2025-06-30
中科院与百川智能联手推出机器人"全才"：能看会说还会做的统一智能体
中科院团队首次实现机器人视觉、语言、动作三位一体统一建模，开发出UniVLA模型。该模型采用创新的"世界模型"训练策略，通过观看视频学习物理规律，在多个基准测试中创下新纪录。LIBERO测试成功率达95.5%，比此前最好...
2025-06-30
当AI也要学会"言行一致"：腾讯与港大团队打造更聪明的视频理解模型
腾讯与港大研究团队提出GRPO-CARE方法，解决AI视频理解中推理过程混乱的问题。通过创建SEED-Bench-R1基准测试和双重奖励机制，让AI在提高准确率的同时保持推理逻辑性，在最难测试中性能提升6.7%，推理一致...
2025-06-27
北航团队发布AnimaX：让静态3D模型瞬间"活"起来的神奇技术
北航团队发布AnimaX技术，能够根据文字描述让静态3D模型自动生成动画。该系统支持人形角色、动物、家具等各类模型，仅需6分钟即可完成高质量动画生成，效率远超传统方法。通过多视角视频-姿态联合扩散模型，AnimaX有效结...
2025-06-27
让AI看图说话更详细更准确：上海人工智能实验室团队开发的ScaleCap技术突破
这项研究解决了AI图片描述中的两大难题：描述不平衡和内容虚构。通过创新的"侦探式追问"方法，让AI能生成更详细准确的图片描述，显著提升了多个AI系统的性能表现，为无障碍技术、教育、电商等领域带来实用价值。
2025-06-27
Skywork AI让人工智能代码修复首次超越人类程序员：揭秘神奇的软件工程数据规模效应
Skywork AI首次在软件工程领域验证数据规模效应，开发的Skywork-SWE-32B模型在SWE-bench Verified基准测试中达到38.0%准确率（使用测试时缩放技术可达47.0%），创下开源模型新纪录...
2025-06-27
中科院让AI做数学题更聪明：一种像教师和教练双重指导的新训练方法
中科院团队提出SRFT新方法，通过同时进行监督学习和强化学习，并使用熵感知机制动态平衡两种训练方式，让AI在数学推理任务中取得显著提升，准确率达59.1%，为AI训练提供了新的有效范式。
2025-06-27
MIT实验室打造音频界"翻译官"：一个模型搞定语音、音乐和环境声
这篇论文介绍了MIT开发的USAD技术，这是一种能够同时理解语音、音乐和环境声音的通用音频AI模型。通过创新的知识蒸馏方法，USAD在多个音频处理任务上都达到了接近专门模型的性能水平，为构建更智能的音频理解系统奠定了基础...
2025-06-27
中科院团队推出SimpleGVR：让AI视频从模糊走向高清的超级放大镜
中科院团队开发的SimpleGVR系统革新了AI视频增强技术，通过直接在潜在空间处理和创新的分阶段训练策略，能够将AI生成的低分辨率视频高效提升至高清画质。该系统不仅提升分辨率，还能修正AI视频特有的颜色混合等问题，在多...
2025-06-27
浙江大学重磅发布KnowRL：让AI大模型拥有"知识边界"意识，告别胡编乱造时代
浙江大学联合腾讯AI实验室提出KnowRL方法，通过在强化学习中集成事实性奖励机制，有效解决慢思维AI模型在推理过程中的幻觉问题。该方法在保持原有推理能力的同时，显著提升了模型的事实准确性，为构建更可靠的AI系统提供了新...
2025-06-27
浙大联合蚂蚁集团揭秘：为什么开源AI在数据分析上总是败给商业模型？
浙大联合蚂蚁集团通过系统性研究发现，开源AI在数据分析上表现不佳的根本原因是缺乏战略规划能力。研究团队通过精心设计的数据合成方法，成功提升了开源模型的表现，14B模型甚至能媲美GPT-4，证明了高质量训练数据比海量数据更...
2025-06-27
大语言模型在"混合语言"面前的尴尬：MBZUAI揭示AI理解多语言混用文本的真实水平
MBZUAI和巴黎综合理工学院研究团队系统评估了大语言模型对混合语言文本的理解能力，发现当英语中混入其他语言时模型性能下降，但其他语言中混入英语时性能反而提升，揭示了AI系统的语言偏见问题，并提出了通过专门训练改善的有效...
2025-06-27
Amazon团队推出FiSCo：首个能揪出AI语言模型微妙偏见的"神探"系统
Amazon研究团队开发了FiSCo系统，首次实现对AI语言模型长篇回答中微妙偏见的精准检测。该系统通过分解语义声明和统计分析，能发现传统方法无法捕捉的隐性偏见，在准确率上比现有方法提升15%。实验显示主流AI模型普遍存...
2025-06-27
Adobe团队首次实现"时空魔法"：让AI从几张照片重建任意时刻的4D世界
Adobe研究团队开发的4D-LRM系统实现了从稀疏多视角图像重建动态4D场景的突破。该技术采用统一的时空表示学习方法，通过Transformer架构直接预测4D高斯基元，能在1.5秒内重建24帧动态序列。在多种相机配置...
2025-06-27
英伟达新突破：让电脑自己设计芯片，75%工作量不再需要人工干预
英伟达等机构联合开发出Spec2RTL-Agent智能系统，能直接从复杂芯片设计文档自动生成硬件代码，减少75%人工干预。该系统采用多代理协作方式，包含理解规划、渐进编程和智能反思三大模块，成功验证了人工智能在硬件设计自...
2025-06-27
首个突破：首尔国大团队让AI学会"私人定制"看图说话术，多角色一次搞定不再出错
首尔国立大学团队突破性地提出了基于强化学习的多模态大语言模型个性化训练框架RePIC，仅用2000个样本就达到传统方法21万样本的效果，在多角色图像描述任务中准确率提升至71%（传统方法仅21.3%），首次实现了高效、准...
2025-06-27
Valeo公司推出DIP：让AI模型像人类一样"举一反三"学习图像理解
法国Valeo公司联合巴黎索邦大学开发出DIP技术，让AI模型能像人类一样通过少量样本快速学习图像理解。该技术采用创新的"元学习"训练方式，无需人工标注即可显著提升模型在复杂场景下的分割性能，训练时间仅需9小时，在多个数...
2025-06-27
微软推出RealPlay：用AI把游戏世界变成现实世界的神奇技术
微软等机构联合推出的RealPlay系统首次实现了用游戏控制指令生成现实视频的突破。该系统仅使用赛车游戏数据训练，却能控制现实中的汽车、自行车和行人运动，控制成功率达90%。RealPlay支持交互式视频生成，用户可像玩...
2025-06-27
中科院团队突破视频光影魔法：让任何视频在不同时间地点"重新拍摄"
中科院自动化所研究团队开发出TC-Light视频重新打光技术，能够在保持原有内容完全不变的情况下改变视频光照环境。该技术采用独创的"独特视频张量"和两阶段优化策略，可将阴天场景转换为阳光效果，或为普通视频添加科幻光影，同...
2025-06-27
SCB 10X团队重磅突破：金融界的AI助手终于学会了专业推理
SCB 10X团队开发了FinCoT方法，通过将金融专家推理流程嵌入AI提示中，显著提升了大语言模型在金融任务上的表现。该方法在CFA考试题目上将准确率从63.2%提升至80.5%，同时将输出长度减少8倍，为AI在专业金...