2025-05-20
AI智能体与智能主体AI：揭秘人工智能新时代的两种角色、工作方式与未来发展
这篇论文由康奈尔大学和希腊伯罗奔尼撒大学的研究者合作完成，系统性地区分了AI智能体和智能主体AI这两种新兴技术范式。研究通过深入分析架构差异、运行机制和应用场景，揭示了AI智能体作为单一执行特定任务的系统，与智能主体AI...
2025-05-20
PointArena：华盛顿大学和艾伦人工智能研究所联合推出的多模态指向能力评测平台
PointArena是由华盛顿大学和艾伦人工智能研究所联合推出的多模态指向能力评测平台，分为三个互补组件：Point-Bench（包含982个指向任务的静态数据集）、Point-Battle（收集4,500多人类偏好投票...
2025-05-20
超越"啊哈时刻"：国立新加坡大学等机构研究团队提出大型推理模型的系统化元能力对齐方法
这项研究提出了一种系统化培养大型推理模型核心能力的方法，不再依赖难以预测的"啊哈时刻"。研究团队基于皮尔斯的经典推理三元组（演绎、归纳、溯因），设计了自动生成的训练任务，实现三阶段训练流程：单独对齐各元能力，参数空间合并...
2025-05-20
两万字记录微软Build2025主题演讲谈了什么：萨提亚展现好人缘，奥特曼、马斯克、黄仁勋轮番出镜，软件工程的本质在于好工具
不知道科技公司举办大会是不是也要看黄历，但这个星期应该是大家一起算好的：台北的Computex、谷歌的I/O、Dell World，以及在在西雅图举行的微软Build 2025开发者大会，接连上演。
2025-05-19
元学习赋能系统提示词优化：卡内基-梅隆和KAIST联手打造更高效的大语言模型
这项由KAIST和DeepAuto.ai研究团队开发的MetaSPO（元级系统提示词优化器）框架，通过元学习方法优化大语言模型的系统提示词，而不仅仅关注用户提示词。研究发现，一个经过优化的系统提示词可以在各种未见过的任务...
2025-05-19
ENERVERSE-AC：通过动作条件打造身临其境的机器人仿真环境
ENERVERSE-AC(EVAC)是一种创新的动作条件世界模型，它能根据机器人预测的动作生成未来视觉观察结果，实现真实且可控的机器人仿真。该研究由AgiBot、上海交通大学和香港中文大学的研究团队开发，通过多层动作条件...
2025-05-19
大脑剖析：揭秘大语言模型的思维策略、预测与控制的全新方法——KAIST与卡内基梅隆大学研究团队发现
这篇博文深入解析了KAIST与卡内基梅隆大学研究团队开发的COT ENCYCLOPEDIA框架，该框架能够自下而上地分析、预测和控制大语言模型的推理策略。研究显示，不同的推理策略对模型表现有显著影响，且这些策略主要由训练...
2025-05-19
EWMBENCH：全面评估机器人世界模型的场景、动作和语义质量
EWMBENCH是一个专为评估具身世界模型而设计的基准框架，由AgBot等多家机构联合开发。与普通视频生成不同，具身模型需要生成物理合理、动作一致的行为，尤其适用于机器人操作场景。该基准从视觉场景一致性、运动正确性和语义...
2025-05-19
打破大语言模型的"词汇牢笼"：从TokenAdapt到Supertoken，让AI自由适应多语言环境
这项研究介绍了TokenAdapt，一种通过混合启发式初始化策略帮助大型语言模型实现分词器灵活性的创新框架。研究团队同时探索了学习多词"超级词元"技术，以增强压缩效率并减少标记碎片化。实验证明TokenAdapt显著优于...
2025-05-19
自定义风格的文本到矢量图形：当AI绘图师学会画SVG图标的精彩故事
这项研究介绍了一种创新的两阶段SVG风格定制方法，使AI能够生成具有特定风格的矢量图形。香港城市大学和Adobe研究院的团队首先训练一个路径级T2V扩散模型掌握SVG结构，然后通过从定制的图像扩散模型中提取风格知识来实现...
2025-05-19
黄仁勋Computex演讲：电力、互联网之后是智能革命，AI应用与传统软件本质不同，英伟达在重构企业IT，DeepSeek是礼物
黄仁勋上午在在台北流行音乐中心做了Computex 2025的首场主题演讲，关注度自然也是极高的。两个小时的演讲，不仅回顾了英伟达公司30年的发展历程，还详细阐述了英伟达在AI、加速计算、机器人和企业级AI基础设施等领域...
2025-05-18
《奇点临近》作者库兹韦尔：奇点已经更近了，AGI将在2029年实现，我们将分不清哪些想法来自AI，十年后人类将不再衰老
雷·库兹韦尔在谷歌的官方头衔是“Principal Researcher and AI Visionary”（首席研究员兼人工智能愿景专家），但是他被外界所熟知，是因为他在2005年出版过一本叫《奇点临近》的书。
2025-05-17
亚马逊CEO Jassy访谈：我们用逆向工作法管理公司，做产品的第一步是写新闻稿，贝索斯教会我三件事情，领导者最擅长终身学习
昨天我们发布了谷歌CEO皮查伊的访谈，今天就来一期另一家互联网巨头#亚马逊 CEO Andy Jassy的博客。其实我想发Andy Jassy的内容很久了，但是苦于一直没有很好的素材。十天前，《哈佛商业评论》放出了一期对...
2025-05-16
Meta发布J1：通过强化学习激励LLM思考和做出更好的判断
这篇研究介绍了Meta公司开发的J1系统，这是一种通过强化学习训练大语言模型进行评判的创新方法。J1将可验证和不可验证的提示转换为具有可验证奖励的判断任务，从而鼓励模型在做出决策前先进行思考。研究表明，J1在8B和70B...
2025-05-16
解锁视觉令牌化的全新潜能：北京人工智能研究院提出端到端视觉令牌化调优方法
北京人工智能研究院等机构研究团队提出的"端到端视觉令牌化调优"(ETT)方法解决了视觉令牌化器在多模态任务中的表示瓶颈问题。与传统方法不同，ETT利用令牌化器码本嵌入代替离散索引，并通过重建和描述目标端到端优化视觉令牌化...
2025-05-16
深度无限融合：浙江大学和香港大学联合打造的「Prior Depth Anything」，让你的相机看得更深更远
浙江大学和香港大学的研究团队提出了Prior Depth Anything，一个创新框架，融合了深度测量中精确但不完整的度量信息与深度预测中相对但完整的几何结构。该方法通过粗到细的流程，先用像素级度量对齐将深度预测与先验...
2025-05-16
开启视觉思维：通过视觉工具强化学习赋能大型视觉语言模型
一项由苏州大学、微软等机构合作的研究OPENTHINKIMG首次提出了完整的视觉工具强化学习框架，解决了当前大型视觉语言模型缺乏视觉思维的问题。该研究基于Qwen2-VL-2B基础模型，开发了V-TOOLRL方法，通过分...
2025-05-16
深度融合大型语言模型与扩散变换器：新一代AI图像生成技术的突破性探索
这项研究探索了将大型语言模型(LLM)与扩散变换器(DiT)深度融合用于文本到图像生成的新方法。纽约大学和Hugging Face的研究团队没有提出全新技术，而是系统分析了现有方法的设计空间和关键参数选择。研究发现深度融...
2025-05-16
ReSurgSAM2：新加坡国立大学团队打造的手术视频智能追踪系统，让外科医生用语言指令精准追踪手术工具与组织
ReSurgSAM2是新加坡国立大学团队开发的两阶段手术视频分割系统，允许外科医生通过文本指令精准识别和追踪手术器械与组织。这项创新利用SAM2模型为基础，添加了跨模态空间-时间Mamba、可靠初始帧选择和多样性驱动长期...
