2025-06-09
CASS：跨越Nvidia与AMD的代码转译突破——来自MBZUAI的数据、模型与基准测试解决方案
MBZUAI和澳大利亚国立大学的研究团队开发了CASS，这是首个大规模跨架构GPU代码转译系统，实现了Nvidia和AMD之间的源代码和汇编级代码转换。该项目包含7万对验证代码对，展示了源代码转换95%和汇编转换37.5...
2025-06-09
MMR-V：视频多模态深度推理的新基准——探究视频中未被言明的内容
MMR-V是一个创新的视频多模态深度推理基准测试集，专注于评估AI模型在视频长距离多帧推理能力。与现有基准不同，它要求模型不仅理解问题帧，还需在远距离帧中挖掘证据进行推理。研究发现即使最先进的模型o4-mini也仅达到5...
2025-06-08
VisCoder：打造能生成可执行Python可视化代码的大语言模型
这项研究介绍了VisCoder，一个经过专门微调的大语言模型，用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集，结合了可执行代码示例和多轮修正对话。在PandasPlo...
2025-06-08
适应再学习：四川大学团队提出的革新性连续学习框架
这项研究提出了"适应再连续学习"（ACL）框架，一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整，ACL使模型既能更好地学习新知识（提高可塑性），又能保留已有知识（维...
2025-06-08
双域稳健性：CLIP模型需要一个稳健的文本编码器
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题，提出了LEAF方法（Levenshtein高效对抗性微调）来增强文本编码器的稳健性。实验表明，LEAF显著提高了模型在面对文本扰动时的性能，在AG-News数据集...
2025-06-08
BenchHub：一站式自定义评估大语言模型的统一基准平台 - KAIST和Yonsei大学科研团队让模型评估更智能灵活
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台，整合了38个基准中的30万个问题，按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差，而BenchHub通过自动分类系...
2025-06-08
双架构设计：破解持续学习中稳定性与可塑性的两难困境
这项由四川大学、浙江大学和清华大学合作完成的研究提出了"双架构"框架，创新性地解决了持续学习中的稳定性-可塑性困境。研究发现深度网络具有更好的可塑性，而宽度网络则更具稳定性，据此设计了两个互补网络：一个专注学习新知识，另...
2025-06-08
拼图游戏的隐藏危机：上海人工智能实验室研究发现视觉语言模型能将分散的图像碎片重组理解
上海人工智能实验室的研究揭示了视觉语言模型具有"视觉拼接"能力，可以整合训练中看到的分散图像碎片。研究者将图像切分成不同粒度的碎片进行测试，发现模型不仅能根据完整图像识别相关信息，还能通过纯文本引用进行推断。这种能力虽有...
2025-06-08
主动学习超参数全景调查：来自德累斯顿工业大学的大规模实验网格分析
这项研究由德累斯顿工业大学等机构的研究团队完成，旨在解决主动学习未被广泛应用的问题。研究者构建了包含460万种超参数组合的实验网格，系统分析了各参数对主动学习性能的影响。研究发现，不同策略实现间存在显著差异，基于边缘的不...
2025-06-08
长文本语言模型的可控性评估：人造生物故事让评估更全面、更可靠
这项由英国爱丁堡大学和上海人工智能实验室研究者共同完成的工作提出了LongBioBench，一种用于评估长文本语言模型的新型基准测试框架。通过使用人工生成的虚构人物传记作为测试环境，该框架在保持可控性的同时，提供了更真实...
2025-06-08
SuperWriter：使用大型语言模型实现反思驱动的长篇文本生成
SuperWriter是一项来自新加坡科技设计大学和清华大学的突破性研究，通过模仿人类"先思考后写作"的过程，彻底改良了AI长文生成能力。该研究团队开发的框架包含三个关键阶段：规划、写作和修改，使AI能像专业作家一样进行...
2025-06-08
LayerFlow：香港大学和阿里巴巴共同打造的层级视频生成技术，让你轻松创建前景、背景可分离的视频
香港大学与阿里巴巴达摩院合作开发的LayerFlow是一种突破性的层级视频生成技术，能同时生成透明前景、完整背景和混合场景视频。该技术通过创新的框架设计将不同视频层级作为子片段连接，并引入层级嵌入使模型区分各层级。面对高...
2025-06-08
SVGenius基准测试：大语言模型在SVG理解、编辑和生成方面的全面评估
浙江大学研究团队开发的SVGenius是首个综合评估大语言模型SVG处理能力的基准测试系统。该研究涵盖2,377个测试样例，评估了22种主流AI模型在理解、编辑和生成三个维度上的表现。结果显示，虽然专有模型如Claude...
2025-06-07
进击的多模态推理：浙大&复旦联合研究团队揭秘从优化冷启动到分阶段强化学习的全新训练范式
这项研究由浙江大学、复旦大学等机构联合完成，提出了ReVisual-R1模型，通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略...
2025-06-07
一招制胜：通过单一问题的批评式微调释放大语言模型的推理潜力
这项研究提出了一种名为"批评式微调"的创新方法，证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验，发现这种方法在数学和逻辑推理任务上都取得了显著提升，平均提高1...
2025-06-07
图像编辑即程序：新加坡国立大学研究团队提出模块化编辑框架，让复杂图像编辑变得简单高效
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架，它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色，但在需要改变图像结构时效果差。...
2025-06-07
TalkingMachines：Character AI打造的实时音频驱动视频会话系统，让虚拟形象自然对话成为现实
Character AI的研究者开发出TalkingMachines系统，通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括：将18B参数的图...
2025-06-07
别被表面现象迷惑：如何真正衡量大语言模型的自我偏好
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数，通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度，有效分离了回答质量与自我偏好偏差。实验发现，预训练...
2025-06-07
DenseDPO：解决视频生成中的静止偏好，用精细时序偏好优化提升动态表现
这篇研究提出了DenseDPO，一种改进视频生成模型的新方法，通过三大创新解决了传统方法中的"静态偏好"问题：使用结构相似的视频对进行比较，采集细粒度的时序偏好标注，并利用现有视觉语言模型自动标注。实验表明，DenseD...
2025-06-07
RefEdit：一项突破性研究，让AI编辑图像时能准确理解「这个人」「那只猫」到底是指谁
亚利桑那州立大学的研究团队开发了RefEdit，这是一种新型图像编辑AI系统，能够准确理解和处理指代表达（如"中间那个人"、"右边的猫"）。通过创建RefEdit-Bench基准测试，研究者们证明现有模型在多物体场景中表...