/
迪士尼研究院教机器人优雅摔倒：当失控变成一门艺术
迪士尼研究院开发了一种让双足机器人学会优雅跌倒的新技术。通过强化学习，机器人能够在跌倒时既减少冲击力保护关键部件，又达到用户指定的艺术化姿势。
电脑学会了“预测地震时大地如何摇摆“——土耳其中东技术大学突破性研究让人工智能掌握地震波模拟技术
土耳其中东技术大学研究团队开发出TimesNet-Gen人工智能系统，能够学习不同地点的地质特征并生成逼真的地震波形。该系统通过分析历史地震数据，为每个监测站建立独特的"地震指纹"，在专业评估中获得0.93分高分，显著优于传统方法。这项技术为建筑抗震设计、地震预警系统和风险评估等领域提供了重要工具。
微软在Windows 11中推出模型上下文协议支持，智能体操作系统愿景加速实现
微软开始在最新Windows 11预览版中推出模型上下文协议(MCP)原生支持的公开预览，这使其备受瞩目的"智能代理操作系统"愿景更接近现实。该更新包含文件资源管理器和Windows设置两个连接器，允许AI代理在用户同意下访问本地文件和修改设备设置。尽管功能强大，微软仍需应对用户对其AI野心的不安和不信任情绪。
香港科技大学突破：让大模型运行速度翻倍的神奇数据格式
这项香港科技大学等机构的联合研究提出了SQ-format数据格式，通过混合精度处理实现了大语言模型性能的显著提升。该技术能智能识别模型中的关键信息并分配相应的处理精度，在几乎不损失准确性的前提下将运行速度提升近一倍。研究包含完整的算法设计、硬件实现方案和大量实验验证，为未来AI加速器的软硬件协同设计提供了重要参考。
苹果和谷歌携手优化iPhone与安卓设备间数据迁移体验
苹果和谷歌宣布推出全新升级的设备切换体验，今日开始在Pixel设备的Android Canary版本中推出。该功能也将在即将发布的iOS 26开发者测试版中提供。新体验将在两个平台的测试过程中持续改进，包括支持更多数据类型。目前暂未透露具体新功能细节和iOS 26测试版发布时间。
华为团队打造“万能AI助手“：EMMA让机器既会看图又会画画
华为团队推出EMMA统一多模态架构，仅用4B参数就实现了图像理解、生成和编辑的全面突破。该系统采用32倍压缩比的高效编码器和创新的通道级连接技术，显著减少了计算量。更令人印象深刻的是，EMMA在多项基准测试中超越了参数更大的模型，在GenEval上首次达到0.91高分，展现出统一架构在多模态AI领域的巨大潜力和实用价值。
美国商务部考虑批准英伟达H200芯片对华出口
美国商务部计划允许英伟达向中国出口H200芯片。据报道，这些芯片比英伟达专为中国市场开发的H20芯片更先进，但公司只能出口约18个月前的H200产品。英伟达发言人表示支持特朗普总统的决定，认为这在支持美国就业和制造业方面取得了平衡。此前国会议员曾提出法案，要求30个月内禁止向中国出口先进AI芯片。中国网信办已禁止国内企业采购英伟达芯片。
Roblox发布新一代AI安全卫士：让聊天机器人学会察言观色的智能守护者
Roblox发布了新一代AI安全监管模型"Roblox Guard 1.0"，该系统最大创新在于能根据不同应用场景自动调整安全判断标准，解决了传统AI安全系统"一刀切"的局限性。系统在多个安全基准测试中表现优异，特别是在处理复杂、细致的安全分类任务方面展现出强大的泛化能力。
为AI装上身体：机器人为何今日发展如此迅速
几个月前，大多数人形机器人行动缓慢，最高时速仅3英里。但本周末我们看到了快速优雅奔跑的机器人。这表明机器人和其他智能机器正以前所未有的速度进化。AI嵌入物理硬件的成本正在下降，同时AI性能大幅提升。激光雷达成本从7.5万美元降至数百美元，电池成本十年间下降85%。人形机器人制造成本已下降40%，从去年的5-25万美元降至现在的3-15万美元。
Salesforce研究团队破解长视频理解难题：让AI像人类一样主动观察视频
这项研究提出了主动视频感知框架AVP，让AI像人类一样有目标地观察长视频。通过"计划-观察-反思"三步循环，AVP根据问题需求有选择性地分析视频片段，避免了传统方法需要处理全部内容的低效问题。在五大基准测试中，AVP准确率超越最佳方法5.7%，但仅需18.4%处理时间。
AWS CEO在年度大会发布25项新服务引发热议
AWS首席执行官马特·加曼在年度re:Invent大会上采用"十分钟发布25项服务"的形式进行主题演讲。重要发布包括S3支持50TB对象存储、Security Hub正式发布、Lambda持久函数、X8aedz高内存实例等。其中最受期待的数据库节省计划经过六年等待终于推出，为九项AWS数据库服务提供折扣。
AI训练比你想象的消耗更多地球资源——波恩大学团队首次完整计算GPU硬件背后的材料成本
波恩大学研究团队首次量化AI训练的材料成本，发现一块GPU含32种元素，93%为重金属。训练GPT-4需消耗约7吨金属材料，其中多为有毒重金属。研究建立了从计算需求到硬件消耗的评估框架，发现通过软硬件优化可减少93%的资源消耗。该研究揭示了AI发展的隐性环境代价，呼吁行业从规模竞赛转向效率革命，实现可持续发展。
京公网安备 11010802021500号 京网文(2025) 0096-033号 京字第20868号
