2025-09-12
腾讯混元团队重磅发现：训练AI大模型时，浮点数的"配方"原来大有讲究！
腾讯混元团队通过366组实验发现了AI大模型低精度训练的关键规律，提出Capybara缩放定律。研究揭示指数位比尾数位更重要，存在训练数据临界值现象，4-8位精度具有最佳成本效益。该成果为AI训练提供精确预测工具，有助于...
2025-09-12
阿里巴巴研究团队突破：让AI像程序员一样"检查代码"来纠正自己的错误
阿里巴巴研究团队开发出ProgCo方法，让AI像程序员一样生成验证程序来检查和纠正自己的答案。该方法在数学问题和指令遵循任务上表现卓越，准确率提升超过7%，同时具有比传统方法更高的计算效率，为AI自我纠错开辟了新的技术路...
2025-09-12
小模型也能做大事！这个1.2B参数的AI模型如何在推理任务上超越众多竞争对手
小豆科技发布的Xmodel-2是一个专门针对推理任务优化的12亿参数语言模型。通过创新的张量程序架构、WSD学习率调度和数据配比优化，该模型在复杂推理和智能代理任务上表现卓越，超越了许多同规模模型。经1.5万亿token...
2025-09-12
南洋理工大学团队突破性发现：AI观看教学视频能否真正学会知识？
南洋理工大学研究团队构建了Video-MMMU基准，通过300个专业教学视频和900道问题，评估AI模型从视频中学习知识的能力。研究发现人类专家知识增益达33.1%，而最先进的AI模型仅达15.6%，特别在知识适应新场景...
2025-09-12
机器人有了"新老师"：清华团队让机器人通过试错学会更聪明的操作
清华大学等机构开发的SimpleVLA-RL框架突破了传统机器人依赖大量人类演示数据的局限，让机器人通过强化学习自主试错掌握技能。该方法在数据稀缺情况下将成功率从17.3%提升至91.7%，并在真实世界中验证有效，机器人...
2025-09-12
AI语音助手为什么总是答非所求？港中深研究团队发现问题根源并给出解决方案
港中深研究团队发现语音AI系统"答非所问"的根本原因在于声学和语义理解的认知鸿沟，并提出EchoX解决方案。通过创新的"回声训练"方法，EchoX用仅6千小时训练数据就在知识问答任务中取得显著性能提升，综合得分46.3分...
2025-09-12
ByteDance智能创作实验室与清华大学联手：让任何人都能制作电影级说话视频
ByteDance智能创作实验室与清华大学联合发布HuMo系统，这是首个实现文字、图片、音频三模态协同控制的人物视频生成框架。该系统通过创新的渐进式训练方法和时间自适应引导策略，让用户仅需提供文字描述、参考照片和音频就能...
2025-09-12
字节跳动破解AI智能体难题：让机器像人一样从经验中明智学习
字节跳动种子团队提出熵调制策略梯度EMPG方法，解决AI智能体在长期任务中的稀疏奖励学习难题。通过自校准梯度缩放和未来清晰度奖励双重机制，根据步骤不确定性动态调整学习信号强度。在WebShop、ALFWorld和Deep...
2025-09-12
快手团队发布Kling-Avatar：让AI真正"读懂"你的想法，生成超逼真长时长数字人视频
快手科技Kling团队发布的Kling-Avatar技术通过多模态大语言模型导演实现真正的指令理解，采用级联生成框架支持长时长数字人视频制作。该系统在唇形同步、情感表达、身份一致性等关键指标上全面超越现有技术，支持108...
2025-09-12
香港大学团队发布600万张图像的AI绘画推理数据集：让AI像人类一样"想象"后再创作
香港大学团队发布史上最大规模AI绘画推理数据集FLUX-Reason-6M，包含600万张高质量图像和2000万条双语描述，耗费15000个GPU天计算资源。首创"生成链式思维"训练法，让AI学会像人类艺术家般思考创作过...
2025-09-12
南大团队打造视频界的"3D地图"：2.7万小时海量视频数据集让AI看懂真实世界的空间关系
南京大学研究团队构建了SpatialVID，一个包含2.7万小时高质量视频的大规模空间标注数据集。该数据集为每个视频片段提供精确的摄像机姿态、深度信息、动态掩码和结构化语义描述，涵盖城市、自然、室内等多样场景。通过严格的...
2025-09-12
东北大学团队突破文本人物搜索技术：让机器像人一样"看懂"人物描述
这项研究通过创新的梯度注意力机制和500万张图片的WebPerson数据集，显著提升了文本描述人物检索的准确性。GA-DMS框架能智能识别描述中的关键词汇，过滤噪声干扰，在标准测试中达到77.6%的准确率，为安防监控、人...
2025-09-12
上海交通大学团队破解图表理解难题：让AI学会选择最合适的推理方式
上海交通大学团队通过引入"视觉可编程性"概念，成功让AI学会根据图表特征自主选择代码分析或直接观察的推理方式。该自适应框架在四个基准数据集上平均准确率达62.8%，显著超越固定策略方法。研究采用双重奖励机制训练，确保AI...
2025-09-12
哈工大联合多所高校：用高斯涂抹法重新定义图片修复，让残缺照片秒变完美
哈工大团队开创性地将3D高斯涂抹技术应用于图片修复，通过连续光斑融合替代传统像素拼接，结合DINO语义理解和分块处理策略，实现了更自然流畅的图片修复效果。该技术能处理20%-60%面积的缺失，在人脸和自然场景修复中表现出...
2025-09-12
华为诺亚方舟实验室开发出首个能像人类一样"看懂"3D世界的机器人助手OmniEVA
华为诺亚方舟实验室开发出名为OmniEVA的智能机器人系统，它具备两项核心创新：任务自适应3D建模机制能根据具体任务智能切换2D/3D视觉模式，身体感知推理框架让机器人制定计划时考虑自身物理限制。该系统在8个公开测试中有...
2025-09-12
大模型训练的隐性杀手：为什么越训练越"笨"？INFLY TECH团队破解多样性崩塌之谜
INFLY TECH、复旦大学和格里菲斯大学联合研究发现，大语言模型强化学习训练中存在"多样性崩塌"现象：模型单次准确率提升但多次尝试成功率下降。研究团队提出DPH-RL框架，通过改用正向KL散度等"质量覆盖"散度方法，...
2025-09-11
80岁，CTO，拉里·埃里森演讲回顾：生成式AI改变了一切，也改变了甲骨文，我们不再用Java写软件，但我们的云训练模型比别人快
2025年9月10日，一个让人震惊的消息传来：81岁的甲骨文（Oralce）创始人兼首席技术官拉里·埃里森（Larry Ellison）超越了埃隆·马斯克（Elon Musk），成为世界首富。他的财富在一天内增加了100...
2025-09-10
如何让AI像电影配乐师一样创作完整的长篇音频故事——腾讯ARC实验室团队AudioStory突破性进展
腾讯ARC实验室推出AudioStory系统，首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术，通过交错式推理生成、解耦桥接机制和渐进式训练，能够将复杂指令分解为连续音频场景...
2025-09-09
Meta与特拉维夫大学联手打造VideoJAM：让AI生成的视频动起来不再是奢望
Meta与特拉维夫大学联合研发的VideoJAM技术，通过让AI同时学习外观和运动信息，显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量，在多项测试中超越包括S...