/
六度蝉联：Akamai 荣膺《2025年度 Gartner(R) Peer Insights(TM) 云端WAAP客户之声报告》“客户之选”称号
阿卡迈技术公司宣布 Akamai App & API Protector 在 《2025 年度 Gartner(R) Peer Insights(TM) 云端WAAP客户之声报告》 中荣膺“客户之选”称号。
华中科技大学团队突破性发现：让AI像几何学家一样思考，竟能大幅提升空间理解能力
华中科技大学研究团队发现，通过让AI模型学习解决几何问题，能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集，使用强化学习方法训练多个AI模型。实验结果显示，几何训练在四个空间智能测试基准上都带来显著提升，其中最佳模型达到49.6%准确率，超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。
中国人民大学重磅突破：让AI"聪明"地用工具，不再像没头苍蝇一样瞎忙活
中国人民大学研究团队开发了Tool-Light框架，通过信息熵理论解决AI工具使用中的过度调用、调用不足和过度思考问题。该框架采用熵引导采样和两阶段自演化训练，让AI学会合理使用外部工具。在10个推理任务测试中，Tool-Light显著提升了AI的效率和准确性，为AI工具集成推理提供了新的解决方案。
新加坡国立大学开创性突破：让AI不再被"好心帮倒忙"的推理示例困扰
新加坡国立大学研究团队发现现代AI推理模型存在意外困境：传统的推理示例反而会降低性能，最高降幅达35%。研究识别出两个关键问题并开发了I2S解决方案，通过将示例转化为抽象指导而非具体模仿，在多个模型上实现显著提升。该方法轻量级、免训练，为AI推理能力优化开辟新思路。
中科院研究团队突破3D重建技术瓶颈：用上千张照片重建真实世界，告别传统方法的桎梏
中科院研究团队开发的VGGT-X技术突破了3D重建领域的关键瓶颈，通过内存优化、全局对齐和鲁棒训练策略，实现了用上千张照片快速重建高质量3D场景。该技术将内存使用量减少76%，处理速度提升数十倍，在保持接近传统方法质量的同时，让3D重建从专业任务变为普通设备可完成的日常操作，为建筑、电商、文保等领域的应用普及铺平了道路。
埃默里大学团队首创AceSearcher：让小体量AI模型也能像侦探一样精准推理
埃默里大学团队发布AceSearcher框架，通过让单一AI模型扮演分析师和调查员双重角色，实现复杂问题的系统性分解和推理。该技术在多跳问答等任务上平均提升7.6%准确率，15亿参数的小模型即可媲美数百亿参数大模型，显著提升参数效率，为AI推理能力发展提供了新的技术路径。
腾讯混元团队发布史上最强开源图像生成AI：一个模型既能看懂图片又能生成图片
腾讯混元团队发布HunyuanImage 3.0，这是全球首个统一图像理解与生成的原生多模态开源模型。该模型基于800亿参数架构，在推理时激活130亿参数，具备思维链推理能力，在文本-图像对齐和视觉质量评估中达到业界领先水平，成为目前最强大的开源图像生成模型，为AI图像生成领域带来重大突破。
GUI智能体重获新生：北京理工大学团队让AI在电脑上的操作效率狂飙5倍
北京理工大学团队提出DART框架，通过去耦合训练和自适应数据管理策略大幅提升GUI智能体训练效率。DART-GUI-7B在OSWorld测试中达到42.13%成功率，比基础模型提高14.61%，训练吞吐量提升1.9倍，环境利用率提升5.5倍。该方法解决了传统GUI智能体训练中的效率瓶颈和数据质量问题，为AI自动化电脑操作技术发展奠定重要基础。
中科大和港科大联手打造：让AI学会"听"一小时还能"说"十分钟的神奇对话机器人
香港中文大学和香港科技大学联合开发了MGM-Omni，一个能够理解超过60分钟音频并生成10分钟以上连贯语音的AI系统。该系统采用创新的"大脑-嘴巴"双轨架构，分别负责多模态理解和语音生成，通过分块并行解码技术解决了文本语音对齐难题，实现了零样本语音克隆。在长音频理解测试中成功率达94%，语音生成速度提升3倍，为构建更自然的人机交互系统开辟了新路径。
中山大学重新定义视频理解：让AI像人一样"放大镜观看"长视频
中山大学研究团队开发出LOVE-R1视频理解模型，通过模仿人类"先粗后细、重点观察"的认知方式，让AI能够智能地在长视频中定位关键片段进行高分辨率分析。该模型采用快慢结合的处理策略和三阶段训练方案，在四个长视频理解基准上平均提升3.1个百分点，为解决长视频理解中的时空信息平衡难题提供了新思路。
超越扩散模型的新突破：DP Technology让AI图像生成迎来全新变革
这项由DP Technology和北京大学联合完成的研究提出了SphereAR方法，通过超球面约束解决连续标记自回归图像生成中的方差崩溃问题。该方法将所有输入输出限制在固定半径球面上，实现尺度不变性，在ImageNet数据集上创下自回归模型新纪录，SphereAR-H达到1.34 FID分数，首次让纯自回归方法在同等参数规模下超越扩散和遮蔽生成模型。
微软研究院打造AI视觉推理专家：让机器像人类一样"看图说话"
微软研究院联合清华大学开发的PixelCraft系统，通过多智能体协作突破了AI视觉推理瓶颈。该系统采用专业分工模式，包含调度员、规划员、推理员等角色，配备图像记忆库实现灵活推理。在权威测试中准确率提升5-9个百分点，特别擅长分析复杂图表和几何图形，为科研、金融、教育等领域提供精确的视觉分析能力。
清华深研院突破AI推理的"两难选择"：探索与利用居然可以兼得
清华深研院研究团队通过分析AI模型的内部语义表征空间，发现传统认为对立的探索与利用能力实际上可以解耦并同时增强。基于这一发现，他们开发了VERL方法，通过有效排序及其导数来动态调节训练激励，在高考2024数据集上实现了21.4%的绝对准确率提升，为AI推理能力发展开辟了新路径。
人工智能与人类协作的新境界：北京传媒大学和微软团队破解云端智能压缩难题
这项由中国传媒大学和微软联合开展的研究提出了UniMIC框架，创新性地采用令牌化技术解决人机协作中的通信效率问题。该技术将多媒体数据转换为紧凑令牌进行传输，避免了传统方法的累积损失，在文本生成图像、图像编辑等任务中实现60-80%的带宽节省，同时保持近乎无损的质量，为未来AI原生通信协议奠定了基础。
NVIDIA突破4位浮点训练瓶颈：让大模型训练速度翻倍的NVFP4技术
NVIDIA团队成功实现了4位浮点精度(NVFP4)的大语言模型训练突破，通过创新的双级缩放、随机哈达玛变换、二维块缩放和随机舍入技术，在120亿参数模型上完成了史上最长的4位精度训练实验。相比传统方法，NVFP4将训练速度提升2-3倍，内存使用减半，同时保持了与8位精度相当的模型性能，为大模型训练的效率优化开辟了新路径。
上海AI实验室突破计算机视觉难题：如何让机器像人类一样"看懂"深度
上海人工智能实验室研究团队开发了BRIDGE系统，通过强化学习优化的深度-图像生成引擎解决单目深度估计中的数据稀缺问题。系统能根据深度信息生成2000万张高质量图像，采用混合监督策略结合教师模型预测和高精度真实标注进行训练。在多个基准测试中取得最优性能，仅用三分之一数据量就超越现有最佳方法，为自动驾驶、机器人导航等应用提供更准确的深度感知能力。
腾讯和武汉大学研发的"思维型AI智能体"：会思考、会推理、像人类一样学习游戏
这项由腾讯与武汉大学合作的研究开发了一种革命性的AI智能体CEL，它能像人类一样从零开始学习游戏规则并制定策略。与传统需要大量数据训练的"黑箱"AI不同，CEL通过观察、思考和反思的方式自主学习，整个决策过程完全透明。在扫雷、冰湖导航和推箱子三种游戏测试中，CEL都表现出色，甚至超越了预先知道规则的传统AI。这种"会思考的AI"为未来可解释人工智能的发展指明了新方向。
机器人导航新突破：上海AI实验室团队开发出会"自学成才"的智能导航系统
这项由上海AI实验室联合多所知名高校开发的SID导航系统，首次实现了机器人通过自我经验学习来提升导航能力的突破。该系统能让机器人仅凭简单的目标描述就在陌生环境中自主探索，在SOON任务中成功率达50.9%，比现有方法提升13.9%。这种自监督学习范式不仅解决了传统方法对人工标注数据的依赖，还为未来智能家居机器人的普及奠定了重要技术基础。
可穿戴设备、AI与个人医疗数字化身的融合趋势
随着大语言模型在人工智能时代展现强大力量，可穿戴设备成为收集人体数据的重要载体。通过实时监测血压、心率、血糖等生命体征，结合AI边缘计算能力，医疗正向个性化转型。基因治疗、数字孪生技术让每个人都能拥有专属的医疗数字化身，实现从"报销型医疗"向"创新循证医疗"的转变，为疾病预防和健康管理带来革命性突破。
OpenInfra欧洲峰会：从VMware迁移至开源替代方案
在巴黎举办的欧洲开放基础设施峰会期间，专门用一整天时间讨论VMware迁移问题。博通收购VMware后许可证价格上涨，导致客户运营成本大幅增加。开源开发者展示了将VMware虚拟机迁移到开源替代方案的产品。Forrester分析师指出VMware客户对此感到信任破裂。OpenStack等开源解决方案虽然复杂度较高，但提供了健康的开源生态系统替代方案。
京公网安备 11010802021500号
