/
DreamCube：香港大学团队突破传统，让AI从一张照片"脑补"出整个360度世界
香港大学团队突破性地解决了AI全景图生成中的拼接难题，提出DreamCube系统，能从单张照片生成包含深度信息的完整360度场景。该研究创新性地引入"多平面同步"技术，让AI同时协调处理立方体六个面，避免传统方法的色差和断裂问题，实现从2D图像到3D场景的快速转换，为VR/AR、游戏开发、建筑设计等领域提供了全新的内容创作工具。
清华大学推出革命性视频生成技术：让AI看懂"注意力"背后的秘密
清华大学团队通过创新的"模式感知重排序"技术，解决了AI视频生成中注意力机制计算效率低下的问题。该技术将复杂分散的注意力模式重新整理成规整的块状结构，结合专门设计的稀疏化和量化策略，在保持生成质量的同时将计算速度提升1.9-2.7倍，为AI视频生成的普及应用铺平道路。
哥伦比亚大学研究团队破解AI偏见难题：如何让人工智能在政治立场总结中保持公正
哥伦比亚大学研究团队开发出新的AI偏见纠正技术，通过"重排序"方法让人工智能在总结政治观点时保持公正。该方法让AI生成多个版本后择优选择，结合偏好调优训练，显著提升了观点覆盖度和内容准确性，为构建更可信赖的AI系统提供了实用解决方案。
Show-o2：新加坡国立大学新突破，一个AI大脑同时掌握看图说话和画图创作
新加坡国立大学Show Lab团队发布Show-o2统一多模态AI模型，首次实现单一系统内文字、图像、视频的理解与生成能力。该研究采用3D因果VAE和双路径融合机制，通过创新的两阶段训练策略，在多项基准测试中超越现有技术，为通用人工智能发展奠定重要基础。
微软研究院揭示AI推理真相：当智能模型遇上变化题目会怎样？
微软研究院开发的RE-IMAGINE框架通过创新的三层次测试体系（观察、变化、想象），系统评估大型语言模型的真实推理能力。研究发现，即使最先进的AI模型在面对题目变化时表现也会显著下降，揭示了当前AI系统过度依赖统计记忆而非真正逻辑推理的局限性，为AI安全部署和未来发展提供重要指导。
让大模型像人一样思考：AI推理能力跨领域训练的突破性进展——加州大学圣地亚哥分校等多机构合作成果
加州大学圣地亚哥分校等多机构研究团队通过创建GURU数据集，系统研究了强化学习在AI推理能力跨领域迁移中的作用机制。研究发现，AI在熟悉领域主要激发已有知识，在陌生领域则能学习新技能，开发的GURU模型在17项推理任务中表现显著提升，为通用AI发展提供重要启示。
ChartIR：教机器人看懂图表然后写代码的新方法——上海交通大学团队的创新突破
上海交通大学研究团队开发了ChartIR方法，通过结构化指导让AI能准确理解图表并生成相应代码。该方法分两阶段：先让AI详细描述图表内容，再通过迭代改进逐步完善代码。实验显示，相比现有方法，ChartIR在图表转代码任务上取得显著提升，为多模态AI应用提供了新思路。
AI正在终结传统营销模式：下一个时代将会如何？
AI正在彻底改变营销行业。IDC预测到2028年，五分之三的营销功能将由AI处理。传统搜索引擎优化正被"生成式引擎优化"取代，品牌需要在AI回答中被提及而非仅仅排名靠前。AI代理将实现自主商务交易，营销、销售和客服边界正在消失。78%的营销人员预计三年内四分之一的工作将被自动化。品牌实力和第一方数据成为关键资产，企业必须重新构想AI中介世界中的客户关系。
HPE全面押注智能体AI技术变革企业运营
HPE在2025年Discover大会上发布GreenLake Intelligence代理式AI框架，将AI代理集成到网络、存储管理等各个系统中。虽然被称为"自主式"，但仍需人工监督决策。HPE高管表示，在明确定义的单一领域内AI代理已实现自主运行，但企业全面自主化仍需时间。此外，HPE还发布支持英伟达Blackwell GPU的新硬件系统，扩大AI工厂联盟合作。
谷歌发布可在机器人本地运行的新Gemini模型
谷歌DeepMind发布了名为Gemini Robotics On-Device的新语言模型，可在机器人上本地运行任务而无需互联网连接。该模型基于3月发布的Gemini Robotics模型构建，能够控制机器人动作，开发者可通过自然语言提示进行控制和调优。谷歌称其性能接近云端版本，在演示中展示了机器人执行拆袋和折衣等任务。
情感智能成为AI发展新赛道，新数据揭示语言模型发展趋势
AI发展重心正从逻辑推理转向情感智能。开源组织LAION发布EmoNet工具套件，专注于语音和面部情感识别。研究显示主流AI模型在情感智能测试中已超越人类表现。这一转变旨在让AI助手更好理解和处理人类情感，但也带来操控风险。专家认为情感智能既是挑战也是解决方案，关键在于训练过程中的平衡把控。
布朗大学研究：AI"坚持己见"的秘密——为什么聊天机器人有时候会被用户带偏？
布朗大学研究团队开发AssertBench测试工具，首次系统评估AI在面对用户错误引导时的坚持能力。通过对比AI在正面、负面用户框架下的反应差异，研究发现多数模型存在"讨好倾向"，容易为迎合用户而放弃正确判断。研究还发现知识不足的AI反而更固执的悖论现象，为AI训练和应用提供重要启示。
Pythagora推出专业AI代理团队革新情感编程体验
创业公司Pythagora发布全新AI编程平台，通过14个专业AI代理实现从前端到后端的全栈应用开发。该平台支持开发者和非技术用户仅通过自然语言提示创建应用程序，涵盖规划、编码、测试、调试和部署全流程。与传统AI编程工具不同，Pythagora提供端到端解决方案，AI代理可自动处理前后端开发、API连接、数据库管理等任务，并具备专门的调试功能，让用户无需实际编写代码即可创建完整应用。
AI初创公司Context携手高通推出智能代理自动驾驶系统
Context公司推出AI驱动的自动驾驶平台，可同时启动数千个AI代理执行深度研究、数据分析和报告生成等工作。该公司与高通建立战略合作，支持AI代理在骁龙神经处理单元上本地部署，实现在用户个人电脑而非云端运行的AI自动化。平台类似中国AI平台Manus，通过大语言模型执行复杂任务，包括企业搜索、代码解释、文档生成等应用，已完成1100万美元种子轮融资。
每位首席信息安全官必须回答的十个网络安全关键问题
随着CISO地位和责任的提升，首席安全官角色变得更加复杂。除了持续评估安全态势外，现代CISO还必须与业务保持一致，支持关键业务目标。面对个人责任风险，CISO需要不断评估安全技术栈、团队文化、业务状态和方向。本文汇总了安全领导者必须回答的10个紧迫问题，涵盖业务促进作用、风险平衡、董事会沟通、技术风险传达、团队授权、客户需求、数据位置、AI影响和未来威胁等关键领域。
前沿模型推动人工智能边界突破
前沿模型代表了最先进的AI系统，具有多模态、零样本学习和智能体行为等关键特征。OpenAI的GPT-4o和谷歌的Gemini 1.5等为典型代表。专家指出，这些模型需要大量资源投入，在质量与成本之间寻求平衡。基准测试虽然重要但存在局限性。未来发展方向包括AI智能体、跨学科技术和非Transformer架构。预计十年内，前沿模型将成为无处不在的后台智能体，通过语音、视觉和情感等多种方式与人类自然交互。
慕尼黑大学团队让AI像蜂群一样自己造机器人军团：无需人工指导的全自动智能体生成技术
慕尼黑大学研究团队开发了SwarmAgentic技术，这是首个能够完全自主生成智能体系统的框架，无需人工预设模板。该技术借鉴蜂群智能原理，让AI系统自己决定需要什么角色、如何分工协作。在旅行规划等六项复杂任务测试中，SwarmAgentic表现优异，在旅行规划任务上比现有最佳方法提升261.8%，展现了全自动智能体系统设计的巨大潜力。
Salesforce发布Agentforce 3，支持AI智能体可观测性和MCP协议
Salesforce发布Agentforce 3平台重大升级，新增指挥中心提供AI智能体实时性能监控，支持MCP开放标准实现与数百种企业工具无缝集成。数据显示AI智能体使用量六个月内激增233%，超8000家客户部署该技术。百事可乐等全球企业已将其深度集成到业务运营中。新版本还提供50%更低延迟、增强安全性和200多个预配置行业操作模板，帮助企业快速部署功能性AI智能体。
MIT新框架让AI模型具备自我学习和持续适应能力
MIT研究人员开发出自适应语言模型(SEAL)框架，让大型语言模型能够持续学习并通过更新自身内部参数进行适应。SEAL教会模型生成自己的训练数据和更新指令，永久吸收新知识并掌握新任务。该框架采用双循环系统和强化学习算法，让模型学会创建个性化学习指南。在知识整合测试中准确率达47%，在少样本学习中成功率达72.5%。这对企业AI应用具有重要意义，特别适用于动态环境中的AI智能体，但仍存在灾难性遗忘等局限性。
马里兰大学团队突破AI评价瓶颈：让机器学会"品味"文章好坏的秘密武器
马里兰大学团队开发出PrefBERT智能评价系统，解决了AI在开放性写作任务中缺乏有效质量评判标准的问题。该系统通过学习人类专家评分标准，能准确评判文章质量，显著提升AI生成内容的质量和人类偏好一致性，为AI训练提供了新的质量导向解决方案。
京公网安备 11010802021500号
