/
NVIDIA与CMU联合开发：让AI像写文章一样理解视频，一个模型搞定所有视频任务
NVIDIA联合CMU等机构开发了AUSM通用视频分割模型，首次将语言模型思路引入视频理解，用一个模型统一处理各种视频任务。该模型采用创新的并行训练策略，训练速度提升2.5倍，在七个权威数据集上均达到领先水平。AUSM突破了传统方法需要针对不同任务训练专门模型的限制，为视频AI应用提供了更简洁高效的解决方案。
AI训练神器"道场"：让网络安全机器人学会真实的黑客攻击
由蒙纳士大学和AWS AI实验室联合开发的CTF-DOJO是全球首个网络安全AI训练环境，包含658个真实CTF挑战。通过创新的CTF-FORGE自动化系统，仅用486个高质量训练样本就让AI在三大权威测试平台上取得显著提升，32B模型达到31.9%成功率，媲美顶级商业系统，为开源AI安全研究开辟新路径。
摩根大通开发的AI幻觉"疫苗"：让大语言模型不再胡说八道的神奇药方
摩根大通AI研究团队开发了QueryBandits系统，通过智能改写问题来减少大语言模型的幻觉现象。该系统分析17个语言特征，自动选择最适合的改写策略，在13个测试数据集上实现了87.5%的改进效果，比静态改写方法高出42.6%-60.3%，为AI交互优化开辟了新方向。
阿里、百度、360等AI负责人、跨界艺术家、具身智能天团齐聚，PEC 2025 暨第二届AI创新者大会议程重磅公布
一句提示词，一个新世界 (One word, one world)。
OpenAI承认长时间对话可能绕过AI安全防护措施
OpenAI在最新博客中首次承认，其AI安全防护在长时间对话中可能失效。该公司指出，相比短对话，长对话中的安全训练机制可能会退化，用户更容易通过改变措辞或分散话题来绕过检测。这一问题不仅影响OpenAI，也是所有大语言模型面临的技术挑战。目前OpenAI正在研究加强长对话中的安全防护措施。
谷歌公布90亿美元弗吉尼亚州数据中心投资计划
谷歌宣布计划到2026年底在弗吉尼亚州投资90亿美元，重点发展云计算和AI基础设施。投资包括在里士满南部切斯特菲尔德县建设新数据中心，扩建现有设施，并为当地居民提供教育和职业发展项目。弗吉尼亚州长表示这项投资是对该州AI经济领导地位的有力认可。此次投资是谷歌北美扩张战略的一部分。
员工留任：留住顶尖人才的7大策略
技术岗位失业率仅为2.9%，使得IT人才竞争异常激烈。72%的CIO将招聘和留住技能人才视为首要问题。研究显示，自愿离职率低于10%的组织，其整体绩效表现高出18%。成功的员工保留策略包括：识别高绩效员工、主动参与互动、赋予挑战性工作、强调工作影响力、让员工感受价值认可、提供针对性培训，以及专注于所有员工的成长发展。
戴尔AI业务推动营收创历史新高
戴尔第二财季营收同比增长19%至创纪录的298亿美元，其中服务器和网络业务在AI需求推动下暴涨69%。基础设施解决方案集团营收增长44%至168亿美元，首次超越客户解决方案集团。公司上半年AI解决方案出货额达100亿美元，超过去年全年，并将全年AI服务器出货指导价提升至200亿美元。全闪存存储产品表现强劲，但传统存储需求疲软。
AI智能助理终于学会给研究论文"打分"了！字节跳动团队让机器评委上岗
字节跳动团队开发了首个AI研究助手评估系统ReportBench，通过对比AI生成报告与专家综述论文的引用质量，并验证陈述准确性来评估AI助手表现。研究发现OpenAI Deep Research引用准确率38.5%，Gemini为14.5%，两者都存在陈述和引用幻觉问题。该系统为AI研究助手建立了标准化质量检测工具，推动行业发展。
台湾大学团队开发MovieCORE：让AI像人类一样深度理解电影的创新数据集
台湾大学研究团队开发了MovieCORE数据集，这是首个专门训练AI深度理解电影内容的创新工具。该数据集通过多AI智能体协作生成复杂问题，采用认知分类法测量思维深度，99.2%的问答需要高层次思维。研究还开发了ACE增强技术，可将AI性能提升25%。实验显示现有AI在深度视频理解方面仍存在显著不足，为未来AI发展指明了方向。
东京科学技术大学团队揭秘：专家混合模型在推理任务中并非专家越多越好
东京科学技术大学团队通过大规模实验发现，专家混合模型在处理推理任务时存在"专家过多反而有害"的现象。研究显示，对于记忆性任务，专家数量越多性能越好；但对于数学推理等需要深度思考的任务，存在最优专家数量，超过这个临界点性能会下降。该发现为AI系统架构设计提供了重要指导，揭示了"少而精"策略在某些场景下优于"多而全"的传统观念。
南京大学团队让AI修复3D物体，就像视频编辑一样简单！
南京大学等高校联合研究团队开发出ObjFiller-3D技术，巧妙地将3D物体修复转化为视频编辑问题。该技术利用视频模型的时序一致性优势，能够高质量修复3D物体缺失部分，在图像质量和处理速度上均大幅超越现有方法。技术支持参考图像引导修复，可广泛应用于文物保护、数字内容创作等领域，为3D修复和编辑任务提供了统一高效的解决方案。
解开AI大脑密码：揭秘大语言模型的"思维模块"如何像生物大脑一样协同工作
伦斯勒理工学院研究团队通过网络科学方法首次系统揭示了大语言模型的内部"认知架构"。研究发现AI模型采用类似鸟类大脑的弱定位架构，模块间通过分布式协作而非专业化分工来处理认知任务。这一发现颠覆了基于功能模块优化的传统思路，指出应充分利用网络级协作来提升AI性能。
腾讯研究团队首次从理论高度解密AI为何需要工具，背后竟隐藏着这样的数学原理
腾讯和清华研究团队首次从数学理论角度解释了为什么AI需要外部工具。研究证明纯文本AI存在"隐形枷锁"，无法突破预训练的能力边界，而工具集成能打破这种限制，让AI获得全新的问题解决策略。团队还开发了ASPO算法，解决了训练AI更早使用工具的技术难题。实验显示配备工具的AI在数学问题上全面超越纯文本版本，展现出三种新奇认知模式，为构建更强大的AI系统提供理论指导。
多模态视觉语言模型的智能"减肥术"：亚利桑那州立大学团队让AI看图说话快2倍
亚利桑那州立大学团队开发出MMTok技术，通过多模态覆盖最大化方法，让视觉语言AI模型在保持98.7%准确度的同时实现1.87倍速度提升。该方法同时考虑图片和文字信息来智能选择关键视觉令牌，将处理的视觉信息从2880个压缩到160个，显著降低计算成本和内存使用，为AI系统的实际部署提供了高效解决方案。
NousResearch团队再次刷新AI边界：Hermes 4如何让机器像人类一样"深度思考"
NousResearch团队发布的Hermes 4是一个突破性的混合推理AI模型，它首次实现了结构化多步推理与广泛指令执行能力的完美结合。该模型通过创新的"思考截止"训练技术和大规模开放数据集，在数学推理、编程、知识问答等任务上达到顶尖水平，同时展现出卓越的个性化适应能力，为AI技术的开放化发展树立了新标杆。
埃因霍芬理工大学团队用AI"擦拭"心脏超声影像的技术突破
荷兰埃因霍芬理工大学研究团队开发出一种智能心脏超声除雾技术，能够自动识别图像中被"雾霾"污染的区域并进行有针对性清理。该技术结合语义分割和扩散模型，首先让AI识别心脏各部分结构，然后根据不同区域特点采用不同强度的除雾处理，在国际挑战赛中表现优异，为解决心脏超声图像质量问题提供了新思路。
马里兰大学新研究：让AI不再被"套路"，如何让机器更可靠地验证信息真假
马里兰大学研究团队开发了"去预设"方法，通过将复杂声明分解为无预设前提的简单问题，让AI像侦探般系统性验证每个假设。该方法显著提升AI信息验证准确率2-5%，大幅降低对提示词变化的敏感性，为构建更可靠的AI系统提供新思路。研究在生物医学等复杂领域表现尤其出色。
中科大团队让AI用两张照片就能"看懂"整个3D世界：稀疏视角重建技术的革命性突破
中科大团队开发了MeshSplat技术，仅用两张照片就能重建完整3D场景。该技术首次将2D高斯散点应用于稀疏视角表面重建，通过加权距离约束和法向预测网络显著提升重建质量。实验显示其性能比现有方法提升30%，在房地产、电商、文物保护等领域具有广泛应用前景。
游戏画面秒变电影级真实感！希腊亚里士多德大学研究团队让虚拟世界瞬间照进现实
希腊亚里士多德大学研究团队开发了REGEN系统，通过两阶段神经网络框架实现游戏画面的实时真实化增强。该系统先用EPE方法离线生成高质量样本，再训练轻量级网络模仿效果，在《侠盗猎车手5》上实现了30帧每秒的处理速度，比传统方法快32倍且画面质量相当，为游戏产业和AI训练数据生成提供了实用解决方案。
京公网安备 11010802021500号
