2025-12-12
字节跳动发布GAR：让AI能像人类一样精准理解图像任何区域的突破性技术
字节跳动等机构联合发布GAR技术，让AI能同时理解图像的全局和局部信息，实现对多个区域间复杂关系的准确分析。该技术通过RoI对齐特征重放方法，在保持全局视野的同时提取精确细节，在多项测试中表现出色，甚至在某些指标上超越了...
2025-12-12
Inclusion AI推出万亿参数思维模型Ring-1T：首个开源的超大规模推理引擎如何重塑AI思考边界
Inclusion AI团队推出首个开源万亿参数思维模型Ring-1T，通过IcePop、C3PO++和ASystem三项核心技术突破，解决了超大规模强化学习训练的稳定性和效率难题。该模型在AIME-2025获得93.4...
2025-12-12
南京大学团队打造视频AI新标杆：让机器真正"听懂"复杂指令描述视频
南京大学研究团队开发了IF-VidCap，首个专门评估视频AI指令遵循能力的测试基准。该系统包含1400个测试样本和27种约束类型，能全面评估AI是否能按照复杂指令生成视频描述。研究发现当前最强开源模型已达到闭源模型85...
2025-12-12
复旦大学团队推出首个多轮视频对话评测基准，AI视频理解能力大起底
复旦大学等机构联合推出全球首个多轮视频对话评测基准MT-Video-Bench，系统评估了20个先进AI模型在视频理解和对话互动中的真实表现。研究发现即使最强AI模型准确率也仅68%，在跨场景推理和主动互动方面存在明显短...
2025-12-12
长视频生成不再是空中楼阁：中科大团队揭秘一分钟高清视频的生成秘诀
中科大团队提出MoGA混合群组注意力机制，首次实现端到端生成一分钟长度多镜头高清视频。该方法通过智能分组策略将相关内容聚集处理，在保持71.25%稀疏度的同时实现1.7倍计算加速，生成的视频具有出色的跨镜头一致性和时间连...
2025-12-12
香港大学团队突破视频生成瓶颈：一小时超长视频也能保持完美连贯性
香港大学团队开发的VideoSSM突破了AI视频生成的时长瓶颈，通过创新的双重记忆架构，能生成一小时长度且保持完美一致性的视频。该系统模仿人脑记忆机制，结合局部和全局记忆模块，在长视频生成测试中取得领先成绩，为视频创作普...
2025-12-12
谷歌语音合成新突破：让AI说话像真人一样自然流畅
伊朗谢里夫理工大学研究团队开发了一种新的语音合成技术，通过服务导向架构解决了机器发音准确性和实时性难以兼得的问题。该技术将复杂的语言处理模块独立运行，避免拖累核心引擎速度，在波斯语测试中发音准确率显著提升，为语音助手和屏...
2025-12-12
上海创新学院EtCon框架：让AI大模型真正"记住"新知识的革命性方法
上海创新学院等机构联合提出EtCon框架，首次解决了AI大模型知识编辑中"记住但不会用"的关键问题。该方法采用编辑-整合两阶段设计：TPSFT精确注入新知识，GRPO训练实际应用能力。实验显示可靠性和泛化性提升35%-5...
2025-12-12
人脑如何看世界？MIT和魏茨曼研究所首次用AI大规模解密视觉皮层的秘密语言
MIT和魏茨曼研究所联合开发的BrainExplore系统首次实现了对人脑视觉皮层的大规模自动化分析。该研究使用AI技术分析73000张图像对应的大脑扫描数据，发现大脑视觉功能的精细化程度远超预期，能够区分"冲浪"、"踢...
2025-12-12
香港科大团队推出BiCo：让AI像艺术家一样自由组合图片和视频中的任意元素
香港科技大学研究团队推出BiCo系统，实现了前所未有的视觉概念组合能力。该系统能够从图片和视频中智能提取各种概念元素，包括物体、动作、风格等，并根据用户的文字描述将这些概念重新组合成高质量的新视频。通过分层绑定器结构、多...
2025-12-12
首个红外图像理解评测基准IF-Bench：中科院自动化研究所团队破解多模态大模型的"夜视"难题
中科院自动化研究所团队构建了首个红外图像理解评测基准IF-Bench，系统评估了40多个主流AI模型的红外图像理解能力，发现即使最先进的模型也存在显著短板。研究提出了生成式视觉提示方法GenViP，通过图像翻译技术让AI...
2025-12-12
新加坡科技设计大学团队开发AI"矿工智囊"：精准预测比特币挖矿设备何时买最赚钱
新加坡科技设计大学团队开发了MineROI-Net，这是首个专门预测比特币挖矿设备购买时机的AI系统。该系统通过分析价格、难度、电费等因素，将投资结果分为亏损、保本、盈利三类。测试显示准确率达83.7%，在识别亏损风险和...
2025-12-12
让AI相机也懂重力：Adobe实验室如何让视频生成告别"头重脚轻"
Adobe与拉瓦尔大学联合开发的GimbalDiffusion系统首次为AI视频生成引入重力感知能力，解决了传统方法无法精确控制绝对相机角度的问题。通过使用360度全景视频训练和零俯仰调节技术，该系统实现了前所未有的相机...
2025-12-12
香港中文大学新研究：AI视频理解为什么不需要冗长"思考"，简洁推理反而更高效？
香港中文大学研究团队发现，当前视频AI系统的冗长"链式思维推理"既低效又不准确，提出了基于简洁推理和视觉压缩的新方法。该方法通过直接训练避免模仿人类思考过程，在九项视频理解测试中全面超越传统方法，推理速度提升10倍，为视...
2025-12-12
史上最严格的AI合作模式研究：Google和MIT团队破解多智能体系统何时有效的终极密码
Google和MIT联合研究团队通过180个严格控制的实验配置，首次科学量化了AI智能体协作的效果规律。研究发现协作效果完全取决于任务特性：金融分析等可分解任务中多智能体能提升80%性能，但游戏规划等序列任务中反而降低3...
2025-12-11
西湖大学与清华大学联合发布TwinFlow：让AI图像生成秒变魔术，一步搞定原本需要100步的任务
西湖大学等机构联合发布TwinFlow技术，通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步，速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机...
2025-12-11
当AI学会分辨真假照片：中山大学团队让图像生成器彻底告别"塑料感"
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制，让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示，RealGen在逼真度评测中大幅领先现有模型...
2025-12-11
为AI配上"眼睛"和"大脑"，让机器真正学会空间推理
这项由中科院信息工程研究所等机构合作完成的研究，开发出COOPER模型，让AI真正学会了空间推理。通过协调视觉感知和逻辑推理两大能力，COOPER能根据问题类型自主选择是否生成深度图或分割图来辅助分析，在空间理解任务上取...
2025-12-11
复旦大学团队突破AI视频理解：让机器像侦探一样逐步推理，识别视频中的目标物体
复旦大学团队突破性研究ReVSeg将AI视频理解从简单的物体识别提升到真正的推理分析。该系统采用三步骤分解推理链条：语义理解、时间定位、空间定位，结合强化学习优化推理过程。在多个标准测试中性能提升超过11个百分点，推理过...
2025-12-11
清华大学突破性成果：从单张照片到活生生的4D世界，如何让静态图像变成会动的立体场景？
清华大学研究团队开发了MoRe4D系统，能够将单张静态照片转换为可从任意角度观看的4D动态场景。该技术创新性地联合建模几何结构与运动生成，构建了包含6万高质量样本的TrajScene-60K数据集，提出深度感知的运动标准...