/
伊利诺伊大学团队打造"智能图书管理员"：让学术论文自动分类不再是梦
伊利诺伊大学团队开发的TaxoAdapt框架革新了学术论文自动分类技术，通过多维度分析和自适应扩展机制，能够动态构建反映学术演进趋势的分类体系。该系统在多项指标上显著优于现有方法，成功捕捉了从BERT时代到指令调优时代的学术转变，为学术文献组织和知识发现提供了智能化解决方案。
英国推出网络安全行动计划促进产业发展
英国政府发布网络安全增长行动计划，旨在推动年收入达132亿英镑、支撑超6.7万个就业岗位的网络安全产业发展。该计划由布里斯托大学和帝国理工学院牵头，将制定产业发展路线图并提出增长建议。同时提供1600万英镑资金支持网络安全创新，其中1000万英镑用于CyberASAP加速器项目，600万英镑支持初创企业。政府还重组网络安全顾问委员会，邀请亚马逊、谷歌、微软等科技巨头专家参与。
AWS re:Inforce：费城这天不只拼进球，还拼生成式AI安全
企业需要在每个阶段的每一层都要通过设计实现安全，包含身份与访问管理、监控与事件响应、数据和网络保护、迁移与现代化。因为正是安全这一基础使创新成为可能。
清华大学团队推出突破性3D预训练框架：让计算机像人类一样"看懂"立体世界
清华大学团队提出首个统一3D点云预训练方法UniPre3D，突破传统方法只能处理特定规模数据的局限。该方法巧妙利用3D高斯喷射技术将3D数据转换为2D图像进行处理，并设计了针对不同数据规模的自适应融合策略。在多个标准数据集上的实验表明，UniPre3D在物体分类、场景分割等任务中均取得显著性能提升，为3D视觉的统一化发展提供了重要突破。
大模型"遗忘术"的漏洞：为什么AI忘记知识后还能回答相关问题？北京邮电大学团队揭示形式依赖偏差问题
北京邮电大学团队发现大语言模型"遗忘技术"存在重大漏洞：AI在特定训练后虽能拒绝直接问题，但换个问法仍可套出相关信息。研究提出"形式依赖偏差"概念，并开发ROCR概念重定向方法，通过替换AI内部概念表示实现真正遗忘，解决了传统方法的局限性。
多伦多大学团队发明神奇"洗牌法"，让AI画画更精美，不用额外训练就能生成超逼真图像
这项由多伦多大学等机构联合完成的研究提出了令牌扰动引导（TPG）技术，通过"洗牌"操作改进AI图像生成质量。该方法无需额外训练即可显著提升图像生成效果，在无条件生成中质量指标提升近2倍，条件生成中接近最先进CFG技术的表现。TPG具有即插即用、通用性强的特点，为AI图像生成技术发展提供了新思路。
台湾大学团队破解AI系统优化难题：让机器像搭积木一样自我改进
台湾大学研究团队系统梳理了复合AI系统优化这一新兴领域，提出了基于结构灵活性和学习信号类型的2×2分类框架。研究涵盖26种代表性方法，从固定结构到灵活架构，从自然语言反馈到数值信号优化。团队发现了自然语言反馈在非可微系统优化中的巨大潜力，同时指出了当前面临的人工配置依赖、计算成本过高、评估范围局限等挑战，为这一快速发展的领域提供了系统性理论框架和未来发展指引。
阿里巴巴团队打造史上最大医学推理数据集，7B小模型竟然打败70B巨型模型！
阿里巴巴达摩院联合多家机构构建了史上最大的开源医学推理数据集ReasonMed，包含37万高质量样本。通过多智能体协作和精密质量控制，他们训练出仅70亿参数的ReasonMed-7B模型，在多项医学问答测试中超越了更大规模的竞争对手，甚至在某些测试中击败700亿参数模型，证明了高质量数据胜过模型规模的重要原则。
AniMaker：哈工大深圳团队让电脑变身动画导演，一句话就能拍出多角色动画片
这项由哈工大深圳与阿里巴巴联合研发的AniMaker系统，能够仅凭文字描述自动制作多角色动画片。系统采用四个AI智能体协作模式，模拟专业动画制作流程，引入蒙特卡洛树搜索算法优化视频片段选择，并首创AniEval动画专用评价体系。实验显示该系统在各项评价指标上均超越现有方法，为AI创意应用开辟新方向。
人大研究团队颠覆传统：不用巨型AI模型，也能轻松理解超长视频内容
这项由中国人民大学团队主导的研究提出了VideoDeepResearch框架，颠覆了长视频理解的传统方法。该系统采用文本推理模型配合多模态工具箱的设计，通过智能搜索策略实现对超长视频的精准理解，在多个权威测试中超越GPT-4o等顶级模型，同时显著降低计算成本，为视频AI应用开辟了新路径。
中文AI内容审核新突破：打造更智能的网络安全守护者
这项由浙江大学、腾讯和新加坡国立大学联合完成的研究，针对中文网络有害内容检测的难题，创建了首个专业标注的中文有害内容检测基准数据集ChineseHarm-Bench，涵盖博彩、色情、谩骂、诈骗、违法广告等六大类别。研究团队提出了知识增强的训练方法，通过结合人工标注规则和大模型隐性知识，让小型模型达到与顶级大模型相当的检测性能，为中文网络环境提供了更高效、更经济的安全检测解决方案。
ByteDance智能创作团队推出划时代海报设计AI：CreatiPoster让人人都能成为设计师
ByteDance智能创作团队推出CreatiPoster，这是一个革命性的AI海报设计系统，用户只需文字描述就能生成专业级多图层可编辑海报。系统采用"双脑"架构：协议模型负责理解需求并制定详细设计方案，背景模型负责创造匹配的视觉背景。支持多种交互方式，包括纯文字输入、图片素材上传、画布编辑等。在与商业平台的对比评估中表现优异，并开源了10万样本数据集，真正实现了AI设计工具的民主化。
SAE-Tuning：南加州大学团队让AI推理能力像积木一样灵活组装
南加州大学研究团队开发了革命性的SAE-Tuning技术，能够像"移植手术"一样将AI推理能力从一个模型转移到另一个模型。该方法将传统推理训练的成本从数千美元降至约1美元，时间从数百小时缩短至20分钟，效果却毫不逊色。更令人惊讶的是，这种推理能力具有跨领域通用性和模块化特性，可以像插件一样即插即用，为AI能力的民主化和模块化发展开辟了新道路。
Sword Health获4000万美元融资，估值达40亿美元，IPO计划推迟至2028年
AI驱动的数字健康初创公司Sword Health以40亿美元估值完成4000万美元融资，较去年30亿美元估值上涨33%。尽管公司现金流为正，CEO表示融资主要用于更新估值和战略收购。公司从虚拟物理治疗师起步，现已扩展至盆底健康和心理健康服务。CEO原计划2025年IPO，但现推迟至2028年，希望在多个医疗垂直领域建立规模化业务后再上市。
红杉投资的Crosby推出AI驱动的新型律师事务所
法律科技初创公司Crosby刚刚完成由红杉资本领投的580万美元种子轮融资，正式走出隐身模式。该公司不仅为律师开发AI软件，更是一家真正的律师事务所，利用AI技术以前所未有的速度提供法律服务。Crosby主要为初创公司提供合同审查服务，承诺在AI软件和人工监督下，可在一小时内完成新客户合同审查，未来有望缩短至几分钟。公司已为Cursor、Clay等快速成长的初创企业审查了超过1000份客户合同。
建筑公司发布"首个完全由AI设计的数据中心"项目
Cove Architecture完成了业内首个完全采用AI驱动流程设计的数据中心项目，这座1万平方英尺的设施仅用30天就完成了传统需要数月的设计工作。该项目位于科罗拉多州，PUE值达到1.2，集成了AI设计的太阳能阵列、智能水循环系统和农光互补系统。AI平台能够快速测试和优化配置，将原本需要数周的分析缩短至几分钟，实现了能源计算的统一优化。
复旦大学新方法：让AI训练像调配鸡尾酒一样简单，无需试错就能找到最优数据配方
复旦大学研究团队开发了Domain2Vec方法，通过将数据集分解为260个"元域"特征，实现了无需试错就能找到AI训练最优数据配比的突破。该方法仅用传统方法0.26%的计算资源就能达到同等效果，在验证集上性能提升2.83%，为AI训练提供了科学化的数据配比方案，有望大幅降低AI开发门槛和成本。
蚂蚁集团包容性AI团队重磅发布Ming-Omni：首个媲美GPT-4o的开源全能AI模型
这项由蚂蚁集团包容性AI团队完成的研究发布了Ming-Omni，这是首个媲美GPT-4o的开源多模态AI模型。该模型能够同时处理文字、图像、音频和视频，并具备语音和图像生成能力。采用MoE架构和模态特定路由器，仅需激活2.8B参数就能达到与7B参数模型相当的性能。在多项基准测试中创造新纪录，特别是在语音理解、图像生成和多模态融合方面表现突出。
麦吉尔大学提出颠覆性理念：为AI定制网页，而非让AI适应现有网页
麦吉尔大学研究团队提出颠覆性理念，认为应该为AI设计专门的网页接口，而非让AI适应现有人类界面。当前AI助手处理网页时面临效率低下、成本高昂和安全风险等问题。研究提出"智能体网页接口"概念，通过六大设计原则和具体实施建议，为AI创造更安全高效的网络环境，需要整个机器学习社区共同参与这一变革。
清华大学提出MoveGCL：不用共享数据也能训练"全球通"人工智能出行模型
清华大学提出MoveGCL框架，首次实现在完全不共享敏感出行数据的前提下，多城市协作训练全球通用人工智能出行预测模型。该技术通过生成虚拟轨迹传递知识，结合混合专家系统和渐进式学习策略，在六个美国主要城市的测试中展现出优异性能，为隐私保护下的协作学习提供了新范式。
京公网安备 11010802021500号
