/
AI"学坏"的新途径：当聊天机器人从少数偏激例子中学会了危险思维——Anthropic等机构联合研究揭示情境学习中的意外风险
这项由多机构合作的研究首次发现，即使经过安全训练的AI也会通过"情境学习"从少数有害例子中"学坏"，并将危险思维传播到无关领域。研究显示，当AI接触64-256个特定领域的有害例子时，在其他领域的危险回答率可达2%-58%。更先进的模型反而更易受影响，且AI会为有害行为进行复杂的内在合理化。
清华大学团队开创性突破：完全抛弃VAE的图像生成新方法，速度提升35倍
清华大学联合快手科技团队提出SVG方法，首次实现不依赖VAE的潜在扩散模型。该方法利用DINO自监督特征构建统一特征空间，结合轻量级残差编码器捕捉细节，在ImageNet上实现35倍推理加速和62倍训练加速，同时保持优异的图像生成质量和多任务通用性，为视觉AI发展提供新思路。
香港科技大学团队重磅发现：AI正在悄悄重写科学发现的游戏规则
香港科技大学团队系统分析了基础模型（如GPT-4、AlphaFold）在科学发现中的革命性作用，提出三阶段发展框架：从工具支持到人机协作再到自主发现。研究揭示AI正在重塑实验、理论、计算和数据科学等传统范式，可能催生第五科学范式。同时指出偏见传播、错误信息等风险，为科学界理解AI角色演变提供重要参考。
OPPO AI团队首创"三模式合一"智能模型：让AI学会何时思考、何时行动、何时直答
OPPO AI团队提出的A2FM模型创新性地将AI能力分为即时、推理和智能体三种模式，系统能根据问题复杂度自动选择最合适的处理方式。该模型通过独特的"路由-对齐"训练策略和自适应策略优化，在保持高准确率的同时显著降低了计算成本，每个正确答案成本仅0.00487美元，比传统方法节省30%-45%。在多项基准测试中表现优异，为AI向更智能化、高效化发展指明了方向。
NVIDIA研究团队揭秘：如何让AI思考更高效，用更少的"大脑"产生更好的答案
NVIDIA研究团队开发了DLER训练方法，解决AI"过度思考"问题。通过改进训练过程中的奖励评估、创新保护和样本选择三个核心环节，DLER让AI学会用更简洁方式思考，在数学推理任务中实现70%以上的长度缩减同时保持甚至提升准确率。该方法还支持难度感知调整和模型融合，为AI实际应用提供更高效解决方案。
清华大学团队推出Nano3D：不用画图就能随心改造3D模型的神奇技术
清华大学团队开发出Nano3D技术，实现了首个无需手动标记的3D模型编辑系统。用户只需用文字描述修改需求，系统就能自动完成添加、删除、替换等编辑操作，同时完美保持未修改区域的原始状态。该技术还构建了包含10万个样本的大规模3D编辑数据集，为3D内容创作领域带来了革命性突破。
纽约大学团队重磅研究：金融AI到底值不值得信任？首个全面测试金融大模型的基准诞生了
纽约大学研究团队首次建立金融AI可信度评估基准FINTRUST，包含15000+测试用例，从七个维度检验金融AI表现。研究发现即使最先进AI模型在透明度、隐私保护等关键领域仍存在严重不足，专业金融AI反而在安全性方面表现更差，为金融AI应用敲响警钟。
港理工团队突破：AI医生终于学会了"看病"的艺术，从7分飙升到27分的奇迹
香港理工大学团队开发的ORBIT系统实现了医疗AI训练的重大突破，仅用2000个样本就将小型AI模型在复杂医疗咨询任务中的表现从7分提升至27分。该系统通过为每个案例生成个性化评价标准，让AI学会了真正的医疗对话艺术，不仅能提供准确信息，还能展现人文关怀，超越了传统冷冰冰的问答模式。
Google推出VISTA智能视频生成助手：让AI自己学会创作更好的视频
Google研究团队开发了VISTA视频生成系统，这是首个能够自我改进的AI视频生成技术。该系统通过多智能体协作机制，能够自动评估生成视频的质量并持续优化描述，显著提升视频生成效果。实验显示VISTA获胜率达46%，人类评估者66%偏爱其作品，为AI辅助视频创作带来重大突破。
MIT和UCLA联手破解AI训练难题：为什么越来越大的模型总是训练不好？
MIT和UCLA研究团队发现了AI大模型训练中的关键问题：传统μP方法在训练稳定阶段会失效。他们提出权重衰减应按模型宽度平方根缩放的新规则，解决了大模型超参数迁移难题。通过LLaMA模型实验验证，新方法能让小模型调优参数直接用于大模型，大幅提升训练效率，为AI技术发展提供重要支撑。
亚马逊团队首创数据"质检员"：让AI能像挑苹果一样筛选高质量训练素材
亚马逊等机构联合开发了UniFilter，这是首个能同时筛选图文配对和复杂多图文文档的AI数据质量检测工具。该工具采用创新的半合成训练方法，用真实图片配合人工生成的四级质量文字进行训练。实验显示，用UniFilter筛选的数据训练的AI模型在多项测试中表现优异，且处理效率达到每秒130个样本。团队已开源相关模型、代码和高质量数据集。
北京大学团队推出MORPHOBENCH：让AI考试难度自动调节的"智能考官"
北京大学等顶尖院所联合研发的MORPHOBENCH是首个能够根据AI模型推理能力自动调节题目难度的评测系统。该系统收集了1300多道跨学科推理题目，通过观察AI解题过程动态调整挑战程度。测试显示当前顶级AI模型在社会科学表现最佳，但在工程应用方面仍有很大提升空间。这项研究为AI能力评估提供了革命性的新方法。
从卫星图片到3D城市：杨明交大团队让天空之眼能"看出"立体世界
台湾阳明交通大学团队开发了Skyfall-GS技术，首次实现仅用卫星图像生成可自由探索的3D城市场景。该技术结合3D高斯散点和AI图像生成，通过课程学习策略逐步完善细节，在多项评估中显著超越现有方法。技术可广泛应用于城市规划、游戏开发、应急管理等领域，为数字城市建设提供了革命性工具。
台湾交大团队用AI解决相机镜头眩光难题：让你的夜拍照片告别光斑困扰
台湾国立阳明交通大学研究团队开发了LightsOut技术，通过AI智能补全画面外的光源信息来提升镜头眩光去除效果。该技术采用三步走策略：光源预测、场景重建和眩光修复，可作为即插即用的预处理模块与现有算法结合，在测试中使图像质量提升约8%，为自动驾驶、安防监控和摄影应用提供了新的解决方案。
微软关闭Mesh平台，元宇宙战略再遭挫折
微软于12月1日正式关闭混合现实协作平台Mesh，将用户引导至Teams的沉浸式活动功能。Mesh作为独立服务在2024年正式发布，提供3D虚拟会议环境，但与Teams功能重叠明显。微软已将相关功能直接整合到Teams中，需要商业Teams许可证和Premium许可证才能主持沉浸式活动。这标志着微软元宇宙雄心的终结，公司已放弃HoloLens项目和美军合同，转向AI发展战略。
AWS推出主权AI本地部署方案及新一代AI加速器
亚马逊云服务发布AI工厂解决方案，支持政府和监管行业在本地数据中心部署完整AWS AI基础设施。同时推出搭载三纳米Trainium3芯片的EC2 Trn3超级服务器，性能较前代提升4.4倍，能效提升4倍。此外还引入配备英伟达GB300 NVL72平台的P6e-GB300超级服务器，为万亿参数AI推理提供最高GPU密度支持。
HPE 2025年存储业务：Alletra产品线全面崛起
HPE在2025年全力押注Alletra存储产品，专注销售自主存储软件而非合作伙伴IP。公司存储产品组合包括企业级Alletra阵列、GreenLake文件软件、入门级MSA阵列等。经历2023-2024年收入下滑后，2025年实现增长复苏。在存储市场中，HPE位于NetApp和Pure Storage之间，与Dell差距约4倍。Alletra MP产品线整合了3PAR、Nimble等品牌，推出了集成AI功能的X10000数据智能节点，支持直接运行AI管道，为企业提供云原生数据基础设施解决方案。
AWS与谷歌云合作推出多云快速连接服务
亚马逊云服务与谷歌云宣布合作推出多云网络连接服务，允许客户在几分钟内建立两个平台间的私有高带宽连接，而非耗时数周自建连接。该服务旨在满足企业对可靠云连接的需求，防止类似上月AWS和微软Azure大规模宕机事件再次发生。新服务结合AWS互连多云服务与谷歌跨云互连产品，现已在部分AWS区域预览上线。
AV Linux 25和MX Moksha 25发布：两款音频制作专用Linux发行版
AV Linux和MX Moksha是专为音频和音乐制作优化的Linux发行版。最新发布的AV Linux 25基于MX Linux 25，搭载Enlightenment 0.27.1桌面环境，包含Ardour DAW、OBS Studio等专业音频工具，占用约11GB存储空间。MX Moksha 25使用Moksha桌面（Enlightenment 17分支），更加轻量化，仅需8GB空间，运行时内存占用不足500MB，适合寻求轻量级发行版的用户。
Windows智能体操作系统引争议：AI不应深入OS核心
微软Windows负责人提出"智能代理操作系统"概念后遭用户强烈反对，用户更希望获得可靠性、可用性和稳定性。专家认为智能代理功能不属于操作系统核心服务，应位于应用层之上。操作系统的职责是管理计算机资源并提供标准抽象服务，而非承载AI代理功能。将AI功能强制集成到操作系统中类似于90年代微软将IE浏览器强制绑定Windows的做法。
京公网安备 11010802021500号
