2025-12-08
香港中文大学携手美团打造"万能思考家"：AI模型首次实现图像视频推理全覆盖
香港中文大学MMLab与美团联合研究团队开发出OneThinker，这是首个能够统一处理图像和视频理解任务的多模态推理模型。该模型通过创新的EMA-GRPO算法解决了多任务训练中的奖励不平衡问题，在包含60万样本的大规模...
2025-12-08
AI模型学会了看图"动手"：字节跳动揭示多模态大模型的"工具使用"革命
这项由浙江大学与字节跳动BandAI联合完成的研究发现，现有AI模型在处理旋转或翻转图片时准确率骤降80%，为此开发了CodeVision框架，让AI学会像人类一样主动使用图像处理工具。通过"代码即工具"的创新方法，AI...
2025-12-08
KAIST研究团队：让AI绘画像人类一样"反思修改"，一次生成不满意就改提示词重画
KAIST团队开发的PRIS系统通过让AI在生成过程中反思和改进提示词，实现了图像生成7%、视频生成15%的效果提升。该系统包含精密的EFC验证器，能逐项检查生成内容是否符合要求，然后智能调整输入指令。这种"生成-反馈-...
2025-12-08
Adobe公司推出RELIC：让视频世界能"记住"一切的游戏引擎，20秒超长体验颠覆传统
Adobe公司研发的RELIC是一个革命性的AI视频世界模型，能从单张图片生成可实时交互探索的虚拟世界。它解决了AI视频生成中的三大难题：实时响应、长期记忆和精确控制。通过创新的压缩记忆技术和双师制训练架构，RELIC实...
2025-12-08
香港科大发现：AI大模型内部隐藏的"数学密码"，无需人类监督就能自己变聪明
香港科技大学研究团队发现了一种革命性的AI训练方法——通过"稳定秩"这一数学概念直接从模型内部几何结构提取质量信号，无需人工标注即可显著提升AI回答质量。该方法在数学推理等任务上比传统方法提升10-19个百分点，为AI自...
2025-12-08
斯坦福大学新发现：AI如何像人类一样学会"举一反三"
斯坦福大学研究团队在《自然·机器智能》期刊发表突破性研究，首次实现让AI像人类一样"举一反三"的快速学习能力。通过元学习技术，AI系统能从极少样本中快速掌握新任务，学习效率提升数十倍，训练数据需求减少90%以上。这项技术...
2025-12-08
谷歌与大阪大学联手推出AlignBench：AI图像文本匹配能力的"照妖镜"有多强？
这项由OMRON SINIC X公司与大阪大学联合完成的突破性研究，首次系统性地揭示了当前AI模型在图文匹配任务中的真实能力和局限性。研究团队开发的AlignBench评估框架，通过9万个真实AI生成样本，发现即使最先进...
2025-12-08
德州大学团队发明AI模型"瘦身术"：让超级大脑装进手机却不失智慧
德州大学研究团队提出UniQL框架，这是首个系统性结合量化和结构化剪枝的AI模型压缩技术。该技术能让大型AI模型在云端完成一次性压缩处理，然后在边缘设备上实现0-35%的动态裁剪，同时保持95%以上的原始性能。实验显示模...
2025-12-08
NYU研究团队新发现：让AI变聪明的秘诀，竟然是让它学会"自省"和"再试一次"
纽约大学研究团队提出SkillFactory技术，让AI通过重新组织自己的回答学习认知技能，无需强大模型指导即可掌握验证和重试能力。实验显示该方法在数学推理、逻辑游戏等任务上效果显著，AI开始具备"思考如何思考"的元认知...
2025-12-08
清华大学联手阿里巴巴重大突破：让AI生成图像变得更快更聪明的全新方法
清华大学和阿里巴巴联合研究团队提出了一种名为"反向表示对齐"的创新方法，显著改进了正规化流这类AI图像生成模型。通过在生成过程而非编码过程中注入语义指导，新方法不仅将图像质量评分FID从4.21降至3.69，分类准确率从...
2025-12-05
NVIDIA联手多所高校推出SpaceTools：AI机器人有了"火眼金睛"和"妙手回春"
NVIDIA联合多所高校开发的SpaceTools系统通过双重交互强化学习方法，让AI学会协调使用多种视觉工具进行复杂空间推理。该系统在空间理解基准测试中达到最先进性能，并在真实机器人操作中实现86%成功率，代表了AI从...
2025-12-05
机器人学会"三思而后行"：中科院团队让AI机器人告别行动失误
这项研究解决了现代智能机器人面临的"行动不稳定"问题，开发出名为TACO的决策优化系统。该系统让机器人在执行任务前生成多个候选方案，然后通过伪计数估计器选择最可靠的行动，就像为机器人配备智能顾问。实验显示，真实环境中机器...
2025-12-05
Jina AI推出2.4B参数多语言视觉语言模型：小身材，大本事的AI视觉助手
Jina AI推出了仅24亿参数的jina-vlm视觉语言模型，在同等规模模型中实现了最佳多语言表现。该模型通过创新的注意力池化连接器将SigLIP2视觉编码器与Qwen3语言模型连接，采用分块图像处理策略和两阶段训练方...
2025-12-05
当AI也有了"户籍"：MIT团队揭秘开放模型世界的权力版图大洗牌
本文基于MIT等机构研究团队对全球最大开放AI模型平台Hugging Face的深度分析，通过22亿次下载记录和85万个模型数据，首次系统揭示了开放AI生态系统中的权力分布变化。研究发现美国科技巨头主导地位正在衰落，中国...
2025-12-05
腾讯团队首创视觉"聪明眼"，让AI像人一样智能看图
腾讯AI实验室首创AdaptVision系统，让AI像人类一样先看整体再聚焦细节，实现视觉问答任务的智能资源分配。该系统通过创新的"解耦回合策略优化"训练方法，学会根据问题复杂度动态决定是否需要查看高分辨率图像区域。实验...
2025-12-05
台大等顶尖高校联手破解图像去模糊难题：让AI学会物理规律的BlurDM模型
这项由台湾多所顶尖高校联合完成的研究首次将物理模糊形成过程融入AI去模糊技术。BlurDM通过双重扩散机制，同时处理随机噪声和结构化模糊，在四个基准数据集上全面超越现有方法。该技术采用三阶段训练策略和潜在空间优化，仅需5...
2025-12-05
NPU芯片上的多模态AI突破：Nexa AI与吉利汽车联手打造边缘智能新方案
Nexa AI与吉利汽车联合开发的AutoNeural系统，专门解决车载AI的效率问题。通过MobileNet视觉识别和混合Transformer-SSM语言架构，在NPU芯片上实现14倍速度提升，支持实时安全监控、智能...
2025-12-05
南京大学团队发布PosterCopilot：让AI成为真正懂设计的海报制作助手
南京大学团队开发的PosterCopilot系统通过创新的三阶段训练方法，解决了AI海报设计中的几何理解和美学判断难题。该系统不仅能生成专业水准的海报，还支持精确的分层编辑，让普通用户也能轻松制作高质量设计作品，为AI在...
2025-12-05
清华大学和微软联手破解视频理解难题：让AI像人一样"看懂"长视频
清华大学和微软联合研究团队提出DIG框架，解决AI长视频理解难题。该框架首次区分全局和局部查询类型，对不同问题采用相应策略：全局问题用均匀采样，局部问题用智能帧选择。实验显示性能提升达7%，在256帧输入下仍保持优势，为...