/
从青山竹海到全球客厅：中国家具的跨境新航线
从浙江安吉的桌椅，到广东佛山的沙发床垫、河南洛阳的钢制家具，再到福建福州的竹藤制品，中国各大高度专业化的家具产业带，都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学揭秘AI数学能力新测试法：用“频率指纹“看透AI的数学思维盲点
哥伦比亚大学研究团队开发了MathBode动态诊断工具，通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷：几乎所有模型都表现出低通滤波特征和相位滞后现象，即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试，为AI模型选择和部署提供了新的评估维度。
AI智能体能否帮助决定患者生死？
研究人员正探索AI能否预测昏迷患者的医疗意愿，帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目，通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二，但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具，不应替代人类代理人，因为生死决策依赖具体情境且充满伦理挑战。
港中文（深圳）发布新突破：让AI推理模型学会“自我纠错“，告别思维雪球效应
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大，导致AI要么给出危险回答，要么过度拒绝正常请求。研究团队提出AdvChain方法，通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性，用1000个样本达到了传统方法15000个样本的效果，为AI安全训练开辟了新方向。
认知HIIT：在AI时代为大脑进行间歇训练
麻省理工学院研究发现过度依赖AI会导致认知债务，削弱基本思维能力。研究表明交替进行无辅助思考和AI支持工作的模式能保持认知敏锐度。这种认知高强度间歇训练模仿体能训练中的HIIT模式，通过短时间高强度思考与恢复期交替进行，可以强化大脑神经回路，防止认知衰退，提升独立思考能力。
清华大学联合多校推出REMA：像X光一样透视AI大脑的推理过程，发现AI犯错的秘密
清华大学联合多校团队开发REMA框架，首次实现AI推理过程的几何可视化。通过"推理流形"概念，该框架能够像X光机一样透视AI内部思维过程，精确定位推理错误的起始点。实验覆盖多种模型和任务，发现正确推理遵循低维几何结构，错误推理则表现为明显的几何偏离，为AI可解释性和安全性提供新工具。
Scale AI前员工为中东北非关键产业AI服务筹得900万美元
Scale AI前员工比拉尔·阿布-加扎勒创立的1001 AI公司获得900万美元种子轮融资，投资方包括CIV、General Catalyst和Lux Capital。该公司专注于为中东北非地区的航空、物流、石油天然气等关键行业打造AI原生操作系统，通过实时数据分析和自动化决策来提升运营效率。阿布-加扎勒表示，仅在海湾地区这些行业就存在超过100亿美元的效率损失。公司计划年底推出首个产品，目标成为该地区关键基础设施的决策引擎平台。
香港科大团队发现：用“随机策略“训练AI数学推理，效果竟然超越复杂算法
香港科技大学团队提出ROVER方法，通过评估随机策略而非复杂优化循环来训练AI数学推理，颠覆了传统强化学习思路。该方法在数学竞赛题上比现有最强方法准确率提升8.2%，多样性提升16.8%。研究发现数学推理的树状结构特性使得简单的随机策略评估即可找到最优解，为AI推理训练提供了更稳定高效的新路径。
突破当前大语言模型瓶颈的六大AI发展路径
本文探讨了AI发展的未来趋势，详细分析了六条有望实现通用人工智能（AGI）的技术路径。随着生成式AI和大语言模型面临发展瓶颈，业界开始将目光转向其他AI发展方向。这六条路径包括神经符号AI、神经形态AI、具身AI、多智能体AI、以人为中心的AI和量子AI。每种路径都有其独特优势和挑战，可能单独或组合推动AI进入下一个发展阶段，最终实现与人类智能相当的AGI系统。
上海AI实验室团队首创视频驱动交互网页重建基准：让AI看视频就能写出完整网站代码
上海AI实验室团队首创视频驱动的交互网页重建评测基准IWR-Bench，挑战AI从用户操作视频中理解并重建完整交互网页。测试28个顶级AI模型发现，最强的GPT-5综合得分仅36.35%，虽然视觉重现能力达64%，但交互功能实现仅24%，揭示了AI在动态逻辑理解方面的根本性不足，为未来研究指明方向。
教育AI应用：培生如何通过数字化学习推动增长
培生公司第三季度销售增长加速，并预示年底表现更强劲，但其AI应用可能是更重要的发展。该公司虚拟学习部门销售额激增17%，学生注册人数攀升。培生运营的在线学校将AI工具嵌入课程材料中，公司表示有越来越多证据显示这些工具帮助学生取得更好成绩。公司推出了AI学习内容组合，包括AI素养模块和融合人工导师与AI学习工具的视频平台。
东北大学团队突破人类移动预测难题：让AI像人类一样理解出行规律
这项研究提出了RHYTHM框架，通过时间令牌化将移动轨迹按日分段，结合层次化注意力机制捕捉多尺度时间依赖关系。系统采用冷冻的大型语言模型作为推理引擎，融入丰富的语义信息来理解移动模式。实验显示整体准确率提升2.4%，周末预测准确率提升5.0%，训练时间减少24.6%，在资源效率和预测性能间实现良好平衡。
京公网安备 11010802021500号 京网文(2025) 0096-033号 京字第20868号
