媒體服務付過費，跑步機仍強制要求額外訂閱昂貴的 iFIT 才能訪問相關功能。不僅如此，每次鍛鍊前都必須苦等 iFIT 加載，還要面對各種煩人的廣告與會員提示，極大地影響了運動體驗。為了打破這一現狀，該網友決定利用 Claude Code 親自對系統進行改造，整個項目的攻克與調試過程大約耗時一天半，相關代碼和項目目前也已經正式公開至 GitHub。改造後的實際體驗與不容忽視的潛在代價經過 AI 輔助改造後，跑步機的用戶體驗迎來了煥然一新:自定義主屏幕: 系統成功集成了一個全新的主屏幕，將 Netflix、Crunchyroll、實時運動數據以及各項控制選項完美融合。功能互不幹擾: 用戶在邊看視頻的同時，依然可以正常操作各項健身功能，且原有的物理實體按鍵也保持完全可用。性能顯著提升: 經過系統層面的優化與精簡，Netflix 的啟動速度從改造前的將近一分鐘大幅縮短至約21秒。不過，這項頗具創意的“越獄”操作並非沒有代價。在目前的版本中，Netflix
智象創始人梅濤演講：提出構建智能體化的全模態世界模型
智東西 作者 | ZeR0 編輯 | 漠影 智東西11月5日報道，近日，2026世界頂尖科學家論壇第二屆國際工程智能大會舉行。會上，加拿大工程院外籍院士、智象元一（HiDream.ai）創始人兼CEO梅濤發表演講，提出構建智能體化的全模態世界模型（Agentic Omnimodal World Models），邁向下一代世界智能。 AI模型聚合平臺OpenRouter數據顯示，全球大模型調用規模正進入爆發階段。截至今年10月，中國周Token調用量達93萬億，是美國的4.16倍，連續26周位居全球第一。 這些數字背後，是AI正從“工具”快速演變為像水、像電一樣的新型社會基礎設施。 與此同時，模型的迭代，正不斷提速。在 2023 年，大模型基本以12個月為週期迭代。隨著遞歸自我改進（RSI）推動AI進入自我加速軌道，模型迭代已按周推進。 AI的能力越強，其短板也越不容忽視。 在數字智能（Digital AI）領域，從文本交互、代碼編寫到視頻生成，乃至數學研究，AI已達到甚至超越人類專家水平。以數學研究為例，最近OpenAI一次性公開377項數學成果，覆蓋數百個長期懸而未決的開放問題。 物理智能（Physical AI）的發展則相對遲緩，受制於物理理解薄弱、交互數據匱乏與閉環執行能力不足等問題。 如何跨越這道橫亙於Digital AI與Physical AI之間的鴻溝，正是下一代人工智能必須回答的時代命題。 而世界模型，正是跨越這道鴻溝的橋樑。 世界模型的核心，是讓AI理解世界如何運行，並推演未來可能發生的事件。它通過對全模態信息的統一理解與生成，對世界狀態、物理規律和因果關係進行建模，從而實現對真實世界的感知、推演與預測。 不同的技術路徑通往世界模型，這成為了AI發展的下一個競爭焦點。當下產業界已經形成大語言、多模態和具身大模型三條演進路線。梅濤認為，三條技術路線並非彼此孤立
AI 讓死亡成為"可選項"？布羅克曼拋出生命終極命題
布羅克曼拋出生命終極命題發布於AI新閒資訊時間 :Nov 5, 2026閱讀 :1分鐘在近日的《華爾街日報》科技峰會上，OpenAI 總裁格雷格·布羅克曼拋出了一個足以顛覆常識的判斷：未來死亡或許會成為一種可以自主選擇的事情。他並未把話說滿，只是強調生物學領域的突破"並非只與人類有關"，而死亡能否成為選項"本身就是一個值得思考的問題"，並提到人們都在承受各種痛苦、這些事都可能成真。
AI日報：iOS 27.3 beta正式接入千問；豆包工作首次接入第三方模型；雷軍曬小米機器人做家務視頻
iOS 27.3 beta 正式接入阿里千問，替代 ChatGPT 角色蘋果iOS 27.3 beta在中國區將Apple Intelligence的雲端大模型由ChatGPT替換為阿里千問，並說明瞭端雲協同機制。從行業角度看，這是蘋果在華AI合規與本地化的重要一步，但測試版功能穩定性與隱私邊界仍待驗證。
百度開源2800億參數文心5.5Flash Base，多項基準測試刷新同尺寸SOTA
該模型採用MoE架構，總參數量達2800億，激活參數140億，使用33.5萬億Token完成預訓練，預訓練上下文長度最高達128K，微調與推理階段支持最長100萬Token上下文。圍繞效率主線，文心5.5Flash Base在系統層進行多項算法創新。