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。
最新调查显示,32%的受访者表示有兴趣使用AI进行心理治疗而非人类治疗师。专家认为,AI聊天机器人具有超强耐心,在快节奏社会中颇具吸引力。年轻人因习惯单向网络关系而更易接受AI治疗。研究表明AI在预测自杀倾向方面准确率达70%,但也存在风险,包括过度肯定和缺乏真实人际连接。专家建议应谨慎整合AI与传统心理治疗,既发挥技术优势又保持人性化关怀。
谷歌正在将其基于人工智能的图片转视频技术推广到更多应用程序中。这项技术能够将静态图片转换为动态视频内容,利用先进的AI算法分析图片内容并生成流畅的视频效果。此举标志着谷歌在AI视觉处理领域的进一步布局,预计将为用户提供更丰富的多媒体创作体验。
随着数字基础设施需求激增,数据中心成为非住宅建筑增长的主要驱动力。开发商正在加快建设步伐,面临更紧迫的时间表和更高期望。Gray建筑公司数据中心副总裁Ben Burgett分享了加速时间表的关键做法:早期协调配合、预制化施工、多建筑同步建设等。同时,AI芯片产生的高热量推动液冷技术应用,电力需求从40兆瓦增至100-120兆瓦。新数据中心选址主要考虑电力供应和人力资源两大因素。
谷歌DeepMind推出名为Aeneas的AI模型,专门用于修复和解读古代拉丁铭文。该工具能够快速识别相似文本,填补未知长度的文本空缺,并支持文本和视觉输入的多模态分析。Aeneas可在数秒内找到数千条拉丁铭文的相似内容,为历史学家提供可解释的建议。该模型现已开源免费使用,同时DeepMind还升级了古希腊文本模型Ithaca。
T-Tech公司研究团队开发了SAE Boost助推器系统,通过训练专门的"错误补偿器"来增强AI理解工具对专业领域的理解能力。该系统在化学、俄语和外交等领域测试中显示出显著改进效果,同时完全保持原有通用能力。这种模块化设计为AI系统的持续优化提供了安全可靠的路径,对AI可解释性研究具有重要意义。
IBM第二季度业绩超预期,得益于新型大型机硬件强劲销售。该硬件能处理海量数据,适用于AI工作负载。每股收益2.80美元,超过华尔街预期的2.64美元;营收169.8亿美元,增长8%,高于预期的165.9亿美元。公司推出IBM z17大型机新品,配备更先进处理器用于生成式AI和金融应用。生成式AI业务达75亿美元。
斯坦福大学研究团队开发出革命性AI系统,能够像生物学家一样"看懂"蛋白质三维结构并预测功能。该系统通过多层次分析方法,在蛋白质功能预测方面达到90%以上准确率,为新药开发和精准医疗开辟新道路。这项技术不仅加速了蛋白质研究进程,更为解决复杂疾病提供了强大的AI助手,预示着人工智能与生物医学融合的美好前景。
上海AI实验室团队提出TAIL方法,让大语言模型学会图灵机的推理方式,通过线性转换、原子状态和内存获取器三个核心模块,显著提升了AI在长文本推理任务上的表现。在18个算法任务的测试中,该方法训练的模型展现出优秀的长度泛化能力,超越了多个先进模型,为解决AI长文本推理难题提供了新思路。
这项研究提出了π?方法,通过置换等变架构解决了传统3D重建技术依赖固定参照系的问题。该方法让每个摄像机独立描述场景,无论输入顺序如何都能产生一致结果,在多个任务上达到最先进性能,同时具有出色的鲁棒性、可扩展性和训练效率,为AR、自动驾驶等应用领域带来新可能。
MIT研究团队开发出突破性技术,让机器人能够同时理解多种类型的人类反馈,真正掌握人类的深层意图和偏好。这项技术通过融合偏好比较、演示学习等多种反馈方式,使机器人在任务成功率和用户满意度上分别提升30%和40%,为未来人机协作开辟了新的可能性。