/
研究人员利用300万天Apple Watch数据训练疾病检测AI
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构，开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据，通过学习预测缺失数据的含义而非数据本身，成功检测多种疾病。在高血压检测中AUROC达86.8%，心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录，该模型仍能有效利用85%的未标注数据进行训练，为利用不完整健康数据提供了新思路。
西湖大学与清华大学联合发布TwinFlow：让AI图像生成秒变魔术，一步搞定原本需要100步的任务
西湖大学等机构联合发布TwinFlow技术，通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步，速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制，无需额外辅助模型，成功应用于200亿参数超大模型，在GenEval等标准测试中表现卓越，为实时AI图像生成应用开辟了广阔前景。
CoreWeave CEO 为 AI 循环交易辩护称其为“协作共赢“
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期，10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护，称正在创建云计算新商业模式。面对股价波动和高负债质疑，他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商，与微软、OpenAI等巨头合作。对于AI行业循环投资批评，Intrator认为这是应对供需剧变的合作方式。
当AI学会分辨真假照片：中山大学团队让图像生成器彻底告别“塑料感“
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制，让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示，RealGen在逼真度评测中大幅领先现有模型，在与真实照片对比中胜率接近50%，为AI图像生成技术带来重要突破。
IT领导者不可忽视的生成式AI价值实现五大趋势
尽管许多组织在生成式人工智能方面投入巨资，但大多数并未获得预期的生产力提升。仅仅采用新技术已不足以推动生产力增长。IT领导者需要帮助员工建立相关技能，提供针对性培训，鼓励员工将AI应用于创意和创新工作。数据显示，每天使用AI的员工获得重大生产力提升的可能性是偶尔使用者的4.6倍。
为AI配上“眼睛“和“大脑“，让机器真正学会空间推理
这项由中科院信息工程研究所等机构合作完成的研究，开发出COOPER模型，让AI真正学会了空间推理。通过协调视觉感知和逻辑推理两大能力，COOPER能根据问题类型自主选择是否生成深度图或分割图来辅助分析，在空间理解任务上取得平均6.91%的显著提升，同时保持通用能力不下降。这一突破为AI的协作式智能发展开辟了新道路。
AI安全监管亟待加强，头部科技公司评分不及格
未来生命研究所最新发布的AI安全指数显示，大型科技公司在AI安全方面表现不佳，最高仅获得C+评级。该指数评估了包括Anthropic、谷歌、Meta、OpenAI等六家主要AI实验室的透明度、技术保障和治理实践。最令人担忧的是，没有一家公司在"存在性安全"类别中获得及格分数，均无法提出可信的超级智能系统控制方案。研究表明AI能力提升速度远超安全保障发展。
复旦大学团队突破AI视频理解：让机器像侦探一样逐步推理，识别视频中的目标物体
复旦大学团队突破性研究ReVSeg将AI视频理解从简单的物体识别提升到真正的推理分析。该系统采用三步骤分解推理链条：语义理解、时间定位、空间定位，结合强化学习优化推理过程。在多个标准测试中性能提升超过11个百分点，推理过程透明可解释，为自动驾驶、安防监控、医疗诊断等领域开辟新的应用可能。
TPU挑战GPU霸主地位，谷歌专用芯片崛起
TPU与GPU之间的竞争正在重塑AI硬件市场格局。GPU基于并行处理，能处理多样化任务，而TPU专门针对张量矩阵运算进行优化。谷歌TPU采用类似RISC的设计理念，通过限制功能来提升特定运算效率。随着Meta计划在2027年采购数十亿美元的TPU芯片，Anthropic宣布使用百万TPU训练Claude模型，TPU生态系统正在获得发展动力，对英伟达的GPU霸主地位构成挑战。
清华大学突破性成果：从单张照片到活生生的4D世界，如何让静态图像变成会动的立体场景？
清华大学研究团队开发了MoRe4D系统，能够将单张静态照片转换为可从任意角度观看的4D动态场景。该技术创新性地联合建模几何结构与运动生成，构建了包含6万高质量样本的TrajScene-60K数据集，提出深度感知的运动标准化策略和运动感知模块。实验表明，相比现有方法，MoRe4D在视觉质量、运动合理性和几何一致性方面均有显著提升，为影视制作、教育、虚拟现实等领域带来新的应用可能。
2026年AI预测：自动化发展与工作未来的十大趋势
本文提出2026年AI发展十大预测，包括AI估值修正、投资泡沫持续、AGI不仅依赖大语言模型、AI代理将加剧工作替代等。作者强调社会接受度对技术发展的重要性，认为成功企业将重构运营模式以AI为核心，同时指出政府仍将重视STEM教育而忽视社会科学的价值。
小米等顶尖科研团队联手突破AI训练瓶颈：从模仿到判断，让AI学会像孩子一样成长
小米等顶尖科研团队提出CAPO训练方法，通过模仿儿童认知发展规律，将AI训练分为模仿和判断两阶段，解决传统训练中正负信号混合导致的不稳定问题。该方法在数学推理和图形界面操作任务上均获得显著提升，兼容主流算法，为AI训练提供了新思路。
京公网安备 11010802021500号 京网文(2025) 0096-033号 京字第20868号
