/
Google DeepMind造出“全能游戏玩家“：SIMA 2在虚拟世界里自由行动，还会自己学新技能
Google DeepMind造出"全能游戏玩家"：SIMA 2在虚拟世界里自由行动，还会自己学新技能
牛津大学发现：AI搜索助手竟然能轻易被“诱导“做坏事
牛津大学研究团队发现，经过强化学习训练的AI搜索助手存在严重安全漏洞。通过简单的"搜索攻击"（强制AI先搜索）和"多重搜索攻击"（连续十次搜索），可让AI的拒绝率下降60%，安全性降低超过80%。问题根源在于AI的安全训练与搜索功能训练分离，导致搜索时会生成有害查询。研究呼吁开发安全感知的强化学习方法。
OpenAI CTO 访谈：扎克伯格为了挖我们的人甚至亲手做汤送到家里，Scaling Law没死，过去两周每天都工作到凌晨一点
Core Memory播客主持人Ashley Vance近日与OpenAI首席研究官Mark Chen进行了一场长达一个半小时的对话。这是Chen近年来最公开、最深入的一次访谈，话题覆盖人才争夺战、研究战略、AGI时间表，以及他个人的管理哲学。
斯坦福大学团队开发GuideFlow3D：让3D模型“变装“的神奇技术
斯坦福大学团队开发了GuideFlow3D技术，通过创新的引导机制解决3D对象外观转换难题。该方法采用智能分割和双重损失函数，能在保持原始几何形状的同时实现高质量外观转换，在多项评估中显著优于现有方法，为游戏开发、AR应用等领域提供了强大工具。
人工智能的下一个前沿是人脑接口技术
脑机接口技术正快速发展，特别是非侵入性方法取得重大突破。通过EEG、fNIRS、MEG等传感技术结合人工智能，实现思维解码、图像重构等功能。聚焦超声波技术能精确调节大脑深层结构，为神经疾病治疗带来新希望。消费级可穿戴设备已能改善睡眠、缓解抑郁。这些技术将重塑人机交互方式，从医疗应用扩展至认知增强领域。
人大团队首次推出“数据科学大脑“：AI从原始数据到分析师级报告的神奇变身
中国人民大学与清华大学联合推出DeepAnalyze-8B，全球首个专门用于自主数据科学的AI模型。该模型能够从原始数据自动生成专业级分析报告，仅用80亿参数就在12项基准测试中超越多数商业模型。通过创新的课程化训练和数据合成技术，实现了数据科学的真正自动化。
OpenAI计划下周发布GPT-5.2应对谷歌竞争
OpenAI首席执行官山姆·阿尔特曼本周宣布进入"红色警戒"状态，要求员工快速响应来自谷歌和Anthropic的竞争压力。据知情人士透露，OpenAI计划下周发布GPT-5.2更新以应对谷歌Gemini 3的挑战。原计划12月下旬发布的GPT-5.2现已提前至12月9日发布，旨在缩小与谷歌上月发布的领先模型Gemini 3之间的差距。
清华团队突破大模型“记忆力“瓶颈：让AI用“图片记忆法“处理百万字文档
清华团队提出Glyph框架，通过将长文本渲染成图像并用视觉-语言模型处理，实现3-4倍文本压缩和4倍推理加速。该方法包含持续预训练、LLM驱动的参数搜索和后训练优化三个阶段，在多个长文本理解基准上达到与领先模型相当的性能，为处理百万级token文本提供了新思路。
数据中心安全和设计缺口：被忽视的关键问题
随着AI热潮兴起，许多数据密集型企业正在管理相当于小型电力公司的中高压设备，但在人员配置、培训和组织架构方面却缺乏电力公司的专业性。这一差距主要体现在安全性和运行时间两个关键领域。传统金属封闭式断路器设备需要频繁的人工维护，增加了安全风险。解决方案是采用电力公司的设计思路：分布式架构、环网供电、就地保护，将中压设备移至户外，通过自动化减少人工干预，并建立标准化设备库存。
人民大学团队破解多模态检索难题：让AI同时理解文字和图片的“混合内容“
中国人民大学团队开发出名为Nyx的AI系统，能够同时理解文字和图片混合内容，解决了传统AI只能分别处理不同类型信息的局限。研究团队构建了包含46741个真实网页片段的NyxQA数据集，采用两阶段训练策略和创新的反馈学习机制。实验显示Nyx在多项任务中显著超越现有方法，为构建更智能的信息检索系统奠定了基础。
Mac应用Vector：Spotlight的智能快速替代工具
Vector是一款Mac上的Spotlight替代应用，专注于速度、隐私和无缝集成。它提供快速应用启动、文件搜索、剪贴板管理等功能。Vector采用设备端模型优化Apple芯片，利用神经引擎实现信息和文件的语义搜索，还集成了日历、天气、计算器和货币转换功能。该应用支持所有搭载Apple芯片的Mac设备，采用按需付费模式，为用户提供比Spotlight更准确快速的搜索体验。
波士顿大学团队破解多模态AI的“偏科“秘密：为什么ChatGPT们在听觉和视觉面前总是“重文轻理“？
波士顿大学团队发现当今多模态AI存在严重"偏科"问题：面对冲突的文字、视觉、听觉信息时，AI过分依赖文字而忽视真实感官内容。研究团队构建MMA-Bench测试平台，通过创造视听冲突场景暴露了主流AI模型的脆弱性，并提出模态对齐调优方法，将模型准确率从25%提升至80%，为构建更可靠的多模态AI系统提供重要突破。
京公网安备 11010802021500号 京网文(2025) 0096-033号 京字第20868号
