/
从零开始构建开源推理模型：解决大语言模型推理能力冷启动的关键数据集
这项研究解决了开源推理大模型领域的关键挑战：如何从零开始构建高质量的长思维链数据集，以解决大语言模型在强化学习中的冷启动问题。研究团队开发了一个创新管道，使普通大语言模型能够产生长思维链推理，方法是先收集少量种子数据捕获o1模型的推理策略，然后通过分步生成扩展到10万个高质量实例。实验表明，使用这一数据集训练的模型在强化学习阶段获得了2-3倍的性能提升，证明了该方法在构建不依赖现有推理大模型的开源替代品方面的巨大潜力。
加速扩散大语言模型：UCLA研究团队提出自适应并行解码新方法
UCLA计算机科学系研究团队提出的"自适应并行解码"(APD)方法，成功解决了扩散大语言模型面临的速度与质量权衡难题。该方法通过动态调整并行生成的词数，结合一个小型辅助自回归模型来评估生成质量，并引入KV缓存和掩码输入限制等优化措施，使扩散模型能在保持高质量输出的同时显著提升生成速度。实验表明，使用APD的Dream 7B模型不仅能达到每秒59个词的吞吐量（比基线提升近6倍），还在数学推理等任务上保持了接近原始水平的准确率，甚至超越了传统自回归模型的速度。
R?ec：思考与推荐融为一体，香港理工大学研究团队打造新一代大型推荐系统
这项研究由香港理工大学和新加坡国立大学的团队共同完成，提出了R?ec，首个将推理能力内置于大型推荐模型的统一框架。与传统方法不同，R?ec在单一自回归过程中实现了推理生成和物品预测的无缝整合。研究者还设计了RecPO优化框架，无需人工标注即可同时提升模型的推理和推荐能力。实验结果显示，R?ec在三个数据集上显著超越现有方法，在Hit@5和NDCG@20指标上分别提升68.67%和45.21%。这一突破为下一代智能推荐系统开辟了新方向。
多模态深度研究员：基于代理架构从零开始生成图文交织报告
这项由浙江大学CAD&CG国家重点实验室研究团队开发的"多模态深度研究员"系统，能够自动生成包含精美图表和文本的专业报告。研究者提出了"可视化的形式化描述"（FDV）方法，使AI能够理解和生成高质量可视化内容。该系统分四个阶段工作：研究信息、学习示例、规划内容和生成报告。实验表明，与基线方法相比，该系统在可验证性、可视化质量和一致性方面表现出色，使用Claude 3.7 Sonnet模型时总体胜率达82%。
共同进化的魔法：让AI既会写代码又会检验代码，一个团队让计算机学会自我完善的故事
这项研究提出了CURE框架，通过强化学习让大语言模型同时学习编写代码和生成单元测试两种能力，无需使用标准代码作为监督。团队开发的ReasonFlux-Coder模型在仅用4.5K编程问题训练后，便在多个基准测试中超越了同类模型，代码生成准确率提高5.3%，最佳N选1准确率提高9.0%。该方法不仅提升了模型性能，还提高了推理效率，同时为降低API调用成本和无标签强化学习提供了新思路。
视觉"动感眼"：南京大学团队打造的多模态大模型细粒度动作理解增强系统
南京大学与字节跳动联合团队开发的MotionSight系统，为多模态大语言模型提供了"动态视觉增强"能力，解决了现有AI系统在理解视频细粒度动作方面的困难。这一零样本方法通过对象中心的视觉聚光灯和动态模糊技术，显著提升了模型对物体动作和摄像机动作的感知能力，在不需要额外训练的情况下实现了业界领先性能。研究团队同时构建了MotionVid-QA数据集，这是首个专注于细粒度视频动作理解的大规模开源数据集，包含4万多个视频片段和近9万个问答对，为未来研究提供了宝贵资源。
深度解读M?FinMeeting：探索多语言、多行业、多任务的金融会议理解评估数据集
M?FinMeeting是由苏州大学和阿里云研究团队开发的创新性金融会议理解评估数据集，支持英语、中文和日语三种语言，涵盖全球行业分类标准(GICS)定义的11个行业部门，包含摘要生成、问答对提取和问题回答三项任务。研究团队用七种代表性大型语言模型进行了实验评估，发现即使是最先进的长上下文模型在处理金融会议理解任务时仍有显著提升空间。这一数据集填补了金融领域人工智能评估基准的重要空白，为未来研究提供了宝贵资源。
解决视觉语言模型的"眼见为实"难题：布朗大学团队开发像素与先验知识控制技术
这项研究创建了"Visual CounterFact"数据集，通过展示与常识相悖的图像（如蓝色草莓）测试视觉语言模型如何平衡视觉输入与记忆知识。研究发现，模型往往会被视觉输入左右，即使被问及通用知识问题。团队开发了"像素与先验"转向技术，成功控制模型在两种信息源之间的依赖，颜色任务成功率高达92.5%，大小任务达74.6%，为构建更可靠的多模态AI系统提供了新工具。
SEALQA：提升搜索增强型语言模型推理能力的新挑战
SEALQA是维吉尼亚理工大学研究团队开发的新型基准测试，旨在评估搜索增强型语言模型在面对矛盾、嘈杂或无用搜索结果时的推理能力。它包含三种测试：SEAL-0（极具挑战性的核心问题集）、SEAL-HARD（更广泛的困难问题集）和LONGSEAL（测试长上下文多文档推理）。研究发现，即使是前沿模型在这些测试中表现也很差，增加测试时计算资源往往不能带来可靠的性能提升，高级推理模型对嘈杂搜索结果特别敏感，模型在识别大量干扰文档中的相关信息时仍然困难重重。
计划与预算：大型语言模型推理的高效测试时优化方案
这篇论文提出了"计划与预算"框架，解决大型语言模型在推理任务中的效率问题。研究者发现模型存在"推理失调"现象——简单问题上过度思考，复杂问题上思考不足。他们开发了贝叶斯预算分配模型(BBAM)作为理论基础，将推理分解为子问题并根据不确定性分配计算资源。实验表明，该方法在不同任务上显著提高推理效率，令牌使用减少39%，E?指标提升187.5%，且能使小型模型达到大型模型的效率水平。
解密神秘语言模型：康奈尔大学研究团队突破性融合自回归与扩散技术
康奈尔大学团队提出的"神秘语言模型"(Eso-LMs)创新性地融合了自回归和掩码扩散模型的优势，实现了两种范式间的平滑过渡。研究最大突破在于首次为掩码扩散模型引入KV缓存技术，同时保留并行生成能力，使推理速度比标准扩散模型快65倍，比半自回归模型快4倍。通过设计特殊的注意力机制和采样策略，Eso-LMs在保持扩散模型并行生成优势的同时，解决了传统扩散模型的效率瓶颈，为语言生成任务提供了质量与速度兼具的新解决方案。
解密代码语言模型：编程概念与神经元如何共享？看LMU慕尼黑团队揭秘AI如何理解编程语言
这项由LMU慕尼黑大学研究团队进行的研究，首次深入探索了代码语言模型如何在内部表示和处理多种编程语言。研究通过分析Llama系列模型的中间层表示和神经元激活模式，发现模型在处理代码翻译任务时会经过"英语思维"的中转，且不同编程语言在模型内部的表示存在显著的共享和差异模式。研究结果不仅揭示了AI理解代码的内部机制，还为设计更高效的多语言代码模型提供了实用见解。
IVY-FAKE：一个统一的可解释AI生成内容检测框架，让你明白那些视频和图像为何是假的
这项研究提出了首个统一的可解释AI生成内容检测框架IVY-FAKE，能同时处理图像和视频。研究团队创建了一个包含15万多个带有详细注释样本的大型数据集，并开发了IVY-XDETECTOR模型，不仅能准确识别AI生成内容，还能用自然语言解释判断理由。实验表明，该模型在多个基准测试中显著超越现有方法，在检测准确率和解释能力上均达到了新高度，为打击虚假信息提供了有力工具。
RARE：一场全面检测检索增强生成系统鲁棒性的革命 - 卡内基梅隆大学和亚马逊联合创新
这项研究提出了RARE框架，全面评估检索增强生成系统面对现实干扰时的鲁棒性。它包含三大核心组件：RARE-Met评估指标，RARE-Get自动数据生成管道，以及RARE-Set覆盖金融、经济、政策领域的大规模数据集。实验结果揭示RAG系统在文档扰动下特别脆弱，模型大小并非决定鲁棒性的唯一因素，且多跳问题比单跳问题更易受扰动影响。这一框架为构建更可靠的RAG系统提供了关键洞察和评估工具。
2025思爱普中国峰会：商业AI持续释放数据价值，驱动企业韧性增长
今日，以“AI重构商业未来”为主题的2025思爱普中国峰会盛大召开。在全球商业环境持续面临不确定性影响的当下，中国企业正积极拥抱变革，寻求韧性发展。
Snap 推出 Lens Studio iOS 与网页版应用，用 AI 和简单工具创建 AR Lens
Snap 推出 Lens Studio 的 iOS 应用和网页工具，让所有技能层次的用户都能通过文字提示和简单编辑，轻松创建 AR 镜头，包括生成 AI 效果和集成 Bitmoji，从而普及 AR 创作，并持续为专业应用提供支持。
Epic Games 揭示 2025 年 Unreal 现状
Epic Games 在 Orlando Unreal Fest 上发布 2025 年 Unreal 状态报告，展示了 UE5.6 新技术、AI 创作工具和 Epic Games Store 成就，助力开发者打造开放世界游戏体验。
AI测试趋势洞察、行业实践探索与未来展望
在数字化浪潮汹涌的当下，软件测试作为保障软件质量的关键环节，正经历着由 AI 技术引发的深刻变革。传统软件测试模式在周期、成本和效率等方面的固有弊端，正被 AI 的智能化能力逐一突破，开启软件测试的全新篇章。
混搭拼图增强与置信度边界加权伪标签：如何让模型在无源数据的情况下更好地适应新环境
罗切斯特理工学院和美国陆军研究实验室的研究团队开发了一种突破性的无源域适应方法，通过混搭拼图增强技术和置信度-边界加权策略，使AI模型能在没有原始训练数据的情况下适应新环境。该方法在三个主要基准数据集上取得显著成果，特别是在PACS数据集上准确率提升了7.3%，为AI系统在隐私保护、安全限制等现实场景中的应用提供了新解决方案。
京公网安备 11010802021500号
