剑桥大学研究团队发布突破性研究,提出通过逆强化学习让AI从人类行为中推断真实意图的新方法。该方法解决了大语言模型训练中的关键挑战,包括缺乏明确奖励信号、计算资源需求巨大等问题。通过观察人类偏好数据而非直接指令,AI能更好地理解复杂的人类价值观,在对话、数学推理等领域表现显著提升。
哈工大团队提出SENTINEL框架,通过句子级早期干预和交叉验证机制,将多模态AI的视觉幻觉率从52.7%降至4.3%,降幅超90%。该方法采用域内数据自举策略,无需外部标注,在保持AI通用能力的同时显著提升了图像描述准确性,为可信AI发展提供重要突破。
这项突破性研究由法国瓦雷奥公司联合荷兰高校团队完成,开发出名为Franca的开源AI视觉模型。该模型仅使用公开数据训练,却在图像分类、物体检测、语义分割等多项任务中达到或超越了谷歌、Meta等科技巨头的私有模型性能。研究团队创新性地引入"套娃式"多层记忆系统和空间偏见消除技术,并完全开源了模型、代码和训练数据,为AI技术民主化做出重要贡献。
高通AI研究院开发出CSD-VAR技术,能够从单张图片中精确分离内容与风格,实现灵活的视觉创作。该技术针对视觉自回归模型设计,通过尺度感知优化、SVD修正和增强记忆机制三大创新,有效解决了传统方法的内容泄漏问题。同时构建了CSD-100专业评估数据集,在多项指标上超越现有方法,为数字艺术创作和个性化图像生成开辟了新可能。
西班牙马德里理工大学研究团队开发了全球首个融入能耗意识的AI评估平台——生成式能源竞技场(GEA),通过对694个评估样本的分析发现,当用户了解AI模型能耗信息后,46%的用户会改变原始选择,更节能小模型的获胜率从50%跃升至75%以上,揭示了能耗意识对AI选择的显著影响,为构建可持续AI生态系统提供重要科学依据。
牛津大学研究团队开发了基于期望值的新型股市风险评估方法,通过分析FTSE 100指数20年数据发现,该方法在预测极端市场事件方面比传统方法准确25%以上。新方法不仅考虑风险事件的发生概率,还特别关注事件的严重程度,在2008年金融危机等动荡期表现尤为出色,为金融机构提供了更可靠的风险管理工具。
小红书NLP团队开发了专门针对社交网络的AI模型RedOne,通过三阶段训练策略处理社交媒体特有的非正式语言和多元化任务。该模型在社交网络基准测试中比基础模型平均提升14.02%,在实际应用中将有害内容检测准确率提升11.23%,搜索推荐点击率提升14.95%,为社交平台AI应用提供了新的技术方案。
上海交通大学研究团队发现扩散式大语言模型存在严重安全漏洞,其开发的DIJA攻击方法能以接近100%成功率绕过AI安全防护,诱导模型生成危险内容。该攻击利用扩散模型的双向建模和并行解码特性,通过插入掩码标记让AI误以为是填空练习,从而规避安全检查。现有防护措施对此类攻击几乎无效,凸显了新兴AI架构安全评估的紧迫性。
清华大学等机构联合发布Mono-InternVL-1.5多模态大语言模型,通过创新的单体式架构设计,实现了用58%更少的训练数据达到更好性能的突破。该模型采用视觉专家嵌入和渐进式训练策略,有效解决了多模态学习中的灾难性遗忘问题,推理速度提升26%,为低成本高性能AI应用开辟新路径。
Mistral AI发布了两个开源多模态语音AI模型Voxtral Mini和Small,不仅具备语音识别能力,更能理解语音内容并进行智能对话。模型支持32K上下文窗口,可处理40分钟长音频,在语音识别、翻译和理解任务中达到最先进水平。Small版本超越多个闭源模型,Mini版本可本地运行,两个版本均在Apache 2.0许可证下开源发布。
浙江大学和新加坡国立大学联合开发的AutoSteer系统,为多模态大语言模型提供了创新的安全防护机制。该系统通过安全意识评分自动识别AI内部最佳监控点,结合智能毒性检测器和拒绝机制,实现了既强大又安全的AI防护。实验显示,AutoSteer在显著降低攻击成功率的同时,完全保持了AI系统的正常功能,为AI安全领域提供了实用的解决方案。
HSE大学研究团队提出了RiemannLoRA方法,创新性地将黎曼几何引入大型模型的低秩适应训练中。该方法通过统一框架同时解决了初始化选择和过参数化两个关键问题,在常识推理和图像生成任务上都显著优于传统LoRA方法,为人工智能模型的高效训练提供了新的几何视角和实用工具。
浙江大学研究团队开发的Diffuman4D系统实现了从稀疏视频重建高质量三维人物表演的技术突破。该系统仅需4台摄像头就能生成多视角一致的高分辨率视频,通过创新的滑动迭代去噪机制和人体骨骼引导,解决了传统方法在时空一致性方面的挑战。实验表明该技术在多个评估指标上显著超越现有方法,为电影制作、体育直播和虚拟现实等领域提供了低成本的高质量视频生成解决方案。
清华大学研究团队开发出能够像人类一样理解物理世界的人工智能系统。该系统采用"子等变图神经网络"架构,内置物理规律,能仅通过观察预测物体运动和相互作用。与传统AI相比,新系统预测精度提升30-45%,且具备强大的泛化能力,可应用于机器人、自动驾驶、游戏开发等领域,代表了从数据驱动向知识驱动转变的重要突破。
超智算(北京)科技有限公司(以下简称“超智算”)近日宣布完成亿元级战略融资,该轮融资由北京市石景山区现代创新产业发展基金有限公司领投。
K Prize是由Databricks和Perplexity联合创始人推出的AI编程挑战赛,首轮比赛结果显示,获胜者巴西工程师Eduardo Rocha de Andrade仅答对7.5%的题目就获得5万美元奖金。该测试基于GitHub真实问题,采用定时提交系统防止针对性训练,与SWE-Bench 75%的最高得分形成鲜明对比。创始人承诺向首个在该测试中得分超过90%的开源模型提供100万美元奖励。
阿里巴巴通义千问团队发布开源编程模型Qwen3-Coder-480B-A35B-Instruct,专门用于软件开发辅助。该模型采用混合专家架构,拥有4800亿参数,支持25.6万token上下文长度,可在数秒内创建完整功能应用。在SWE-bench基准测试中得分67.0%,表现优于GPT-4和Gemini。模型基于Apache 2.0开源许可,企业可免费使用。AI研究者称其可能是目前最佳编程模型,特别适合企业级代码库理解、自动化代码审查和CI/CD系统集成。
亚马逊云科技宣布将与致力于清除全球海洋和河流塑料污染的非营利组织The Ocean Cleanup (“海洋清理”)展开合作,充分利用亚马逊云科技在人工智能(AI)、机器学习(ML)及云计算的能力,助力其清理大太平洋垃圾带(Great Pacific Garbage Patch),并加速实现到2040年清除90%海洋漂浮塑料的目标。
SecurityPal成立于2020年,专门处理企业间技术采购中的安全合规问卷。该公司结合AI引擎与位于尼泊尔加德满都的240人分析师团队,帮助供应商和买方快速完成安全评估。平台维护着250万个安全问题的专有语料库,采用"人机协作"模式确保准确性。客户包括OpenAI、Figma等知名企业,服务承诺24小时内完成问卷处理,相比传统手动流程速度提升高达87倍。
谷歌CEO桑达尔·皮查伊在财报电话会议上表示,对与OpenAI在云计算领域的合作感到"非常兴奋"。尽管OpenAI是谷歌在AI领域的最大竞争对手,但这一合作为谷歌云带来了重要客户。谷歌云第二季度收入增长至136亿美元,同比增长32%。该合作关系颇为微妙,OpenAI可能会利用谷歌的云基础设施来挑战谷歌的核心搜索业务。