/
ChatGPT词汇表：53个人工智能术语必知指南
人工智能正在全面改变互联网，从ChatGPT的火爆到谷歌在搜索结果中嵌入AI摘要。本文整理了53个重要的AI术语，涵盖从基础概念到前沿技术的完整词汇表。包括人工通用智能、大语言模型、神经网络、机器学习等关键概念，以及ChatGPT、Gemini、Claude等主流AI产品介绍，帮助读者深入理解AI技术生态。
ChatGPT正在测试神秘新功能"一起学习"
部分ChatGPT订阅用户发现工具列表中出现名为"Study Together"的新功能。该模式旨在提升教育工具效果，不直接提供答案而是引导用户思考并回答问题，类似谷歌LearnLM。用户猜测可能支持多人学习小组模式。ChatGPT在教育领域应用广泛但存在争议，教师用于制定教学计划，学生可当作辅导工具但也可能用于作弊。这一功能或许能鼓励正当使用同时减少学术不端行为。
杜克大学团队打造"分子设计师"：AI如何同时优化生物药物的多种特性？
杜克大学研究团队开发了MOG-DFM技术，这是首个能够同时优化生物分子多种特性的AI系统。该方法成功解决了传统药物设计中"顾此失彼"的难题，能够设计出既安全又有效的治疗性分子。实验证明，MOG-DFM在肽类药物和DNA序列设计中都表现优异，有望显著加速药物发现进程并推动个性化医疗发展。
让小模型也能自己制造"老师"：印度理工学院如何用强化学习让AI自我进化
印度理工学院团队开发REFINE-AF框架，让小型AI模型通过强化学习自动生成训练指令，无需大量人工标注。该方法在119项测试任务中，63-66%的表现超越传统方法，证明了小模型也能通过巧妙设计获得优异效果，为降低AI训练成本提供了新思路。
港中文团队发布WebGen-Bench：让AI从零写网站，但最强模型正确率仅27.8%
港中文团队发布首个AI网站生成能力基准测试WebGen-Bench，评估结果显示即使最强模型准确率仅27.8%，但通过专门训练的WebGen-LM-32B模型达到38.2%，为AI建站技术发展提供重要参考。
斯特拉斯堡大学最新研究：让机器学会在"云雾"中拼图——多视角点云配准的全新突破
斯特拉斯堡大学团队提出POLAR方法，创新性地将多视角点云配准问题转移到自编码器潜在空间中求解。该方法专门设计了处理各向异性噪声、遮挡和外点的损失函数，并采用多起点优化策略实现全局收敛。在合成和真实数据上的实验表明，POLAR在处理严重退化数据时显著优于现有方法，特别在SMLM显微镜数据上表现出色，为生物医学成像等领域提供了重要技术突破。
人类在战略博弈中如何看待LLM对手？爱丁堡大学研究揭示对人工智能的理性与合作期望
该研究首次通过实验揭示了人类在战略博弈中如何对待大语言模型(LLM)对手。爱丁堡大学研究者发现，在p-美丽竞赛游戏中，人类面对LLM对手时会选择显著较低的数字，特别是增加了选择"零"的频率。高战略推理能力的参与者更倾向于这种行为转变，他们期望LLM能够理性推理至均衡，甚至具有合作倾向。这些发现对未来人机混合环境的机制设计具有重要启示，揭示了战略互动中人类对AI的特殊期望。
大规模推理能力如何提升大语言模型的事实准确性：从思考长短与可靠性角度的实证研究
这篇研究来自丹麦奥尔堡大学的团队，探讨了大语言模型的推理过程如何影响事实准确性。研究者通过从高级推理模型中提取思考轨迹，并用知识图谱增强这些轨迹，然后对不同规模的模型进行微调并在六个数据集上测试。结果表明，对小型模型而言，长推理过程显著提高事实准确性；而增加测试时计算资源（如并行采样或增加令牌预算）可使准确率提高2-8%。研究发现约2K令牌长度的推理效果最佳，为提升大语言模型事实准确性提供了新思路。
Qwen3：思考与非思考模式融合，多语言支持升级至119种语言的划时代大模型
Qwen3是阿里巴巴Qwen团队发布的最新大语言模型系列，最大创新在于将"思考模式"和"非思考模式"融合到单一框架中，允许用户根据需求动态切换推理深度。模型规模从0.6B到235B不等，包括密集和混合专家架构，支持119种语言（较前代扩展90种），训练数据达36万亿词量。通过"思考预算"机制，用户可灵活控制推理深度与速度平衡。评估结果显示，Qwen3在代码生成、数学推理等任务上达到顶尖水平，且所有模型以Apache 2.0许可开放使用，推动AI社区共同发展。
走进智能家居的隐秘之角：南洋理工大学揭示智能音箱的安全漏洞
南洋理工大学研究团队揭示了智能音箱存在安全隐患，可通过特制音频绕过唤醒词检测机制。这种"隐藏命令攻击"能让音箱执行普通人听不出的指令，潜在威胁家庭安全和隐私。研究通过逆向工程分析设备内部语音处理系统，发现其双重检测机制存在漏洞。该研究提供了防范措施，对物联网设备安全设计提出重要启示，为行业制定更严格安全标准指明方向。
# MLE-Dojo：让大语言模型化身机器学习工程师的互动训练场
MLE-Dojo是一个创新的交互式环境，专为训练和评估大语言模型(LLM)在机器学习工程领域的能力而设计。由乔治亚理工学院和斯坦福大学研究者共同开发，这个类似健身房的框架基于200多个真实Kaggle竞赛，支持LLM代理通过结构化反馈循环进行迭代实验和改进。不同于传统静态评估，MLE-Dojo提供完整可执行环境，支持监督微调和强化学习，从而更准确地模拟真实工程场景。研究团队对八种前沿LLM的评估显示，虽然当前模型在迭代改进方面取得了进展，但在自主解决复杂问题方面仍有局限。
阿里巴巴团队如何让AI学会"人间真情"：全球最大偏好模型训练实验揭秘
阿里巴巴Qwen团队首次进行全球最大规模人类偏好建模实验，使用1500万真实偏好样本训练AI理解人类喜好。研究发现偏好建模存在类似语言模型的缩放规律，AI在识别错误信息方面能力稳步提升，但在主观偏好判断上表现复杂。该技术已集成到实际系统中，性能显著改善。
让AI不再"为所欲为"：ByteDance和港大联手破解视觉生成的精准控制难题
研究团队通过DanceGRPO框架首次实现了不同视觉生成技术的统一优化，解决了AI生成内容与人类偏好不匹配的关键问题。该方法在多个权威基准测试中取得显著性能提升，部分指标改进达181%，为AI视觉生成技术的实用化应用奠定了重要基础。
GPT-4o给图像"治病"：北京理工大学团队首次揭示AI修复照片的惊人能力与致命缺陷
北京理工大学团队首次系统评估GPT-4o的图像修复能力，发现其虽能生成视觉吸引人的修复效果，但在像素级结构保真度方面存在严重缺陷，主要表现为图像比例失调、物体位置错误和视角变化。研究提出了将GPT-4o作为视觉先验指导传统修复网络的创新方案，有效结合了AI的视觉理解能力与传统方法的精确性，为图像修复技术发展指出了新方向。
Bielik v3：波兰SpeakLeash团队打造的小身材大智慧AI语言模型，1.5B参数媲美数倍大小竞品
波兰SpeakLeash团队联合多家机构开发了Bielik v3系列AI语言模型，包含1.5B和4.5B参数版本，专门优化波兰语处理能力。该模型采用创新的小参数高效能设计，在多项波兰语基准测试中超越了参数量2-3倍的竞品模型。通过精心的数据筛选、自适应学习率和先进的训练策略，证明了小模型也能在特定语言领域达到卓越性能，为资源受限环境下的高质量AI语言服务提供了新的解决方案。
波兰语AI新突破：仅用110亿参数，竟能击败千亿级语言模型！SpeakLeash团队的Bielik 11B v2如何做到的？
SpeakLeash团队联合波兰多所大学开发的Bielik 11B v2语言模型，仅用110亿参数就在多项测试中击败了参数量大2-6倍的模型。该模型专门针对波兰语优化，采用创新的深度上扩架构和智能训练技术，在波兰语理解、跨语言能力和数学推理等方面表现卓越，为非英语语言AI发展提供了新路径。
AI能否准确理解英国公共卫生指南？英国卫生安全局首创最大规模LLM健康知识基准测试
英国卫生安全局研究团队首次构建了包含8000多道题目的AI公共卫生知识评测基准PubHealthBench，测试24个AI模型对英国健康指南的掌握程度。结果显示最先进AI在选择题中正确率超90%，但自由作答时降至75%以下，且在面向公众的指南上表现优于专业医疗指南。
当AI成为自己的老师：南洋理工大学揭示大模型如何通过奖励信号自我进化
这项由新加坡南洋理工大学主导的研究全面梳理了大型语言模型通过奖励信号学习的最新进展。研究揭示了一种革命性的AI训练范式：让AI像学生接受老师指导一样，通过奖励反馈主动学习和改进。这种方法已在ChatGPT等系统中应用，能显著提升AI在推理、对话、代码生成等任务上的表现，同时增强安全性和可靠性。
延世大学研究团队发布G-FOCUS：让AI像设计师一样评判网页界面说服力
延世大学研究团队首次让AI具备专业设计师级别的网页说服力评判能力，开发出G-FOCUS智能评估系统和WISERUI-BENCH标准数据库。该技术通过目标导向的四步推理过程，能够像人类专家一样分析网页设计的用户说服效果，准确性达70%且显著减少评判偏见，为快速低成本的设计优化提供了科学可靠的AI辅助方案。
香港大学团队突破机器人"动作理解"难题：让任何机器人都能学会人类技能
香港大学团队提出UniVLA框架，通过"任务中心潜在动作"技术让不同机器人共享技能，无需大量标注数据即可从网络视频学习。在多项基准测试中显著超越现有方法，仅用1/20计算资源就达到更好性能。该研究为机器人跨平台技能迁移和大规模学习提供了新思路，有望推动通用机器人助手的实现。
京公网安备 11010802021500号
