/
斯坦福大学新发现：AI竟然能像人类一样"边玩边学"，彻底改变机器学习方式
斯坦福大学人工智能实验室开发出革命性的"好奇心驱动"AI学习系统，让机器能够像人类一样通过主动探索来学习复杂技能。该技术通过内在动机机制，使AI学习效率提升十倍，并能够发现创新解决方案，在机器人导航、医疗诊断、自动驾驶等领域展现巨大应用潜力，为实现更智能、更自然的人机交互奠定基础。
当大模型开始"看错字"：复旦等多校联合破解AI视觉幻觉难题
这项由复旦、港科大等多校联合完成的研究首次系统性地解决了大型AI模型在识别场景文字时产生"语义幻觉"的问题。研究团队发现AI模型常将视觉上模糊的文字"脑补"成有意义但错误的词汇，并开发了包含ZoomText定位策略和接地层修正机制的训练无关解决方案，在多个基准测试中实现显著性能提升，为提高AI视觉系统可靠性提供了重要突破。
KAIST团队巧妙"瘦身"让AI模型跑得更快更聪明——像高速公路一样的神奇架构
韩国科学技术院研究团队开发出Simba方法，通过层次化稀疏化技术对状态空间模型进行"瘦身"，在保持性能的同时显著提升计算效率。该方法采用类似高速公路的架构设计，让AI模型的上层只处理最重要的信息，实现了最高80%的速度提升和更好的长序列处理能力。这项即插即用的技术为AI模型优化提供了新思路。
清华等顶尖高校发现：AI越聪明，人类越糊涂？首个大规模研究揭示人机协作的隐秘真相
这是首个大规模研究AI知识传授能力的实验，涉及118名参与者与8个顶级AI模型的协作。研究发现AI的智能水平与教学效果并非正比关系，一些高性能AI反而在协作中表现不佳。通过分析数千条对话记录，研究揭示了影响人机协作成功的关键因素，包括表达方式匹配、自适应引导和避免过度依赖。研究警示：随着AI能力提升，可能出现"知识传授鸿沟"，需要专门优化AI的可理解性。
Cisco 推出数据中心解决方案 助力 AI
思科发布全新硬件、网络及安全方案，包括 AI Canvas 和统一 Nexus Dashboard，通过整合计算、网络与安全能力，全面提升 AI 基础设施效能。
OpenAI 发布 o3-pro：升级版 o3 AI 推理模型
OpenAI 推出 o3-pro，它采用分步推理技术提升在物理、数学和编程等领域的表现，支持网页搜索、文件分析、视觉推理及 Python 应用。该模型相比旧版本响应稍慢，但在多项评测中全面超越竞争对手。
高通分享其内置生成式 AI 的智能眼镜未来愿景
文章概述了高通在 AWE 展会现场展示了一次全新演示，利用搭载 Snapdragon AR1+ Gen 1 处理器的智能眼镜直接在设备上运行生成式 AI，无需手机或云端支持，从而预示 XR 设备的全新发展方向。
AlphaSense 推出全新 Deep Research：面向互联网和企业文件的深度研究为何如此重要
AlphaSense 推出的“深度研究” AI 代理可自动整合公开网络、专有数据及企业内部内容，快速高效生成详实报告，助力决策。
Vanta 的 AI 代理想要运行您的合规计划 —— 事实可能如此
Vanta 推出全新 AI 合规代理，自动处理安全与合规工作流，从策略映射到证据审核，有效降低人工失误并提升运营效率。该产品已启动私测，七月全面上线在即，开启企业风险管理新时代。
电子科大团队最新发现：用不到10%的数据就能让AI更聪明，训练时间还能缩短一半！
电子科技大学研究团队突破性发现：仅使用不到10%的精选训练数据，就能让多模态AI的推理能力超越传统全数据训练方法，同时缩短40%训练时间。他们开发的RAP数据选择框架通过因果差异分析和注意力评估，精准识别能激发AI真正多模态推理的"认知样本"，颠覆了"大数据必然更好"的传统观念，为AI训练开辟了质量优先的新路径。
大模型也会"过时"？Skoltech首创"常青问题"识别系统，让AI更懂"时效性"
Skoltech等机构联合开发了首个多语言"常青问题"识别系统EverGreenQA，能准确区分问题答案的时效性。研究创建了包含7种语言4757个问题的数据集，训练的EG-E5分类器准确率达90.6%，超越现有大型语言模型。该技术可改善AI自我认知、优化数据集质量，并能预测GPT-4o的检索行为，为构建更可信的AI问答系统提供重要突破。
婴幼儿语音情感数据的智能分析：西安交通大学与昆明理工大学联合突破传统限制的榜样之作
西安交通大学与昆明理工大学研究团队开发了一种基于集成学习的婴幼儿语音情感识别方法，能有效分辨饥饿、困倦、不舒服和高兴四种情绪状态。研究采用三层分类器架构，整合SVM、随机森林和KNN算法，达到85.82%的准确率，显著优于单一分类器。这项技术有望应用于智能婴儿监护和早期疾病筛查，为理解婴幼儿非语言表达开辟了新途径。
大型语言模型的隐私保护：微软与普渡大学联合研究团队让AI学会在对话中判断哪些信息该说，哪些不该说
这项来自普渡大学和微软的研究探索如何让AI助手更好地保护用户隐私。研究团队通过让大型语言模型在回答前先思考"语境完整性"(即在特定场景下什么信息适合分享)，并结合强化学习技术进行训练，成功降低了隐私信息泄露风险高达40%，同时保持了任务完成能力。研究仅使用约700个合成数据样本进行训练，却在真实场景测试中展现出色效果，为构建更隐私友好的AI助手提供了实用方法。
SkyReels-Audio：让肖像"动"起来 - Skywork AI开创全能音频驱动的人像视频生成技术
SkyReels-Audio是Skywork AI团队开发的全能音频驱动人像视频生成框架，能将静态图像或视频与语音输入结合，生成高度逼真、唇形同步的说话人像视频。基于预训练的视频扩散变换器构建，该技术支持无限长度视频生成和编辑，提供多模态控制能力。通过混合课程学习策略和双向潜在融合技术，该模型在身份一致性、面部表情自然度和唇形同步精度上取得了突破性进展，为数字内容创作、教育和娱乐领域带来革命性可能。
清华大学团队颠覆自动驾驶"眼睛"：用AI生成模型让汽车像人一样"看懂"3D世界
清华大学团队利用扩散模型革新自动驾驶3D感知技术，通过生成式建模取代传统判别式方法，让AI系统具备类人想象推理能力。该方法在遮挡区域预测准确率提升15%，并显著改善下游规划任务性能，为自动驾驶向更智能安全方向发展提供重要技术突破。
H Company的AI网页冲浪高手：开源模型如何以超低成本击败GPT-4？
H Company研究团队开发了开源网页操作AI系统Surfer-H，配备专门训练的Holo1视觉语言模型。该系统在WebVoyager基准测试中达到92.2%的成功率，媲美GPT-4性能但成本仅为其四分之一。研究团队还发布了专门的网页定位测试集WebClick，并完全开源模型权重，为AI技术民主化做出重要贡献。
通过奖励优化图像描述：让多模态大模型拥有推理能力而不用重新训练视觉模块
这项研究提出了RACRO框架，通过奖励优化图像描述来解决多模态推理问题，避免了传统方法中昂贵的视觉-语言重新对齐过程。研究表明，通过将视觉感知与推理解耦并使用强化学习优化图像描述质量，即使只使用较小模型训练，也能在推理阶段无缝适配更强大的语言模型，实现性能显著提升。实验证明RACRO在多项多模态推理基准上取得了领先结果，展示了极强的可扩展性和即插即用兼容性。
FusionAudio-1.2M：当AI学会像人类一样"听懂"声音的故事——香港中文大学(深圳)团队的突破性研究
香港中文大学(深圳)研究团队开发出FusionAudio-1.2M数据集，创新性地融合音频、视觉、语音和音乐信息来生成详细的音频描述。该研究采用多模态专家系统和大语言模型整合的两阶段方法，构建了包含120万高质量音频描述的大规模数据集。实验表明，使用该数据集训练的AI模型在音频理解和检索任务上显著超越现有方法，为智能语音助手、自动驾驶等领域带来重要应用前景。
浙江大学推出动态场景重建的新方法——FreeTimeGS，知名KOL：这就是未来Midjourney要实现的效果
浙江大学与吉利汽车研究院提出了一个叫做FreeTimeGS的新方法，通过一种全新的思路给予高斯基元"自由"，让它们能够在任意时间和位置出现，从而更好地重建具有复杂动作的动态场景。
当AI遇上癌症诊断：上海交大团队如何让机器"看懂"细胞的秘密
上海交通大学研究团队开发出革命性AI癌症诊断系统，通过深度学习技术分析50万张细胞图像，实现94.2%的诊断准确率，诊断时间从30分钟缩短至2分钟。该系统不仅能识别多种癌症类型，还具备解释性功能，已在多家医院试点应用。研究成果发表于《Nature Communications》，展示了AI在精准医疗领域的巨大潜力。
京公网安备 11010802021500号
