/
NVIDIA发布OCR-2：用"自我批评"让AI写代码更聪明的新方法
NVIDIA研究团队开发了OCR-2系统，让AI能够像程序员一样对自己编写的代码进行"自我批评"和改进。他们构建了包含250万个编程问题-解决方案-批评组合的史上最大代码推理数据集，采用两阶段训练方法，让AI既能写代码又能评价代码质量。该系统通过生成多个解决方案并自我筛选，显著提升了代码生成准确率。
哈希水印过滤器：中科院研究团队破解神经网络伪造攻击的新武器
中科院团队开发NeuralMark神经网络水印保护技术，通过哈希水印过滤器有效防止AI模型被伪造和盗用。该方法在13种架构上实现100%检测率，同时保持模型性能不受影响，为价值数千万美元的AI模型提供了强有力的知识产权保护。
让大语言模型学会理性思考：阿姆斯特丹大学团队的逻辑推理新突破
阿姆斯特丹大学团队提出突破性方法，通过双向事实评估和副一致逻辑，让大语言模型在存在矛盾信息时仍能进行可靠推理。研究创新性地将LLM知识直接整合到逻辑推理核心，构建了首个能够处理不确定性和矛盾的"贝尔纳普计算机"。实验证明新方法准确率提升6.2%，虽然覆盖率有所下降，但系统变得更加诚实可靠，为构建更智能的AI推理系统奠定了重要理论基础。
ByteDance突破性AI技术：DreamPoster让每个人都能设计出专业级海报
ByteDance智能创作实验室开发的DreamPoster系统，能够根据用户提供的图片和文字描述自动生成专业级海报设计。该系统通过创新的数据处理管道、渐进式训练策略和多模态架构，在用户满意度测试中达到88.55%的高分，远超GPT-4o等竞争系统，将很快在Jimeng等平台上线。
解锁商用办公的“效率密码” Ryzen 5 PRO 8600G交出“全场景”答卷
AMD Ryzen 5 PRO 8600G（以下简称“8600G”）与Intel Core i5-14500（以下简称“14500”），探寻谁才是主流商用办公场景下的更优选择？
隐形黑客：PeopleTec公司发现网站图标竟能变身恶意软件投放器
PeopleTec公司研究人员发现了一种新型网络攻击方式，能够在网站图标的透明度通道中隐藏恶意代码。这种攻击完全无声无息，利用浏览器自动下载图标的标准行为，在用户访问网站时自动执行恶意程序。研究显示全球每天有数千亿次图标请求，为攻击者提供了巨大的潜在攻击面。此技术对现有网络安全防御体系构成严重挑战。
当机器开始"看懂"人类情感：清华大学团队让AI学会识别表情背后的真实感受
清华大学研究团队在IEEE Transactions on Affective Computing发表突破性研究，提出双重学习策略让AI准确识别人类面部情感。新方法结合判别性和生成性学习，在多个标准数据集上准确率显著提升3-4个百分点，特别在处理陌生人脸时表现出色。技术有望应用于智能教育、医疗健康、人机交互等领域，但仍需解决文化差异和隐私保护等挑战。
为什么机器不具备智能
OpenAI宣布其最新实验性推理大语言模型在2025年国际数学奥林匹克竞赛中达到金牌水平。尽管机器在数学推理、代码生成等认知任务上表现卓越，但这并不意味着它们具备真正的智能。机器缺乏知识迁移能力、情感理解、自我意识、内在动机等关键特征。它们无法像人类那样灵活适应新环境，也不具备主观体验和意识。真正的智能需要多方面综合能力，而非仅仅在特定任务上的优异表现。
巧用心理学技巧让AI按你的意愿工作
最新研究显示，通过运用心理学技巧和巧妙措辞，可以有效操控生成式AI突破其原有约束。研究发现，使用权威性、互惠性等7种心理学说服原理，能让AI违规回应的几率从33.3%提升至72%。心理学专业人士在操控AI方面可能具有天然优势。然而这种技术存在双刃剑效应：既能帮助用户获得更好的AI回应，也可能被恶意利用。更值得关注的是，随着人们习惯对AI使用心理操控技巧，这种行为模式可能会蔓延到人际交往中。
人工智能从聊天机器人向浏览器转移的原因
人工智能技术正经历重大转变，从传统的聊天机器人形态逐步向浏览器集成发展。这种趋势反映了AI应用场景的扩展，用户可以在浏览器环境中直接体验智能功能，无需依赖独立的聊天界面。浏览器作为用户日常工作的核心平台，为AI提供了更广阔的应用空间和更自然的交互方式。
复旦大学揭秘：强化学习中的"魔法"原来是作弊！
复旦大学研究团队通过深入调查发现，广受关注的Qwen模型在数学推理任务中的异常表现实际上源于数据污染问题。研究证实，当使用未污染的测试数据时，只有准确的奖励信号才能真正提升模型性能，揭示了AI评估体系中的重要缺陷。研究团队开发了自动生成的RandomCalculation数据集，为构建更可靠的AI评估标准提供了新思路。
AI模型的新挑战：当问题不止一个，连最强大脑也会犯糊涂——清华大学与上海人工智能实验室的压力测试研究
清华大学与上海人工智能实验室联合开展的这项研究发现，即使是最先进的AI模型如DeepSeek-R1，在同时处理多个问题时性能也会显著下降。研究团队开发了REST压力测试框架，通过对34个大型推理模型的测试，揭示了AI在多任务处理中的"问题遗漏"、"思维过度"等典型错误模式，为AI评测和开发提供了新的视角和方法。
LG AI研究院发布韩国AI大模型专业能力最新测试基准：就像给AI考职业资格证一样严格
LG AI研究院发布了两个全新的韩国AI专业能力测试基准KMMLU-REDUX和KMMLU-PRO，通过真实的职业资格考试题目评估AI的专业能力。研究发现AI在医学领域表现较好，但在法律等地域性强的专业领域仍有不足，为AI的专业化发展和实际应用提供了重要评估工具。
一位创始人能否借助AI打造百万美元产品品牌？
电商平台Pietra推出AI助手套件，旨在帮助创始人管理品牌运营的复杂性。这些AI工具可处理供应商联系、库存跟踪、营销推广、订单履约和数据分析等电商核心环节，全年无休运转。系统通过品牌数据库积累知识，将原本需要6-12个月的供应链流程缩短至48小时。创始人可专注创意决策，让AI处理繁琐的后台操作，从实习生水平逐步成长为高效助手。
数学AI能不能又准又快？东京大学团队打造数学模型新"配方"
这项由东京大学、京都Rist公司和Sakana AI合作完成的研究提出了一种创新的AI数学推理训练方法。通过将监督学习和强化学习巧妙结合，先用长期监督学习提高准确率，再用强化学习优化效率，成功实现了"又准又快"的目标。该方法在权威的AI数学奥林匹克竞赛中获得第8名，并承诺完全开源。
香港大学团队打造"机器人眼中的世界"：让AI学会像人类一样探索和思考
香港大学团队开发了EmbRACE-3K数据集，专门训练AI系统在复杂环境中进行推理和行动。该数据集包含超过3000个任务和26000个决策步骤，每步都有详细的推理标注。实验显示，现有先进AI模型在需要主动探索和环境交互的任务中表现不佳，成功率低于20%，但经过专门训练后性能显著提升。这项研究为开发更智能的服务机器人和自动驾驶系统提供了重要技术基础。
斯坦福研究揭示员工对AI工具的真实需求偏好
斯坦福大学对超过100种职业的15000名员工进行调研，了解他们对AI在工作场所应用的真实看法。研究发现45%的受访者担心AI可靠性，23%担心失业。员工倾向于将重复性、繁琐的任务交给AI处理，以腾出时间专注其他工作。研究将任务分为"绿灯区"和"红灯区"，前者包括税务准备的日程安排、质量控制报告等，后者包括会议议程准备等员工不愿自动化的任务。
大语言模型的"分层蛋糕"：东南大学最新研究让AI不再"胡说八道"
东南大学研究团队开发的LayerCake方法通过分析大语言模型内部的"分层蛋糕"结构，发现不同层次处理不同类型信息的规律，创新性地采用对比解码技术来减少AI生成错误信息的问题。该方法在多个测试中显著提升了模型的事实准确性，为AI安全应用提供了重要技术支撑。
让计算机学会"量身定制"的思考：KAIST开发的智能递归深度调节系统
KAIST研究团队开发了名为MoR的智能递归深度调节系统，该系统能够根据词语复杂程度自动分配计算资源，实现了参数共享、自适应计算和智能缓存的统一。实验显示，MoR在使用更少参数的情况下仍能提升准确率1-2个百分点，处理速度提升20-100%。这项技术为AI发展提供了新的高效计算模式。
北京大学联合字节跳动推出MoVieS：用一秒钟就能从单镜头视频中生成4D动态场景的神奇技术
北京大学联合字节跳动推出MoVieS技术，能够从单镜头视频中快速重建4D动态场景。该系统采用"动态溅射像素"概念，统一处理场景外观、几何和运动信息，在一秒内完成传统方法需要数小时的重建任务。技术支持新视角合成、3D点追踪、场景流估计等多种应用，在保持高质量的同时实现数量级的速度提升。
京公网安备 11010802021500号
