最新文章
视频生成AI的"读心术":VBench-2.0如何测试AI是否真的理解我们的世界

视频生成AI的"读心术":VBench-2.0如何测试AI是否真的理解我们的世界

这项由上海人工智能实验室等多家机构联合开展的研究,开发了VBench-2.0评估系统,专门测试视频生成AI对真实世界的理解能力。与关注视觉效果的传统评估不同,VBench-2.0从人体逼真度、可控性、创造力、物理学和常识推理五个维度,全面检验AI是否真正理解物理规律和逻辑关系,为视频生成技术发展提供了新的评估标准。

大语言模型终于学会了边查资料边思考:Search-R1让AI像人类一样搜索推理

大语言模型终于学会了边查资料边思考:Search-R1让AI像人类一样搜索推理

伊利诺伊大学研究团队开发的Search-R1系统让AI学会了像人类一样边思考边搜索的能力。通过强化学习,AI能够主动决定何时搜索外部信息、如何整合搜索结果进行推理。该系统在七个问答数据集上平均提升20-24%的准确率,代表了从封闭知识系统向开放学习系统的重要转变,为构建更智能的AI助手奠定了基础。

斯坦福和伯克利联手出招:AI能看出你动作哪里不标准了!

斯坦福和伯克利联手出招:AI能看出你动作哪里不标准了!

斯坦福和伯克利研究团队推出VidDiff技术,让AI学会像专业教练一样精准识别动作差异。该技术通过三步走方法解决视频动作比较难题,构建了包含549对视频的大型数据集VidDiffBench。虽然当前AI模型准确率有限,但已展现在健身指导、医学培训、体育分析等领域的应用潜力。研究为AI理解细微动作差异开辟新方向,有望让人人享有智能化的动作指导。

AI人体运动生成技术新突破:澳洲国立大学团队让机器从零开始学会"随音起舞"与"看文生动"

AI人体运动生成技术新突破:澳洲国立大学团队让机器从零开始学会"随音起舞"与"看文生动"

澳洲国立大学团队开发的Motion Anything系统实现了AI动作生成的重大突破,能够根据文字、音乐或两者组合自动生成逼真的人体动作。该系统采用创新的注意力引导遮罩策略和双重变换器架构,在多个基准测试中显著超越现有方法,并创建了包含2153组数据的TMD数据集。这项技术为影视制作、游戏开发和虚拟现实等领域带来新的可能性。

香港科技大学团队揭秘:如何让AI从零开始学会深度思考

香港科技大学团队揭秘:如何让AI从零开始学会深度思考

香港科技大学团队发现AI可通过"零RL训练"直接学会深度思考,无需预先教授基础知识。研究测试了10个不同规模AI模型,发现它们能在数学推理训练中自发展现验证、反思等高级认知行为,部分模型出现"顿悟时刻"。研究还发现预训练反而会限制AI探索能力,最直接的学习方式可能最有效。该成果为AI教育提供了新思路,强调思维能力比知识记忆更重要。

阿里巴巴推出LHM:让单张照片瞬间变身可动3D人物的神奇技术

阿里巴巴推出LHM:让单张照片瞬间变身可动3D人物的神奇技术

阿里巴巴通义实验室开发的LHM系统能够在几秒钟内将单张人物照片转换成可自由运动的3D虚拟人物。该技术采用多模态变换器架构,结合3D高斯分布表示和自监督学习策略,在重建质量和生成速度上都显著优于现有方法,为虚拟现实、游戏制作和数字内容创作提供了新的可能性。

当AI看视频也会"产生幻觉":中科院团队首次揭示大模型视频理解的"认知盲区"

当AI看视频也会"产生幻觉":中科院团队首次揭示大模型视频理解的"认知盲区"

中科院团队首次系统研究了大型多模态AI模型在视频理解中的"幻觉"问题,构建了包含6497个问题的HAVEN评估体系,发现AI看视频时会出现物体、场景、事件三类错误。研究还提出了创新的"视频思维模型"解决方案,通过让AI进行step-by-step推理,将准确率提升7.65%,偏差降低4.5%,为提升AI视频理解的可靠性提供了重要突破。

解锁AI视频新时代:微软研究院的Sora模型如何让视频生成技术实现质的飞跃

解锁AI视频新时代:微软研究院的Sora模型如何让视频生成技术实现质的飞跃

微软研究院最新推出的AI视频生成模型Sora引发科技界轰动。这款"世界模拟器"能根据文本描述生成长达一分钟的高质量视频,远超以往AI视频技术的几秒钟限制。Sora采用扩散模型和"时空补丁"方法,能创建角色一致、动作流畅、符合物理规律的复杂视频场景。它不仅能处理多角色互动、复杂动作和相机运动,还能从静态图像生成动态视频。尽管在处理某些物理现象和因果关系上仍有局限,但Sora已展示出在电影制作、广告营销、教育和个人创作等领域的巨大应用潜力,同时也引发了对深度伪造、版权和隐私等伦理问题的思考。

KTH团队推出PRIX:只用摄像头的智能驾驶系统,比激光雷达方案更快更省钱

KTH团队推出PRIX:只用摄像头的智能驾驶系统,比激光雷达方案更快更省钱

瑞典皇家理工学院与斯堪尼亚公司合作开发的PRIX自动驾驶系统,仅使用普通摄像头就达到了业界顶尖性能,处理速度比竞争对手快25%以上。该系统通过创新的视觉特征提取技术和扩散模型规划器,在多项标准测试中表现优异,为低成本自动驾驶技术的普及提供了可行方案,有望大幅降低自动驾驶汽车的制造成本。

企业级智能体AI框架Agntcy正式加入Linux基金会

企业级智能体AI框架Agntcy正式加入Linux基金会

智能体AI有望通过大幅改善工作流自动化来推动企业转型。Agntcy是2025年3月成立的开源组织,致力于构建"智能体互联网"框架。该框架由思科Outshift孵化部门创立,专注于智能体协调编排和身份访问管理。7月29日Linux基金会正式接纳该联盟,为框架提供更稳固的行业基础,新增戴尔、谷歌云、甲骨文云和红帽等重要成员。

飞利浦AI战略:通过智能化实现大规模优质医疗服务

飞利浦AI战略:通过智能化实现大规模优质医疗服务

飞利浦首席创新战略官谢兹·帕托维分享了公司的AI战略。飞利浦采用客户驱动的创新模式,将80%研发资源嵌入业务单元,20%专注行业突破。公司AI战略围绕自动化、增强和敏捷三个维度展开,旨在2030年惠及25亿人。通过SmartSpeed AI等创新,飞利浦在保持人机协作的同时,利用生成式AI提升内部效率,推动医疗行业进入智能化新时代。

Linux内核6.16发布:代码量达3800万行但缺乏重大新特性

Linux内核6.16发布:代码量达3800万行但缺乏重大新特性

Linux内核6.16在周末发布,虽然没有重大新功能,但包含大量错误修复和代码优化。该版本拥有3840万行代码,分布在超过78000个文件中。主要改进包括:支持英特尔2023年高级性能扩展,XFS和ext4文件系统性能优化,NUMA系统自动调优,五级页表支持,以及USB硬件声音解码卸载功能。这些改进展现了Linux在大型服务器到小型设备的广泛应用范围。

高德纳:全球网络安全支出将突破2000亿美元

高德纳:全球网络安全支出将突破2000亿美元

Gartner预测,受高调网络攻击事件不断增加和新兴风险驱动,全球终端用户组织的网络安全产品和服务支出持续上升,2025年将超过2000亿美元。人工智能和生成式AI的广泛应用成为关键增长驱动因素,信息安全总支出将从2024年的1935亿美元增至今年的2130亿美元,同比增长约10%。

Writer发布企业级自主AI"超级智能体"

Writer发布企业级自主AI"超级智能体"

生成式AI初创公司Writer发布Action Agent,这是一款集成工具使用、知识工作和深度研究能力的强大AI智能体,具备企业级控制和透明度。该智能体由Palmyra X5大语言模型驱动,能够执行需要问题解决、复杂推理和多工具使用的大量任务。Action Agent具备自我纠错能力,可处理网页交互、数据分析、文件系统操作和代码编写等多种任务,拥有600多个工具连接器,支持80个企业和第三方数据平台。

Matrice.ai与Voltage Park合作,加速无代码计算机视觉开发

Matrice.ai与Voltage Park合作,加速无代码计算机视觉开发

计算机视觉初创公司Matrice.ai宣布完成种子轮战略扩展融资,云基础设施提供商Voltage Park领投。该公司开发的无代码平台可创建人工智能视觉模型,开发速度比传统方法快40%,成本降低80%。该平台采用数据驱动方法,提供自动化数据集标注工具,无需编程背景即可使用。目前已为数百个企业摄像头提供服务,客户遍及能源、零售和公共部门。

Photoshop推出强大AI工具助力内容创作者

Photoshop推出强大AI工具助力内容创作者

Adobe发布Photoshop全新AI工具套件,包括Harmonize智能融合功能、生成式放大工具和改进的移除工具。Harmonize可自动调整色彩、光线和阴影,实现无缝合成;生成式放大可将图像提升至800万像素而不损失清晰度;改进的移除工具能精准清理图像并生成逼真填充内容。新功能还包括Projects项目管理和双Firefly模型选择器,支持桌面、网页和移动端使用。

Qdrant推出轻量级边缘设备向量数据库

Qdrant推出轻量级边缘设备向量数据库

开源向量数据库公司Qdrant开发了一款轻量级向量数据库,专为机器人、自助终端、移动设备和其他嵌入式系统本地运行而设计。Qdrant Edge支持开发者在边缘设备上本地运行混合和多模态搜索,无需连接服务器进程。该产品提供生命周期完全控制、内存使用优化和进程内执行功能,支持高级过滤和实时代理工作负载兼容性。应用场景包括机器人导航、智能零售终端和隐私优先的移动助手等。

LTO-10为何在速度提升和向后兼容性方面表现不佳

LTO-10为何在速度提升和向后兼容性方面表现不佳

LTO-10磁带相比LTO-9在容量上有所提升,但数据传输速度仍维持在400MBps,且失去了向后兼容性。IBM专家表示,速度限制主要源于物理材料约束,6微米厚的磁带材料在10米/秒最高速度下容易损坏。容量提升主要通过改善磁道密度实现,而非线性密度。LTO-10采用36度伺服格式替代之前的6度格式,并引入磁头倾斜跟踪控制技术,这些变化导致无法兼容LTO-9。未来LTO-11可能采用64磁道磁头,传输速度有望达到1000MBps。

周末加班?熬夜回邮件?AI技术帮你重建工作边界
2025-07-30

周末加班?熬夜回邮件?AI技术帮你重建工作边界

AI赋能「前沿企业」通过智能体协作重构工作模式,破解无边界工作日困局。

人工智能学会了自我纠错:当AI发现自己被"忽悠"时的反击策略

人工智能学会了自我纠错:当AI发现自己被"忽悠"时的反击策略

西班牙研究团队提出了一种创新的AI自我纠错方法SSC,让人工智能学会识别和修正规则中的漏洞。当AI发现自己在钻空子获得高分时,它会反思规则的合理性并主动改进。实验显示这种方法将AI的"钻空子"行为从50-70%降低到3%以下,同时提升了回答质量。这项技术有望让AI从被动执行指令转变为能够质疑和改进指令的智能协作伙伴。