蚂蚁集团提出GRAO:让AI模型在"模仿-探索-超越"中实现自我优化的统一对齐框架
蚂蚁集团智能医疗部门提出GRAO统一对齐框架,通过"模仿-探索-超越"三阶段机制解决传统AI对齐方法局限性。该方法相比监督微调、强化学习等基线方法分别实现57.70%、7.95%等显著提升,特别在专家混合模型上表现突出,...
蚂蚁集团智能医疗部门提出GRAO统一对齐框架,通过"模仿-探索-超越"三阶段机制解决传统AI对齐方法局限性。该方法相比监督微调、强化学习等基线方法分别实现57.70%、7.95%等显著提升,特别在专家混合模型上表现突出,...
ByteDance研究团队推出的M3-Agent是首个具备长期记忆能力的多模态AI代理。它能同时处理视频、音频信息,像人类一样积累经验和知识。系统采用情节记忆和语义记忆双重机制,以实体为中心组织信息,并通过多轮推理解决复...
微软研究院开发的VisCodex实现了多模态AI的重要突破,通过创新的模型融合技术让AI同时具备视觉理解和编程能力。该系统采用任务向量融合方法,将视觉语言模型与编程模型巧妙结合,并构建了包含59.8万样本的多模态编程数据...
清华大学研究团队开发了AMFT自适应元微调方法,通过智能元学习控制器动态平衡模仿学习与强化学习,解决传统AI训练中的灾难性遗忘问题。该方法在数学推理、视觉推理等多项任务中创造最佳成绩,不仅提高了性能还增强了泛化能力,为开...
德国慕尼黑工业大学研究团队探索了AI自动生成解释是否能帮助其他AI模型提升决策性能。研究使用四个大型语言模型生成自然语言解释,并测试其对传统模型和先进语言模型的影响。结果显示,解释能显著改善传统模型表现,但对大型语言模型...
这是一个很有信息量的讨论。2025年8月,科技投资人Peter Diamandis在他的"Moonshots"播客中,放出了1X Technologies的CEO Bernt Bornich和Link Ventures的...
在全国 70 余家三甲医院,真健康穿刺手术机器人实现了“安全精准、一针到位”。依托研华高性能边缘AI硬件与医疗级显示器支撑,这一国产医疗创新突破了传统经验依赖,实现亚毫米级穿刺精度,让医疗更高效、更安全。
香港理工大学联合多所高校开发的Mol-R1框架,首次实现了AI在分子发现中的透明推理。该系统通过PRID方法学习专家推理模式,配合MoIA迭代训练策略,不仅能准确生成分子结构,还能展示完整思考过程。相比现有模型,Mol-...
蚂蚁集团AWorld团队发表突破性研究,创建动态多智能体协作系统解决AI稳定性难题。研究灵感来源于船舶导航,通过执行智能体和守护智能体的协作机制,在GAIA测试中准确率达67.89%,稳定性提升17.3%,荣登开源项目排...
本研究揭示了合成数据在AI图像生成训练中的独特价值,创建了18万张GPT-4o生成的Echo-4o-Image数据集。相比真实图像,合成图像能补充稀有幻想场景、提供纯净训练信号、实现精确的长尾属性控制。基于此数据集训练的...
百度等机构联合推出MATHREAL数据集,首次系统评估AI模型在真实K-12教育场景中的数学推理能力。通过2000道真实拍摄的数学题目,研究发现即使是最先进的AI模型在面对模糊、倾斜等真实条件时准确率也只有53.9%,远...
上海交大和复旦大学研究团队发现了AI视觉系统的重大安全漏洞——IAG攻击。这种攻击能让AI助手在视觉定位时被恶意操控,无论用户询问什么,都会指向攻击者预设的错误目标,且几乎无法被察觉。实验显示攻击成功率超65%,现有防御...
浙江大学团队开发的Cooper框架实现了AI训练中的"教学相长",通过同步优化策略模型和奖励模型,成功解决了传统训练中的奖励黑客攻击问题。该框架让AI老师和学生同步成长,在数学推理任务上实现了显著性能提升,为构建更稳定可...
上海交通大学邓志杰教授团队开发出革命性的D2F技术,成功让AI文本生成速度比传统模型快2.5倍。该技术通过巧妙的分块并行处理和预测机制,在大幅提升速度的同时保持文本质量不变,打破了AI领域长期存在的"速度与质量不可兼得"...
德国慕尼黑工业大学联合谷歌等机构推出HyperNoise技术,通过训练专门的"噪声超网络"为AI图像生成模型提供最优起始条件,在几乎不增加推理时间的情况下显著提升生成质量。该技术将复杂的优化过程从推理时转移到训练时,实现...
密歇根大学研究团队提出AimBot技术,通过在机器人视觉系统中添加类似瞄准镜的射击线和十字准星,显著提升机械臂操作精度。该技术计算效率极高(不到1毫秒),无需修改现有模型架构,在仿真和真实环境测试中都带来显著性能提升,特...
阿里达摩院联合多所高校提出AffordDex框架,让机器人灵巧手首次具备类人功能感知能力。通过两阶段训练结合负面功能感知分割技术,实现既自然又安全的物体抓取,成功率达89.2%,人类相似性评分8.6分,功能正确性远超现有...
斯坦福大学研究团队开发了史上最具挑战性的AI数学推理测试系统Putnam-AXIOM,基于威廉·洛威尔·普特南数学竞赛的522道大学级难题。测试结果显示,即使最强的AI模型也只能达到42%的正确率,远低于它们在传统测试中...
普渡大学研究团队开发了ASTRA红队系统,通过"空间时间探索"方法系统测试AI编程助手安全性。与传统方法不同,ASTRA专注现实使用场景,通过构建领域知识图谱和分析AI推理过程发现漏洞。实验显示ASTRA比现有技术多发现...
土耳其萨班哲大学研究团队开发了突破性AI系统TCSSM,能够结合卫星图像和地理灾害描述,自动评估全球各地的自然灾害损失。该系统通过分析216万个问答样本,在跨地域测试中达到87.68%的平均准确率,为国际救援提供快速精准...