/
AI测试比人类更难的搜索任务：ByteDance研究揭示搜索代理的致命弱点
ByteDance研究团队通过WideSearch基准测试发现，当前最先进的AI搜索代理在大规模信息收集任务上表现极差，成功率普遍低于5%。研究揭示了AI在任务规划、反思调整、证据验证和知识幻觉等方面的根本缺陷，为未来发展多代理协作系统和改进AI搜索能力提供了重要指导。
人工智能界的"评委"进阶记：中国人民大学等机构如何让AI重新学会"看懂"文本的含金量
这项由中国人民大学、百度和卡内基梅隆大学合作的研究开发出ReasonRank系统，通过创新的数据合成和两阶段训练方法，让AI具备了真正的推理能力进行文本排序。该系统在复杂推理任务中比现有最强系统高出3-5个百分点，同时运行速度提升2-2.7倍，为推理式信息检索开辟了新方向。
快手科技团队推出Klear-Reasoner：让AI像人类一样深度思考的革命性突破
快手科技团队开发的Klear-Reasoner在AI推理领域取得重大突破，在数学竞赛AIME2024中获得90.5%高分。该研究完全公开训练细节，提出创新的GPPO方法解决传统强化学习局限，证明精选高质量数据比大量普通数据更有效，为AI推理能力提升提供了新的技术路径。
当AI聊天助手遇上挑剔用户：Salesforce如何让机器真正理解你的心思
Salesforce AI Research联合伊利诺伊大学开发的UserBench研究揭示了当前AI助手的重大缺陷：尽管技术上表现出色，但在理解用户真实需求方面表现糟糕。最先进的AI模型完全满足用户需求的成功率仅20%，发现隐性偏好的能力不足30%。这项研究创建了专门的用户中心评估环境，为开发真正理解用户、能够成为人类理解型伙伴的AI助手指明了方向，标志着AI发展从"任务执行者"向"用户协作者"的重要转变。
AI搜索智能体遭遇新挑战：滑铁卢大学团队提出更公平透明的评测新标准
滑铁卢大学团队发布BrowseComp-Plus基准测试，解决AI搜索智能体评测中的公平性、透明度和可及性问题。通过构建包含830个问题和10万文档的固定数据集，研究发现检索系统质量是影响AI搜索表现的关键因素，开源与闭源模型在工具使用能力上存在巨大差距。
AI的隐藏瓶颈：网络如何影响企业LLM战略
长期以来，对AI网络进行基准测试和优化都需要在昂贵、耗电的GPU上运行实时工作负载。但GPU的可用性有限，而且大规模测试环境的配置需要时间和资金。因此，网络验证往往要推迟到实际工作负载运行时才能进行——这对于发现设计缺陷或性能瓶颈来说已经太迟了。
Continua获800万美元融资，让智能体在群聊中大显神威
前谷歌资深工程师David Petrou创立的AI初创公司Continua宣布完成800万美元种子轮融资，由GV领投。该公司开发AI智能体技术，可加入SMS、iMessage和Discord等群聊平台，为用户协作提供智能支持。Continua能够在群聊中自动设置提醒、发起投票、添加日历邀请或生成待办清单，解决群聊混乱问题。公司通过微调技术让AI理解群聊动态，具备社交智能，只在需要时提供帮助。
Anthropic的Claude AI模型现可处理更长的提示内容
Anthropic宣布为企业客户增加Claude单次提示词的信息处理量，以吸引更多开发者使用其AI编程模型。Claude Sonnet 4现支持100万token上下文窗口，可处理75万词或7.5万行代码的请求，是此前限制的5倍，超过OpenAI GPT-5的40万token。该功能也将通过Amazon Bedrock和Google Cloud等云合作伙伴提供。更大的上下文窗口有助于AI模型更好地处理软件工程问题和长期自主编程任务。
AI陪伴应用收入激增，2025年有望突破1.2亿美元
根据应用情报公司Appfigures数据，全球337款活跃且盈利的AI伴侣应用中，128款于2025年发布。这类应用通过让用户与定制角色对话来拟人化AI交互，包括朋友、恋人、幻想角色等。2025年上半年该市场已产生8200万美元收入，预计年底将超1.2亿美元。热门应用包括Replika、Character.AI等。截至7月，全球下载量达2.2亿次，上半年同比增长88%。数据显示17%的应用名称包含"女友"一词。
SIGGRAPH｜智能体认知体系“跃迁” NVIDIA Nemotron、Cosmos Reason“双轨” 定义信息与物理边界“推理范式”
NVIDIA于SIGGRAPH上宣布扩展两类面向推理任务的模型体系
Perplexity出价345亿美元欲收购Chrome浏览器
AI搜索公司Perplexity提出以345亿美元收购谷歌Chrome浏览器，这一报价约为其自身估值的两倍。这家成立近三年、估值180亿美元的初创公司刚推出基于Chromium的浏览器Comet。Chrome拥有全球67.9%的市场份额，约38亿用户。美国法官正在考虑是否强制谷歌剥离Chrome以恢复搜索市场竞争，OpenAI等AI公司也对此表示兴趣并准备推出自己的浏览器。
思科AI基础设施订单激增推动强劲财报表现
思科系统公司第四财季业绩超预期，营收147亿美元同比增长8%，净利润40亿美元。AI基础设施订单本季度达8亿美元，全年达20亿美元，是原定目标的两倍以上。网络业务增长12%，安全产品增长9%。云业务同比增长49%，连续四个季度在大规模网络客户中实现三位数订单增长。公司预计下季度营收146.5-148.5亿美元。
SEO已死，大语言模型时代企业如何重塑营销策略？
随着ChatGPT等AI聊天机器人成为"互联网入口"，传统SEO面临颠覆。企业开始关注如何在AI生成的答案中获得更好展示。Evertune等初创公司应运而生，通过每月运行数百万次提示来帮助企业监测品牌在AI回答中的表现。同时，Perplexity出价345亿美元收购Chrome浏览器，OpenAI发布GPT-5模型，显示AI搜索领域竞争加剧。
OpenAI的GPT-5表现不佳，被迫重新添加模型选择开关
OpenAI在GPT-5发布后遭遇用户强烈反对，被迫进行调整。CEO阿尔特曼宣布为GPT-5增加"自动"、"快速"和"思考"三种模式选择，并恢复4o模型。付费用户可通过"显示其他模型"开关访问o3、4.1等模型。阿尔特曼承认突然弃用旧模型是错误决定，并表示正在优化GPT-5的个性化设置，让其比当前版本更温和但不像GPT-4o那样令人烦恼。
机器人终于会"想"再"动"了——艾伦人工智能研究院的MolmoAct模型让机器人拥有空间推理能力
艾伦人工智能研究院开发的MolmoAct是首个开源的机器人空间推理模型，通过"看懂-规划-执行"三步思考法让机器人具备类人的空间理解能力。它不仅在多项基准测试中表现优异，还支持直观的视觉轨迹调教，用户可直接在屏幕上画线指导机器人行为。研究团队完全开源了模型、代码和数据集，为全球机器人研究提供强大基础平台。
让AI学会"以史为鉴，向未来学习"：北京大学与清华大学联合提出时间自奖励语言模型
这项由北京大学和清华大学联合完成的研究首次提出时间自奖励语言模型，通过"锚定拒绝"和"未来引导选择"策略解决了AI自学习中的梯度消失问题。该方法让AI既能从过去的低水平样本中学习反面教材，又能向未来的高水平样本学习正面目标，成功维持了清晰的学习对比信号，在多个基准测试中显著优于传统自奖励方法。
香港科技大学新技术：AI也能像PS高手一样精准换形状
香港科技大学研究团队提出Follow-Your-Shape技术，通过创新的轨迹分歧图机制实现精准的AI图像形状编辑。该方法无需遮罩和训练，能准确识别编辑区域并保持背景完整，在新构建的ReShapeBench基准测试中全面超越现有方法，为创意设计、广告制作和内容创作等领域提供强大工具支持。
卡内基梅隆大学突破性研究：AI模型推理速度提升1.1倍的"少即是多"革命
卡内基梅隆大学等机构联合开发的LessIsMore技术，通过发现AI推理中的空间局部性和时间局部性规律，创新性地采用统一注意力头选择和稳定时间窗口机制，在保持准确性的同时实现1.1倍推理加速。该技术无需重新训练即可应用，为AI推理效率提升开辟了新路径。
斯坦福大学等多校联手：首个多语言视觉检索基准VisR-Bench，让AI真正"看懂"全球文档
斯坦福大学等研究机构联合发布首个多语言视觉检索基准VisR-Bench，系统评估AI在16种语言、1286份真实文档上的检索能力。研究发现现有AI系统在表格理解和低资源语言处理方面存在显著局限，最先进模型准确率仅75%，阿拉伯语等语言表现更差。该基准为改进多语言文档AI提供重要参考。
Jumio用AI，在数字身份验证风暴中心重构信任坐标
生物识别技术、人工智能和机器学习的深度融合，正推动身份验证从被动识别向主动风险评估和持续监控转变，尤其在对抗深度伪造等新兴欺诈手段方面，展现出不可或缺的关键作用。
京公网安备 11010802021500号
