2025-06-09
Micro-Act：用自主推理解决问答中的知识冲突
这篇研究介绍了Micro-Act，一种创新框架，旨在解决问答系统中的知识冲突问题。由香港大学等机构研发的这一方法能够自动感知上下文复杂度，并将知识源分解成一系列细粒度比较，有效克服了传统方法在处理复杂冲突时的局限性。实验...
2025-06-09
评估真相大揭秘：DeepSeek推理模型在基准测试中的浮动陷阱
这项研究揭示了评估大语言模型推理能力时的一个重要问题：微小的评估条件变化可能导致基准测试结果大幅波动。研究者发现，DeepSeek-R1-Distill系列等模型的评估结果极易受到种子初始化方法、数据集版本等因素影响，波...
2025-06-09
谷歌CEO皮查伊两小时访谈：AI是人类所见过最深远的技术，意义将超越火与电，因为它可以自我迭代
这周，《Lex Fridman Podcast》放出了谷歌/ Alphabet的CEO桑达尔·皮查伊（Sundar Pichai）的深度访谈。Lex Fridman Podcast的节目时长都很夸张，一如既往，这场对话也...
2025-06-09
CapSpeech：开创风格提示语音合成的下游应用新纪元
CapSpeech是约翰·霍普金斯大学等机构联合提出的风格描述文本转语音合成基准，包含超过1000万机器标注和36万人工标注的语音-描述配对。它支持五大下游任务：基础风格描述、带音效的语音合成、口音控制、情感表达和表现力...
2025-06-09
位置专家模型：为推测性解码打造更优质草稿的突破技术——华盛顿大学和卡内基梅隆大学联手研发
华盛顿大学和卡内基梅隆大学的研究团队开发了"位置专家"（PosS）技术，解决了推测性解码中的关键挑战。传统方法使用单一草稿模型预测多个位置的词汇，导致预测质量随位置深入而急剧下降。PosS创新性地引入多个专业化层，每层负...
2025-06-09
分段优化：让大语言模型通过段级信用分配更高效地学习推理能力
这篇研究论文《段级策略优化》提出了一种介于词元级和轨迹级之间的新型强化学习框架SPO，用于提升大语言模型的推理能力。研究者将生成序列划分为连续段落，并在段级粒度上估计优势，实现了更精确的信用分配和更准确的优势估计。SPO...
2025-06-09
小语言模型将成为AI智能代理的未来：NVIDIA研究团队揭示更高效的AI架构
NVIDIA研究团队在最新研究中指出，小语言模型(SLM)将成为AI智能代理的未来。他们论证了SLM不仅足够强大，还在操作上更适合且经济性更高。研究显示现代SLM已可媲美更大模型的性能，同时推理成本降低10-30倍，微调...
2025-06-09
RiOSWorld：突破性评测揭示多模态电脑使用代理的安全风险隐患
RiOSWorld是一项开创性研究，评估多模态计算机使用代理在真实环境中的安全风险。由上海人工智能实验室团队开发的这个基准测试包含492个风险任务，涵盖网页浏览、社交媒体、操作系统等多种应用场景。研究将风险分为环境源和用...
2025-06-09
IllumiCraft：牛津大学联合研究团队打造融合几何与光照的视频生成新技术，让视频重光照变得触手可及
牛津大学林元泽及其国际合作团队开发的IllumiCraft是一种创新的视频重光照技术，它首次将几何和光照引导统一到一个扩散模型中。通过同时处理HDR环境图、合成重光照帧和3D点轨迹，该技术能生成与用户提示一致的时间连贯视...
2025-06-09
人工智能推动高温超导材料研究：中国人民大学物理学院开发HTSC-2025基准数据集，为AI预测超导临界温度铺平道路
中国人民大学物理学院研究团队开发了HTSC-2025，这是一个专为AI预测超导临界温度而设计的常压高温超导体基准数据集。该数据集包含140个样本，涵盖了2023-2025年基于BCS理论预测的超导材料，平均Tc为27.3...
2025-06-09
FinChain：金融领域首个可验证的符号化思维链推理基准测试
MBZUAI研究团队开发了FinChain，这是金融领域首个可验证的符号化思维链推理基准测试。该基准涵盖12个金融领域的54个主题，每个主题包含5个不同难度的参数化模板，配有可执行的Python代码验证每一步推理。研究者...
2025-06-09
视频技能思维链：用领域自适应的技能链实现视频推理突破
这项研究提出了VIDEO-SKILL-COT（别名VIDEO-SKOT），一种新型视频理解框架，能自动构建和利用技能感知的思维链进行领域自适应视频推理。北卡罗来纳大学教堂山分校的研究人员首先从训练问题中提取领域相关推理技...
2025-06-09
AmbiK：探索厨房环境中的歧义任务，MIPT和AIRI共同打造智能机器人交流新标准
莫斯科物理技术学院和人工智能研究所共同开发的AmbiK数据集，专门用于评估大型语言模型处理厨房环境中歧义指令的能力。该数据集包含1000对任务，按照偏好类、常识知识类和安全类三种歧义类型分类，每对包含歧义和无歧义指令、环...
2025-06-09
CASS：跨越Nvidia与AMD的代码转译突破——来自MBZUAI的数据、模型与基准测试解决方案
MBZUAI和澳大利亚国立大学的研究团队开发了CASS，这是首个大规模跨架构GPU代码转译系统，实现了Nvidia和AMD之间的源代码和汇编级代码转换。该项目包含7万对验证代码对，展示了源代码转换95%和汇编转换37.5...
2025-06-09
MMR-V：视频多模态深度推理的新基准——探究视频中未被言明的内容
MMR-V是一个创新的视频多模态深度推理基准测试集，专注于评估AI模型在视频长距离多帧推理能力。与现有基准不同，它要求模型不仅理解问题帧，还需在远距离帧中挖掘证据进行推理。研究发现即使最先进的模型o4-mini也仅达到5...
2025-06-08
VisCoder：打造能生成可执行Python可视化代码的大语言模型
这项研究介绍了VisCoder，一个经过专门微调的大语言模型，用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集，结合了可执行代码示例和多轮修正对话。在PandasPlo...
2025-06-08
适应再学习：四川大学团队提出的革新性连续学习框架
这项研究提出了"适应再连续学习"（ACL）框架，一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整，ACL使模型既能更好地学习新知识（提高可塑性），又能保留已有知识（维...
2025-06-08
双域稳健性：CLIP模型需要一个稳健的文本编码器
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题，提出了LEAF方法（Levenshtein高效对抗性微调）来增强文本编码器的稳健性。实验表明，LEAF显著提高了模型在面对文本扰动时的性能，在AG-News数据集...
2025-06-08
BenchHub：一站式自定义评估大语言模型的统一基准平台 - KAIST和Yonsei大学科研团队让模型评估更智能灵活
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台，整合了38个基准中的30万个问题，按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差，而BenchHub通过自动分类系...
2025-06-08
双架构设计：破解持续学习中稳定性与可塑性的两难困境
这项由四川大学、浙江大学和清华大学合作完成的研究提出了"双架构"框架，创新性地解决了持续学习中的稳定性-可塑性困境。研究发现深度网络具有更好的可塑性，而宽度网络则更具稳定性，据此设计了两个互补网络：一个专注学习新知识，另...