/
阿里达摩院推出VideoLLaMA3：让AI同时"看懂"图像和视频的革命性突破
阿里达摩院发布VideoLLaMA3，这是首个采用"以视觉为中心"设计的多模态AI模型，能够同时理解图像和视频内容。该模型通过四阶段训练和任意分辨率视觉标记化等创新技术，在多项图像和视频理解基准测试中取得突破性成绩，特别是在数学推理方面提升显著。VideoLLaMA3为教育、医疗、内容创作等领域提供了强大的视觉理解能力。
新加坡国立大学最新成果：让AI守卫者学会"推理"，安全防护能力飞跃20%
新加坡国立大学研究团队提出GuardReasoner，这是首个基于推理的AI安全防护系统。该系统让AI守门员学会思考和解释判断过程，性能比现有最先进系统提升20%以上。通过12.7万样本和46万推理步骤的训练，GuardReasoner不仅能准确识别有害内容，还能处理新型攻击并提供透明的解释，为AI安全防护开辟了新方向。
清华大学团队推出革命性AI记忆压缩技术，让机器像人类一样聪明地"遗忘"
清华大学团队开发出革命性的张量积注意力技术，让AI系统学会"智能遗忘"，将传统AI的完整记忆模式转变为类似人脑的选择性记忆。该技术通过巧妙的数学分解，将复杂信息压缩为关键特征，在保持甚至提升性能的同时，内存占用减少90%，处理速度显著提升，特别适用于长文档处理，为AI应用的普及和效率提升开辟了新路径。
上海AI实验室让机器人学会自己"找事做"：OS-Genesis项目颠覆GUI智能体训练方式
上海AI实验室联合多所知名大学推出OS-Genesis项目，创新性地提出"反向任务合成"方法来训练GUI智能体。该方法让AI先自由探索应用界面，观察操作效果，然后反推出训练任务，彻底改变了传统的预定义任务训练模式。实验显示，这种方法在AndroidWorld等复杂测试环境中将智能体成功率从9.82%提升到17.41%，接近翻倍的性能提升证明了探索式学习在GUI智能体训练中的巨大潜力。
耶鲁大学推出MMVU：AI看视频理解专业知识的"高考"真的来了！
耶鲁大学研究团队开发了MMVU测试系统，专门评估AI模型的专业视频理解能力。该测试包含3000道专家出题，覆盖科学、医疗、工程等27个学科。测试结果显示，最先进的o1模型准确率达80%，接近人类专家开卷考试水平，但大多数模型表现远低于人类专家，揭示了当前AI在专业领域应用中的局限性和改进方向。
人工智能的最后一场考试：当最强AI模型遇上专家级学术难题会发生什么？
这项由美国AI安全中心和Scale AI等机构联合开展的研究，创建了迄今最具挑战性的AI学术能力测试基准。该测试包含2500道专家级题目，涵盖数十个学科领域，由全球近千名专家贡献。测试结果显示，即使是最先进的AI系统表现也非常有限，准确率普遍在个位数，同时存在严重的"虚假自信"问题。研究揭示了AI系统与人类专家在深度学术能力方面的巨大差距。
阿里巴巴与香港中文大学联手打造AI"自我进化"评判官：让大模型学会给自己挑错
阿里巴巴与香港中文大学合作开发了SCRIT系统，让AI大模型学会自我评判和纠错。该系统通过对比学习机制，先分析标准答案理解关键概念，再评判学生解答，配合自我验证确保质量。在数学和科学推理测试中，评判准确率提升10%，错误识别能力提升19%，开创了AI自主改进的新方向。
阿里巴巴团队突破百万字符长文本理解：让AI像人类一样"阅读"整本小说的技术革命
阿里巴巴Qwen团队发布Qwen2.5-1M系列AI模型，实现百万字符长文本处理能力突破。该系列包含开源的7B和14B模型以及API版本Qwen2.5-Turbo，通过创新的训练策略和推理优化技术，让AI能够同时理解相当于四本《哈利·波特》篇幅的内容，并在多项长文本基准测试中超越GPT-4表现，为处理复杂文档分析、大型代码库理解等实际应用提供了强大支持。
KAIST团队突破性视频检索技术：让AI在视频海洋中精准找到你想要的答案
KAIST研究团队开发的VideoRAG系统实现了人工智能在视频内容理解上的重大突破。该系统能够直接从海量视频中检索相关内容并生成准确答案，解决了传统方法只能处理文字和图片信息的局限。通过智能帧选择和多模态信息融合技术，VideoRAG在问答准确性上显著超越现有方法，为教育培训、技能学习等领域提供了全新的智能问答解决方案。
AI智能机器人如何学会团队合作：莫斯科科学家发明记忆共享技术让机器人告别"各自为政"
俄国科学家开发出共享记忆变换器（SRMT）技术，通过让机器人共享记忆而非直接通信来实现协作。该技术受人类大脑全局工作空间理论启发，让每个机器人都能访问共同的记忆池。在多项测试中，SRMT显著优于传统协作方法，特别是在稀疏奖励环境下表现突出，并展现出优异的泛化能力。该技术有望应用于物流仓库、自动驾驶、搜救等需要多智能体协调的实际场景。
港大与快手联手造出AI"游戏工厂"：用文字就能创造任何你想要的互动游戏世界
香港大学与快手科技联合开发的GameFactory系统实现了革命性突破：用户只需文字描述就能生成可操作的互动游戏。该系统通过创新的"风格-动作解耦"技术，让AI既能理解游戏控制逻辑，又能适应任何场景环境，从《我的世界》训练数据成功泛化到樱花森林、雪山、室内等开放域场景。这项技术有望大幅降低游戏开发门槛，让任何人都能成为游戏创造者，为娱乐产业带来颠覆性变革。
阿里巴巴破解AI专家组合难题：让AI专家真正术业有专攻的秘诀
阿里巴巴研究团队发现传统AI专家混合模型训练中存在"大锅饭"问题：系统在每个小数据批次中都强制专家均衡分工，阻碍了专业化。他们提出全局批次负载均衡方法，让专家在更大数据范围内实现专业化分工，实验显示新方法显著提升了模型性能和专家专业化程度，同时只增加不到3%的计算开销。
AI视觉推理的新突破：阿联酋大学团队教会机器像人类一样分步思考
阿联酋穆罕默德·本·扎耶德人工智能大学研究团队开发出LlamaV-o1，这是一个能够像人类一样进行分步视觉推理的AI系统。该系统通过课程学习和束搜索技术，不仅能给出正确答案，更能清晰展示每一步思考过程。研究团队还创建了包含八个领域超过1000道题目的VRC-Bench评测基准，不仅评判答案准确性，更重视推理过程质量。实验显示，LlamaV-o1在多项任务中表现优异，推理速度比同类方法快5倍，为构建可信透明的AI系统提供了重要突破。
清华大学和微软亚研院联手破解AI训练密码：如何让机器像人一样边学边忘记
这项由清华大学和微软亚洲研究院合作完成的研究，通过创新的动态知识蒸馏和选择性遗忘机制，成功解决了AI系统在学习新任务时会遗忘旧知识的"灾难性遗忘"问题。该技术让AI能够像人类一样进行终身学习，在掌握新技能的同时保持对已有能力的熟练程度，为智能手机助手、自动驾驶、医疗AI等领域的应用带来重大突破，推动AI从静态工具向智能伙伴的转变。
三维旋转做不到的事，清华团队用全新数学方法轻松解决了
清华大学研究团队开发出突破性的三维旋转优化方法，通过四维空间处理解决了困扰计算机图形学几十年的"万向节锁死"问题。该方法将旋转路径缩短15-25%，显著提升动画自然度，在用户测试中获得更高评分并能减少VR晕动症。技术已可实用化，预计将改善电影、游戏、虚拟现实等领域的视觉体验。
英美签署科技繁荣协议共建欧洲最大AI工厂
英美两国签署科技繁荣协议，推动人工智能、量子和核技术发展。英国政府投资440亿英镑，微软、英伟达、谷歌、OpenAI等承诺投资310亿英镑，目标建设欧洲最大AI工厂。协议包括联合研究计划，开发AI模型用于癌症等疾病的靶向治疗。英伟达将在12个月内向英国提供12万块GPU，OpenAI部署8000块GPU并计划扩展至6万块，微软投资220亿英镑建设英国最大AI超级计算机。
亚马逊推出AI智能体助力第三方卖家业务管理
亚马逊宣布推出全天候AI代理，升级卖家助手工具，帮助第三方卖家运营业务。该AI助手不仅能监控账户健康状况和库存，还能制定策略并在授权下采取行动。功能包括标记滞销产品、分析需求模式、提供发货建议、确保产品合规等。亚马逊还将代理AI引入广告领域，允许卖家通过对话提示开发广告。这是亚马逊为第三方卖家推出的最新AI工具。
大学AI应用从全面禁令转向科技巨头合作模式
谷歌宣布为大学生免费提供最先进AI工具，这是科技巨头塑造未来劳动力的多亿美元竞争最新举措。通过10亿美元三年投资，谷歌AI教育加速器为美国大学生提供Gemini 2.5 Pro培训认证。这标志着高等教育从ChatGPT出现后的广泛禁用转向机构合作。微软、IBM等企业也在争夺AI人才，通过免费工具、培训项目和认证体系吸引学生。成功将取决于哪个生态系统能最好地为学生职业发展提供实际价值。
Macroscope：AI代码理解引擎正式发布
前Twitter产品负责人Kayvon Beykpour推出AI驱动的代码理解引擎Macroscope，旨在帮助开发者和产品负责人总结代码库更新并捕获漏洞。该工具通过GitHub应用访问代码库，使用抽象语法树分析代码变化，结合大语言模型提供自然语言问答功能。产品定价为每月每个活跃开发者30美元，已获得3000万美元A轮融资。
AI安全公司Irregular获8000万美元融资，专注前沿AI模型安全防护
AI安全公司Irregular宣布完成8000万美元融资，由红杉资本和Redpoint Ventures领投，公司估值达4.5亿美元。该公司专注于AI模型安全评估，其SOLVE框架已被业界广泛采用，参与了Claude 3.7 Sonnet和OpenAI o3等模型的安全评估。公司构建了复杂的仿真环境系统，可在模型发布前进行深度测试，识别潜在风险和新兴行为。
京公网安备 11010802021500号
