/
谢菲尔德大学研究团队开发出SSU方法
解决AI学习新语言时的"灾难性遗忘"问题。该方法通过智能识别和保护关键神经连接
让AI在掌握新语言的同时完美保持原有英语能力。测试显示
传统方法会导致20%以上的英语能力损失
谢菲尔德大学突破性发现：让AI模型学会多国语言的防失忆训练法
这项由英国谢菲尔德大学的山口敦希研究员、森下照史博士、阿琳·维拉维森西奥教授，以及尼古拉奥斯·阿莱特拉斯教授共同完成的研究发表于2025年
Empromptu获200万美元融资，助力企业构建AI应用
前CodeSee创始人Sheena Leven与AI研究员Sean Robinson联合创立Empromptu，为企业提供AI应用构建服务。该平台允许非技术背景的用户通过与AI聊天机器人对话来构建HTML或JavaScript应用。平台还提供LLM工具供用户微调结果，并支持为现有代码库添加AI功能。公司已获得由Precursor Ventures领投的200万美元种子前融资，资金将用于招聘和技术开发。
中科院团队重大突破：让视频压缩技术进入“超低码率时代“，画质却比传统方法更清晰
中国传媒大学和北京大学联合研究团队开发出革命性视频压缩技术GNVC-VD，首次将视频扩散模型应用于压缩领域。该技术在超低码率下实现86%以上的性能提升，同时显著减少画面闪烁问题。通过"智能重建"替代传统"信息减少"理念，为视频处理领域开辟全新发展方向。
Linux基金会宣布成立智能体AI基金会，Anthropic、OpenAI、Block加入
Linux基金会今日宣布成立智能体人工智能基金会，Anthropic、OpenAI和Block等科技公司作为创始成员加入。Anthropic贡献了模型上下文协议，OpenAI提供了AGENTS.md规范，Block提供了Goose开源框架。智能体AI是一种新兴技术，能让AI系统独立设定目标、规划和执行行动。报告显示，65%的企业计划在2025年中期部署智能体系统，多智能体系统可减少60%错误并提升40%执行速度。
台湾大学等机构解决AI视频理解最大痛点：如何让机器准确描述视频内容而不胡编乱造
台湾大学和英伟达联合推出SANTA框架，创新性解决多模态AI的视频理解幻觉问题。该框架通过自增强机制识别AI常见错误，结合轨迹-短语对比对齐技术，让AI准确识别视频中的物体和动作关系。实验显示在物体和动作准确性上分别提升4.02%和5.54%，为医疗、自动驾驶等关键应用提供更可靠的视频分析能力。
Tricentis投入智能体AI技术应对企业未测试代码风险
亚太地区企业越来越多地为追求速度而牺牲软件质量，近半数组织承认在未经测试的情况下发布代码。未经测试的代码可能导致50万至500万美元的损失。Tricentis正大力投资智能测试自动化，AI代理能够自主生成测试资产、执行测试并分析结果。该公司亚太业务同比增长42%，超过全球28%的增长率。随着应用现代化和生成式AI驱动的数字创新，自动化软件测试需求激增。
KAIST团队重磅发现：AI绘图背后的“偏见密码“
KAIST研究团队首次系统性研究了新一代AI绘图工具中的社会偏见问题，发现使用大型视觉语言模型的智能绘图工具比传统工具产生更严重的性别、年龄和种族偏见。研究确定了系统提示词是偏见的主要来源，并开发出FAIRPRO解决方案，通过让AI进行自我审查来生成更公平的绘图指南，成功减少了偏见同时保持了图像质量。
FDA批准首个AI工具用于MASH临床试验
FDA已认证首个基于AI的工具AIM-NASH，可用于代谢功能障碍相关脂肪性肝炎（MASH）患者的临床试验，帮助测量疾病活动。这一云端工具由波士顿AI公司PathAI开发，旨在协助病理学家对肝脏活检样本进行评分，包括脂肪浸润、炎症和纤维化等指标。获得FDA认证意味着该工具现可用于任何MASH治疗药物开发项目。
康奈尔大学让普通物体投影变身艺术杰作：ShadowDraw让影子和线条画完美融合
康奈尔大学开发的ShadowDraw系统能将任意三维物体转化为影子画艺术作品。该系统通过智能优化光照和物体摆放参数，寻找最佳影子效果，然后生成与影子完美配合的线条画。实验表明该技术在多种物体上都能创造出引人入胜的艺术作品，且可轻松在现实环境中部署，为计算艺术和创意表达开辟了新领域。
Relation与诺华达成过敏性疾病靶点发现合作
英国AI多组学公司Relation Therapeutics与诺华达成合作，专注过敏性疾病靶点发现。诺华提供5500万美元前期资金，包括现金、股权投资和研发资助，另有17亿美元里程碑付款。该合作采用Relation独特的"实验室闭环"AI驱动靶点发现技术，通过人类遗传学、单细胞多组学和功能分析来识别靶点。此前Relation已与葛兰素史克建立类似合作关系。
波士顿大学团队揭秘AI生成视频的动作真假识别密码：让机器学会分辨“人味儿“的奥秘
波士顿大学研究团队开发出首个专门评估AI生成视频中人体动作质量的系统，通过构建真实动作的多维特征空间，让机器学会识别动作的物理合理性和时间连贯性。该方法在动作一致性和时间连贯性评估上分别达到61%和64%的准确率，显著超越现有方法，为AI视频质量评估开辟了新方向。
京公网安备 11010802021500号 京网文(2025) 0096-033号 京字第20868号
