/
开源GZDoom社区因AI代码使用分裂
知名Doom开源移植项目GZDoom因创始人插入AI生成代码引发社区分裂。项目维护者在代码中添加了ChatGPT生成的未经测试代码片段，并试图删除相关讨论记录。开发者们对使用"无法验证GPL兼容性的抓取代码"表示强烈反对，认为AI工具不应用于开源项目。大批开发者因此创建了名为UZDoom的新分支，采用更透明的协作开发模式，去除"一人决定一切"的管理方式。
Bubble发布AI智能体，将对话编程与可视化应用构建相结合
人工智能可视化开发平台Bubble发布AI智能体产品，用户可通过拖拽元素或对话方式构建生产级应用。该产品解决了AI编程工具在可编辑性、代码质量、安全性方面的局限性。调查显示仅9%用户将AI编程工具用于关键业务应用，72%担心AI生成代码存在安全漏洞。新产品结合AI开发速度与可视化编辑的精确控制，支持自然语言提示和可视化编辑两种方式。
宾夕法尼亚州700亿美元竞逐美国数据中心建设
宾夕法尼亚州凭借丰富的天然气储量和战略位置，正在推进一项雄心勃勃的700亿美元计划，旨在吸引大型数据中心投资并改变经济格局。该计划包括基础设施建设、电网升级和人才培训等多个项目，重点解决制约数据中心发展的电力供应瓶颈问题。主要投资包括黑石集团250亿美元钢厂改造项目、CoreWeave公司60亿美元兰卡斯特数据中心等。作为美国第二大天然气生产州，宾夕法尼亚州的能源优势为满足AI数据中心的巨大电力需求提供了有力支撑。
微软呼吁将网络安全风险提升至董事会治理层面
微软2025年数字安全报告指出，鉴于近期捷豹路虎等高调网络攻击事件，IT部门需确保网络风险在董事会层面得到管理。报告建议IT领导者将网络安全视为与财务、法律挑战同等重要的业务风险，追踪多因素认证覆盖率、补丁延迟等关键指标。研究发现政府和公共部门遭受攻击最多，主要攻击载体为面向网络的外围资产和外部远程服务。微软警告，人工智能正在加速恶意软件开发，网络犯罪已成为普遍威胁。
深度解密Testin云测AI测试“三驾马车”——（AGI+RAG+多模态）技术栈
10月14日，由中国科学院主管的《互联网周刊》正式公布了备受瞩目的“2025年度数字化创新实践TOP50”榜单。
思科人工智能研究：人工智能就绪型企业在价值竞赛中遥遥领先
思科今日发布第三份年度《思科人工智能就绪指数》报告（Cisco AI Readiness Index）。报告显示，在过去三年中，一小部分始终表现突出的企业群体——被称为“领导者”（Pacesetters）——在AI价值的各项衡量指标上均显著优于同行。
上海AI实验室推出科学推理大模型：让AI像科学家一样思考
上海AI实验室联合多家顶尖机构开发出全球首个科学推理大模型SciReasoner，该模型在2060亿科学数据上训练，支持103个科学任务，能够像科学家一样进行逻辑推理并展示思考过程。它实现了化学、生物学、材料科学等多领域知识整合，在分子设计、性质预测、文献分析等方面表现出色，为科学研究提供了强大的AI助手工具。
南洋理工大学团队突破：让AI学会在复杂光影中完美合成图像，无需额外训练就能处理水面倒影和阴影效果
南洋理工大学研究团队开发出SHINE方法，这是一种无需额外训练就能实现高质量图像合成的新技术。该方法通过巧妙引导现有AI模型的潜能，能够在复杂光影条件下完美合成图像，包括准确的阴影生成和水面倒影效果。研究团队还创建了ComplexCompo基准测试集，验证了SHINE在各种挑战性场景中的卓越性能，为图像编辑技术的发展开辟了新方向。
这支来自AWorld团队的多智能体浏览器助手，让网页操作变得像团队协作一样智能
AWorld团队开发的Recon-Act系统采用"侦察-行动"双团队协作模式，通过工具中心的自我进化机制实现智能浏览器操作。系统在VisualWebArena测试中达到36.48%成功率，超越现有自动化方案。其创新性在于将信息收集与任务执行分离，通过对比成功失败案例自动生成专用工具，为未来智能浏览器助手发展提供了新思路。
中科院团队让庞大的3D重建AI"瘦身"：压缩75%体积却保持98%精度
中科院团队提出QuantVGGT技术，首次解决大规模3D重建AI模型的部署难题。通过双重平滑精细量化和噪声过滤多样化采样两项核心技术，成功将12亿参数的VGGT模型压缩75%体积、提升2.5倍速度，同时保持98%原始性能。实验结果显示该方法在相机位置估计和点云地图生成任务上均显著优于现有量化技术，为3D AI技术的产业化普及提供了重要突破。
机器人学会了"照葫芦画瓢"还能举一反三：亚马逊团队让机器人在真实世界中边学边进步
亚马逊研究团队开发了ResFiT技术，让机器人先通过模仿学会基本技能，再通过实践自主改进。该方法在29自由度人形机器人上成功验证，双手协调任务成功率从23%提升至64%，样本效率比传统方法提高200倍。这是首次在现实世界完全训练五指灵巧手双臂机器人的突破，为机器人实用化奠定了基础。
台湾大学研究团队突破语音情感识别难题：用两个"老师"教出更聪明的AI学生
台湾大学研究团队提出MI-Fuse框架，创新性地融合专业情感识别模型与大型语言模型的优势，通过互信息量化不确定性并动态调整权重，解决了语音情感识别中的跨域适应难题。该方法在六种转换场景中平均准确率达58.38%，比最强基准高3.9%，且训练过程稳定，为闭源模型环境下的实际部署提供了有效解决方案。
阿里巴巴DAMO院携手南洋理工大学，让AI数学推理告别"梯度消失"困扰
阿里巴巴DAMO院联合南洋理工大学等机构，针对AI多模态推理训练中的梯度消失问题，开发了方差感知采样(VAS)策略。该方法通过智能选择具有不同答题结果和推理路径多样性的训练题目，显著提升了强化学习效果。团队还构建了包含160万长链式思考数据的大规模数据集，其开源的MMR1模型在多个数学推理基准测试中取得最佳性能，为AI推理能力提升提供了重要突破。
阿里巴巴提出全新的AI数学学习方法：让机器像人类一样从易到难学数学
阿里巴巴研究团队提出VCRL方法，让AI像人类一样从易到难学习数学。该方法通过观察AI模型解题时表现的差异程度来判断题目难度，自动选择最适合当前能力水平的训练材料。实验显示，VCRL将AI数学能力提升75%-85%，在奥林匹克数学竞赛等高难度测试中表现尤为突出，为AI教育训练提供了新思路。
Tree-GRPO：让AI智能体学会像人类一样思考——阿里巴巴集团革命性突破提升人工智能决策能力
阿里巴巴集团研究团队提出了Tree-GRPO，一种革命性的AI智能体训练方法。该方法通过树状结构让AI探索多种思考路径并进行比较学习，在多跳推理任务中实现了69%的性能提升，同时将训练成本降低至传统方法的四分之一。这项创新为解决AI稀疏监督和高昂训练成本问题提供了新思路。
AI评判官出错了！北大等高校联手揭开LLM评估系统的严重漏洞
北京大学等高校联合研究发现，当前广泛使用的AI评判系统存在严重的自相矛盾问题，经常出现评分与直接比较结果不一致的情况。研究团队开发了TrustJudge框架，通过分布感知评分和智能聚合技术，将评判不一致性降低了8-10个百分点，同时提升了准确率，为AI系统的可靠评估提供了重要解决方案。
清华大学团队打造CHARM框架：让AI学会生成动漫角色发型，从此告别手工建模的繁琐！
清华大学与腾讯联合开发CHARM框架，首次实现动漫发型的AI自动生成。该系统将复杂发型转化为控制点序列，采用语言化表示方法，让AI像写文章一样逐步生成发型。基于37000个样本的AnimeHair数据集训练，CHARM在几何精度和视觉效果上全面超越现有方法，数据压缩率达98%以上，为游戏、动画等领域提供高效的角色建模解决方案。
微软研究院重磅发现：让AI提前"思考"，学习效率飙升3倍！
微软研究院发布思维增强预训练技术，通过在AI训练中加入自动生成的思考过程，显著提升学习效率。该方法让AI模型在数学推理任务上正确率大幅提升，数据利用效率提高3倍。技术简单易实现，在多种模型规模上都显示出显著效果，为AI训练开辟新路径。
京公网安备 11010802021500号
