/
加速TarFlow采样：GS-Jacobi迭代法让AI图像生成提速5倍
这项研究提出了一种加速TarFlow图像生成模型采样过程的方法。研究人员发现TarFlow中的块具有不同重要性：少数块在图像生成中起主要作用，而其他块贡献较小；有些块对初始值敏感，其他块则相对稳健。基于此，他们提出了收敛排名指标(CRM)和初始猜测指标(IGM)，并开发了高斯-赛德尔-雅可比迭代方法。实验表明，该方法在四种TarFlow模型上实现了2.51-5.32倍的加速，同时保持图像质量。这一技术为高效AI图像生成提供了重要解决方案。
当"AI助手"失灵：SPOT—一个用于科学论文自动化验证的全新基准测试
SPOT是一项开创性研究，揭示了大型语言模型在科学论文错误检测方面的严重不足。研究团队创建了包含83篇跨10个学科领域的论文基准，每篇均包含导致勘误或撤回的已验证错误。最先进的AI模型在此任务上表现惊人地差，最佳模型o3的召回率仅为21.1%，精确率仅为6.1%。案例研究显示，这些模型在长尾知识和复杂推理方面存在根本性缺陷，犯下类似学生的基础错误。这一发现对依赖AI辅助科研的趋势敲响了警钟，强调了当前AI能力与可靠科学验证要求之间的巨大差距。
图表博物馆：测试大型视觉-语言模型的视觉推理能力——德克萨斯大学奥斯汀分校团队开创性研究
德克萨斯大学奥斯汀分校的研究团队开发了一个名为CHARTMUSEUM的全新基准测试，专门评估大型视觉-语言模型理解图表的能力。研究表明，即使最先进的AI模型在图表视觉推理任务上远远落后于人类表现——虽然人类能达到93%的准确率，但最佳模型Gemini-2.5-Pro仅达到63%，开源模型表现更差。研究揭示模型在处理视觉推理问题时比文本推理问题表现低35%-55%，并通过错误分析确定了当前模型在符号选择、视觉比较、轨迹跟踪和数值识别等方面的关键挑战，为未来模型改进提供了明确方向。
物理驱动的精细人体动作生成：西北工业大学推出FinePhys框架，让AI生成的体操动作更加真实
西北工业大学研究团队开发了FinePhys框架，解决了AI生成的人体动作不符合物理规律的问题。该系统通过在线估计2D姿态并转换为3D骨架，再利用欧拉-拉格朗日方程进行物理重估计，最终生成物理上合理的精细人体动作视频。在体操动作数据集上的实验显示，FinePhys生成的视频明显优于现有方法，特别是在保持生物力学结构和动作自然度方面。这一突破为影视特效、游戏开发和虚拟现实等领域带来新可能。
Red Hat Linux 获得生成式 AI 升级及其它管理利好
Red Hat 子公司推出的全新 RHEL 10 聚焦混合云及 AI 工作负载，通过生成式 AI 助手 Lightspeed 简化 Linux 管理，同时集成量子抗性加密和容器原生 OS 管理，实现 IT 运维一体化。
MCP引领Agent互联网新时代暨物理AI模型新篇章，2025年第二届AIGC上海开发者大会即将在模力社区举办
MCP引领Agent互联网新时代暨物理AI模型新篇章，2025年第二届AIGC上海开发者大会即将在模力社区举办
DigiCert 与 Panasonic 携手加速 Matter 智能家居设备普及
Panasonic Industry Europe 与 DigiCert 合作，将 DigiCert Device Trust Manager 集成至 PAN-MaX 服务，实现 Matter 设备自动认证，加速智能家居产品安全、合规生产，助力制造商抢占市场先机。
人工智能正在重写我们的现实：你的自由是在扩展还是在缩减？
本文探讨了人工智能如何通过重构内在情感、认知和外部社交、社会结构，既可能扩展也可能限制我们的自由，呼吁以人为本、主动掌控AI未来。
LLM情境调节与持续工作流程提示：革新化学分子式的多模态验证技术
这项研究探索了如何通过"LLM情境调节"和"持续工作流程提示"技术来提高大型语言模型在验证化学分子式时的准确性。研究者发现，普通提示方法往往不可靠，因为LLM倾向于自动"纠正"错误而非指出它们。然而，通过精心设计的情境调节提示，研究成功引导Gemini 2.5 Pro不仅识别出文本中的错误，还发现了之前人工审阅未察觉的图像中的分子式错误。这一概念验证研究表明，即使不修改模型本身，也能通过适当的提示策略显著提高LLM在科学技术文档细节验证中的表现。
Dell更新PowerScale，ObjectScale以加速 AI Factory 推出
戴尔在 Dell Technologies World 会议上宣布更新 PowerScale 和 ObjectScale 存储系统，并推出多项 AI 工厂创新，与 Nvidia 深度协同，加速企业级 AI 部署与数据处理。
微生物显微图像分割新突破：复旦大学研究团队借助多模态大语言模型统一显微镜下的"万物分割"
复旦大学研究团队开发的uLLSAM模型成功将多模态大语言模型(MLLMs)与分割一切模型(SAM)结合，解决了显微镜图像分析的跨域泛化难题。通过创新的视觉-语言语义对齐模块(VLSA)和语义边界正则化(SBR)技术，该模型在9个领域内数据集上提升了7.71%的分割准确度，在10个从未见过的数据集上也展现了10.08%的性能提升。这一统一框架能同时处理光学和电子显微镜图像，大大提高了生物医学图像分析的效率和准确性，为科研人员提供了强大的自动化分析工具。
Dell 推出分解式基础设施策略
戴尔技术推出新解耦模式，融合传统三层架构灵活性与超融合便捷性，通过Dell Private Cloud等产品优化数据中心管理，加速云服务及AI应用转型。
用强化学习让大语言模型为汇编代码提速：斯坦福团队的优化探索
斯坦福大学等机构研究团队利用强化学习训练大语言模型，使其能够优化汇编代码性能。研究构建了8,072个程序的数据集，并通过近端策略优化(PPO)训练模型生成既正确又高效的汇编代码。实验表明，训练后的Qwen2.5-Coder-7B-PPO模型实现了96.0%的测试通过率和1.47倍平均加速比，超越包括Claude-3.7-sonnet在内的所有其他模型。研究发现模型能识别编译器忽略的优化机会，如用单一指令替代整个循环，为性能敏感应用提供了有价值的优化途径。
播放师傅变声魔术：让你的录音遵循参考风格的推理时间优化新方法
这项研究提出了一种改进的声乐效果风格迁移方法，通过在推理时间优化过程中引入高斯先验知识，解决了传统ST-ITO方法忽视参数合理性的问题。研究团队基于DiffVox数据集构建了专业效果器参数分布模型，将风格迁移转化为最大后验概率估计问题。实验结果表明，该方法显著优于基准方法，参数均方误差降低了33%，并在主观听感测试中获得最高评分。这一创新为音频处理领域融合数据驱动和专业知识提供了新思路。
MatTools：香港大学研究团队打造全新材料科学大模型基准测试工具
香港大学研究团队开发的MatTools是首个全面评估大语言模型在材料科学工具应用能力的基准测试框架。研究发现通用型大模型（如GPT-4o）显著优于专业材料科学模型；AI生成的文档作为检索源比原始代码或官方文档更有效；简单的自反思系统反而优于复杂的多代理架构。这项研究为AI辅助科学工具的设计提供了全新思路，强调"通才胜于专才"、"AI懂AI"和"简单更好"的原则，有望加速材料科学研究和技术创新。
CheXGenBench：一个全面评估合成胸部X光片保真度、隐私性和实用性的统一基准框架
CheXGenBench是爱丁堡大学和三星AI中心研究团队开发的首个全面评估合成胸部X光片的基准框架，从保真度、隐私风险和临床实用性三方面对11种文本到图像生成模型进行评估。研究发现现有评估方法存在重大缺陷，特别是在衡量生成质量时。Sana模型表现最佳，基于此发布了SynthCheX-75K数据集，包含75K高质量合成X光片。该框架为医学AI社区建立了统一标准，促进公平比较和未来研究发展。
从对抗到协同：一种结合逻辑和采样的全新大语言模型水印框架
这篇论文提出了一种名为SymMark的多功能共生水印框架，打破了传统大语言模型水印技术中鲁棒性、文本质量和安全性之间的权衡困境。研究者通过创新性地结合逻辑基础和采样基础水印方法，提出了串行、并行和混合三种协同策略。其中，混合策略利用标记熵和语义熵自适应地选择最佳水印方式，在各项指标上实现了最优平衡。实验表明，该框架显著优于现有方法，特别是在对抗攻击环境下表现出色，为大语言模型的内容认证与溯源提供了全新思路。
京公网安备 11010802021500号
