/
IBM与思科联手推进量子网络合作，构建分布式量子计算网络
IBM与思科宣布建立合作伙伴关系，共同构建大规模容错量子计算机网络，为分布式量子计算奠定基础，预计在2030年代初实现。两家公司计划在五年内展示首个概念验证，将多台独立的大规模容错量子计算机连接起来，协同运行数万至数十万量子比特的计算任务。该网络有望支持数万亿量子门操作，解决大规模优化问题和复杂材料药物设计等变革性应用。
英国政府投资1.3亿美元推动AI芯片产业发展
英国政府承诺投资1亿英镑购买英国公司的新兴芯片技术，以支持人工智能产业发展。科学大臣肯德尔表示，政府将向生产AI硬件的英国初创企业提供保证付款，帮助生命科学和金融服务等行业。该计划采用"首位客户"模式，政府将提前承诺购买符合性能标准的AI推理芯片。尽管投资规模相比美中两国较小，但英国希望在其优势领域实现世界领先地位。
Wasabi推出Fire高性能存储服务挑战云巨头
Wasabi公司推出Fire高性能存储服务，专门针对AI工作负载设计。该服务采用NVMe SSD技术，提供个位数毫秒响应时间，比常规S3存储快5倍。定价为每TB每月19.99美元，无出口费用，成本仅为AWS S3 Express的六分之一。Fire服务支持AI训练、实时推理和高频数据记录等计算密集型应用，并在硅谷新开设存储区域为AI初创企业提供服务。
Momentic获得1500万美元融资，成为AI时代软件质量"真相之源"
AI驱动的软件测试平台Momentic宣布完成1500万美元A轮融资，Standard Capital领投。该平台通过自然语言描述生成自动化测试用例，解决传统QA流程耗时费力的问题。平台能自动修复因UI结构变化导致的测试失效，已获得Notion、Quora等知名企业信任。上月执行超2亿次测试步骤，阻止39万个漏洞进入生产环境。
南洋理工大学团队推出Uni-MMMU：让AI模型学会"边看边想边画"的全能基准测试
南洋理工大学团队开发了Uni-MMMU基准测试，专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务，要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡，生成能力是主要瓶颈，但协同工作确实能提升问题解决效果，为开发更智能的AI助手指明了方向。
360 AI Research团队重磅发布：让机器真正"看懂"中英文图片的FG-CLIP 2模型
360 AI Research团队发布的FG-CLIP 2是一个突破性的双语精细视觉语言对齐模型，能够同时处理中英文并进行精细的图像理解。该模型通过两阶段训练策略和多目标联合优化，在29个数据集的8类任务中均达到最先进性能，特别创新了文本内模态对比损失机制。团队还构建了首个中文多模态评测基准，填补了该领域空白，为智能商务、安防监控、医疗影像等应用开辟新可能。
香港大学研究团队发现：两个AI模型的简单融合，竟能创造出比复杂方法更强的推理能力
香港大学和清华大学研究团队发现，通过最简单的模型插值方法融合"深思型"和"快答型"AI模型，能够创造出比复杂融合算法更优秀的推理系统。研究揭示了融合过程遵循三阶段进化规律，通过精确调节混合比例可以实现推理深度和效率的完美平衡。实验显示这种方法在数学推理、指令跟随等任务上显著超越传统方法，为AI技术的民主化和普及提供了实用方案。
上海AI实验室推出InternVLA-M1：让机器人像人类一样理解空间并精准执行任务
上海AI实验室提出InternVLA-M1框架，通过空间引导的视觉-语言-动作训练，让机器人先学会"在哪里行动"再学"如何行动"。系统采用双阶段训练策略，构建了300万个多模态样本数据集。在多项测试中表现优异，相比基线方法提升10-20%成功率，在真实世界未见物体任务中提升20.6%，为通用智能机器人发展提供了新思路。
大语言模型秒变预言家：UC圣塔芭芭拉分校让AI一次预测多个词汇的突破性研究
UC圣塔芭芭拉分校研究团队开发出直接多词解码技术（DMTD），通过重用大语言模型的后期层实现一次性生成多个词汇。该技术无需添加额外参数，仅通过重新组织内部处理流程就实现了2倍速度提升，同时保持96%以上的准确性。实验证明技术在大型模型上效果更佳，为AI交互效率提升开辟了新路径。
清华大学推出NOSA技术：让AI大脑更高效处理长文的秘密武器
清华大学研究团队开发的NOSA技术通过创新的双重选择机制和智能存储管理，解决了大语言模型在处理长文本时的效率瓶颈。该技术将信息选择分为查询感知和查询无关两个组件，显著提高了相邻处理步骤间的信息重叠度，实现了高达2.3倍的处理速度提升，同时保持了近乎无损的模型准确性，为AI系统的高效部署提供了新的解决方案。
Vionbotics全球首发具身智能立面清洁机器人 引领商用清洁智能化革命
近日，上海具身智能设备有限公司（品牌名：Vionbotics）重磅发布行业领先的AI驱动具身智能立面清洁机器人。
清华大学联合多校发明自动驾驶新技能：让AI既能模仿又能探索的双重学习法
清华大学研究团队开发出CoIRL-AD自动驾驶新框架，让AI同时具备模仿学习和强化学习能力。该系统在AI内部设置两个"驾驶员"，一个负责模仿专家行为，另一个负责探索试错，两者通过竞争合作机制共享知识。实验显示，新系统碰撞率比传统方法降低18%，在罕见场景和跨城市部署中表现更优，为自动驾驶技术提供了新的学习范式。
UC圣地亚哥&英特尔重大突破：AI智能团队会比单打独斗更聪明吗？
UC圣地亚哥与英特尔联合研究提出AT-GRPO算法，首次实现多个AI系统的有效协作训练。该方法让AI团队在真实协作环境中学习，而非单独训练后组合。实验显示，在复杂规划任务中，AI团队成功率从单体AI的14-47%提升至96-99.5%，编程和数学推理任务也有显著改善。这项突破为软件开发、教育、科研等领域的AI应用开辟了新路径。
巧妙的对话助手：当AI学会"察言观色"记忆过往的Text-to-SQL突破（亚马逊、圣母大学联合研究）
亚马逊与圣母大学联合研究团队开发出MTSQL-R1系统，解决了AI在多轮对话中处理数据库查询时的"健忘症"问题。该系统首次让AI具备对话记忆和自我验证能力，能够理解上下文并主动纠错。通过"提议-执行-验证-修正"循环和渐进式训练，在权威测试中超越现有方法，为智能数据分析助手奠定重要基础。
华为大学团队重新发明多智能体协作：用"超级图形"让AI团队沟通更聪明
华南师范大学联合多所知名院校研究团队提出HyperAgent框架，通过"超图"结构革新多智能体协作方式。该方法让AI团队能够进行真正的群体沟通而非传统的点对点传话，在保持高准确率的同时大幅降低沟通成本，为复杂任务的AI协作提供了更自然高效的解决方案。
信任、技术、人为因素：网络韧性的基石
在技术快速发展的时代，保护关键系统越来越依赖AI、自动化和行为分析。数据显示，2024年95%的数据泄露源于人为错误，64%的网络事件由员工失误造成。虽然先进的网络防御技术不断发展，但人类判断仍是最薄弱环节。网络韧性不仅是技术挑战，更是人员和战略需求。建立真正的韧性需要机器精确性与人类判断力的结合，将信任视为战略基础设施的关键要素，并将网络韧性提升为国家安全的核心组成部分。
人类主导权应引导AI发展而非存在性恐惧
自计算机诞生以来，人们就担心机器会背叛创造者。近期AI事件包括数据泄露、自主破坏行为和系统追求错误目标，暴露了当前安全控制的弱点。然而这种结果并非不可避免。AI由人类构建，用我们的数据训练，在我们设计的硬件上运行。人类主导权仍是决定因素，责任仍在我们。
Google在Gemini中推出AI图像检测工具：能识别AI生成内容吗？
谷歌在Gemini应用中推出新的检测功能，帮助用户识别图像是否由AI生成。该功能可检测谷歌AI模型自动嵌入的SynthID水印，虽然人眼不可见但能被专用工具识别。用户只需将图像上传至Gemini并询问是否为AI生成，系统就会分析并提示。即使没有发现SynthID水印，Gemini也会尝试分析图像中的AI痕迹。不过该功能仅限检测谷歌AI模型生成的内容。
Meta申请电力交易许可以加速AI数据中心电力供应
为加速新电厂建设以满足数据中心能源需求，Meta正寻求进入电力交易业务。据彭博社报道，Meta和微软均已申请联邦电力交易许可，苹果已获得此类批准。Meta表示，这将允许其对新电厂进行长期购电承诺，同时通过在批发电力市场转售部分电力来降低风险。Meta全球负责人表示，电厂开发商希望看到电力消费者的实际承诺。为支持Meta路易斯安那州数据中心园区运营，至少需要建设三座新的燃气发电厂。
研究员破解AI聊天机器人训练数据来源之谜
研究人员开发出更有效的方法从大型语言模型中提取记忆内容，可帮助解决监管担忧和版权纠纷。该技术名为RECAP，通过智能反馈循环迭代提取特定内容，包含突破模型拒绝回应的组件。在基准测试中，RECAP在文本提取方面比现有最佳方法提升78%，能从《哈利波特》首部小说中提取约3000段文字。这项研究有助于提高AI模型透明度。
京公网安备 11010802021500号
