/
哈佛大学首次实现"时间流动"感知的人工智能：让机器像人类一样理解运动和变化
哈佛大学研究团队首次实现了人工智能的"流等变性"，让机器能够像人类一样理解时间中的运动和变化。这项突破性研究开发出FERNNs神经网络，不仅能识别物体位置，还能理解运动规律。实验显示，该技术在运动预测任务中性能提升50倍，并具备零样本泛化到新运动模式的能力，为自动驾驶、机器人、视频分析等领域开辟了新前景。
Meta团队如何让AI学会全世界的语言？重新定义多语言视觉理解的全球化突破
Meta AI团队联合MIT等机构开发的MetaCLIP 2系统，首次实现了真正的全球化AI视觉理解。该系统支持300多种语言，不仅突破了传统多语言AI的"诅咒"问题，还让英语性能提升0.8%，在多项国际测试中创下新纪录。通过创新的训练策略和开源架构，为构建真正服务全人类的AI技术奠定了基础。
阿里达摩院推出VL-Cogito：多模态推理能力突破的渐进式课程强化学习框架
阿里达摩院联合复旦大学开发了VL-Cogito多模态推理模型，采用创新的渐进式课程强化学习框架PCuRL。该系统模仿人类学习方式，通过三阶段训练让AI学会根据问题难度智能调整回答详细程度。VL-Cogito在十个基准测试中表现卓越，展现了在数学、科学、逻辑推理等多领域的强大能力，为多模态AI实际应用开辟了新路径。
香港中大团队让AI看懂网页设计图，直接生成完整前端代码
香港中大团队开发出ScreenCoder系统，能够直接将网页设计图转换为完整的HTML/CSS代码。该系统采用三个专门AI助手协作的方式：识别专家负责检测界面元素，规划专家构建布局结构，代码生成专家输出最终代码。测试显示布局准确率达75.5%，显著超越现有方法。该技术不仅提高了网页开发效率，还能作为训练数据工厂改进其他AI模型，为设计到代码的自动化转换提供了新的解决方案。
ShanghaiTech大学最新成果：让3D模型像变形金刚一样自动分解，一键实现爆炸图生成
ShanghaiTech大学研究团队开发了BANG系统，能让3D模型像变形金刚一样自动分解成零部件，生成爆炸图。该系统采用"生成式爆炸动力学"技术，通过AI深度学习理解物体结构逻辑，实现从完整到分解的平滑过渡。相比传统表面分割方法，BANG能处理内部结构，生成完整体积部件，处理速度提升8倍以上。系统支持语言控制和2D交互，可应用于3D打印、教育展示、产品设计等领域，为3D智能应用开创新范式。
卡内基梅隆大学新突破：让AI学会"看懂"天空中的汽车，再也不用担心航拍车辆识别困难了
卡内基梅隆大学研究团队开发了一种创新的航拍图像车辆检测技术，通过生成式AI和跨域适应解决了不同地区环境差异导致的检测性能下降问题。该方法利用扩散模型生成合成训练数据，结合多通道注意力机制实现精确标注，在多个数据集上相较现有方法提升显著，为智能交通、城市规划、应急响应等领域提供了实用的技术解决方案，并贡献了两个高质量的航拍车辆检测数据集。
AI让程序自己找病因！阿里巴巴联合多所高校突破性研究如何让代码修复变得更聪明
这项由阿里巴巴云计算联合浙江大学、南京理工大学开展的研究提出了Repair-R1方法，革命性地改变了自动化程序修复的思路。不同于传统的"先修复后测试"方式，该方法要求AI首先生成诊断性测试用例来理解错误根因，再进行针对性修复。通过强化学习框架同时优化测试生成和代码修复能力，在四个基准数据集上取得显著改进：修复成功率提升2.68%-48.29%，测试生成成功率提升16.38%-53.28%。这种"理解驱动"的修复策略为智能编程助手开辟了新方向。
OpenAI与Anthropic发布推理优化大语言模型
OpenAI发布两款开源推理模型gpt-oss-120b和gpt-oss-20b，分别具有1170亿和210亿参数，可运行代码并与外部系统交互。其中20b版本仅需16GB显存，适合设备端部署。同时Anthropic推出Claude Opus 4.1升级版，在编程能力测试中得分提升至74.5%，并改进了研究和数据分析功能。
谷歌DeepMind发布Genie 3模型用于生成交互式虚拟世界
谷歌DeepMind发布Genie 3人工智能模型，可基于自然语言提示生成交互式虚拟世界。该模型是Genie系列第三代产品，能够模拟森林、高山景观等室内外环境，支持用户通过指令修改天气、调整视角或添加物体。相比前代产品，Genie 3可持续渲染数分钟，分辨率提升至720p，并具备视觉记忆功能。该模型可用于训练具身智能体，为自主系统如工业机器人提供更高质量的训练环境。目前仅向有限测试者开放研究预览版。
生成式AI，游戏行业穿越周期的确定性变量
真正开启新一轮上行周期，生成式AI无疑是最具确定性的方向，它正深刻重构内容创作、技术底座、商业模式，为游戏产业打开全新的增长通道。
闪迪发布256TB AI专用SSD，计划2026年出货
闪迪在FMS 2025展会上发布了256TB容量的UltraQLC SN670固态硬盘，计划于2026年上半年出货。该产品采用BiCS 218层3D NAND闪存技术和PCIe Gen5接口，专为AI驱动的数据密集型工作负载设计。硬盘配备定制控制器和先进优化技术，具备动态频率调节功能，可在给定功耗下提升10%性能表现，并通过数据保持配置减少33%的数据回收循环。
OpenAI发布两款开源大语言模型，今日可下载使用
OpenAI发布gpt-oss-120b和gpt-oss-20b两款开源模型，这是自2019年GPT-2以来首次发布开放权重模型。用户可下载到本地硬件运行，支持模拟推理、工具使用和深度定制。小模型需16GB内存，大模型需80GB内存。两款模型均采用混合专家架构，支持可配置的思维链，上下文窗口为128000个token。性能接近专有云模型，但仅支持文本处理。
MLPerf存储基准测试v2.0显示阵列性能大幅提升
MLPerf存储基准测试第二版显示，测试系统服务的加速器数量比2023年1.0版本增加约一倍。MLCommons表示本轮测试参与度大幅提高，提交机构地域代表性更强，系统多样性更丰富。该基准测试评估存储系统在Unet3D、Cosmoflow和Resnet50 AI训练任务中的性能，以及Llama 3训练中的检查点性能。随着AI训练集群GPU数量增加，故障率上升，检查点技术成为标准做法。
谷歌推出Genie 3世界模型，可实时动态修改模拟环境状态
谷歌DeepMind发布新一代世界模型Genie 3，相比前代产品实现多项关键提升。新模型支持720p分辨率输出，可持续运行数分钟而不产生伪影，并首次支持实时交互和文本提示功能，用户可通过文本指令动态改变模拟世界状态。DeepMind将其定位为AI智能体训练工具，可用于自动驾驶等场景的"假如"情况训练，提高模型可靠性。
Aquant推出智能体AI平台助力服务团队构建定制化AI智能体
Aquant公司推出智能体AI平台，专为复杂设备服务组织打造。该平台允许服务团队创建、集成和部署定制AI代理，提供故障排除、知识搜索、零件识别等预构建代理。用户可利用专业工具构建定制代理或集成自有代理，支持多渠道部署和企业系统集成。平台内置服务专业知识，提供检索增强对话层，确保响应与业务指标对齐，助力服务团队提升效率。
DeepMind发布Genie 3：通往AGI的关键世界模型
谷歌DeepMind发布了Genie 3基础世界模型，该实验室称其为通向通用人工智能的重要里程碑。Genie 3是首个实时交互的通用世界模型，能够生成照片级逼真和想象世界。该模型可通过文本提示生成数分钟的多样化3D环境，分辨率达720p，帧率24fps。最重要的是，Genie 3的模拟在时间上保持物理一致性，因为模型能够记住先前生成的内容。研究人员认为世界模型是实现AGI的关键，特别是对于具身智能体的训练。
超越Meta Quest和Vision Pro的未来：智能眼镜将重新定义VR
Meta CEO扎克伯格宣称未来的设备是AI智能眼镜，焦点正从VR头显转向面部眼镜。苹果、谷歌、三星等巨头都看好AR未来。作为AR/VR设备评测师，作者认为目前Meta Quest系列仍是最佳选择，但2025年硬件格局将发生巨变。三星谷歌的Project Moohan混合现实设备即将发布，Meta可能推出带显示屏的高端智能眼镜和神经输入腕带，苹果Vision Pro将升级M芯片并支持控制器，Valve传闻中的新VR头显可能重新定义游戏空间。
IT职业发展新趋势：5个热门方向与5个冷门领域
随着AI技术快速发展，IT职业格局正在重塑。热门趋势包括：专注人类优势的工作、设计智能适应系统、网络安全混合方法、跨领域技术通才和AI产品开发。而传统的代码维护、手动威胁检测、追求所有技术技能、某些认证以及与业务目标脱节的技术技能正在降温。专家建议IT专业人员应将技术流利性与创造力、好奇心结合，重点发展监督和协调AI系统的能力。
云回归大逆转：IT团队为何重返专用基础设施
Liquid Web对1000多名IT专业人士的调查显示，86%的IT专业人员目前在基础架构中使用专用服务器，42%正将工作负载从公有云迁移回专用服务器。55%的受访者认为完全控制和定制化是选择专用服务器的主要原因。合规性、性能可变性和控制权丧失成为云遣返的主要驱动因素，而意外成本和资源浪费也推动了这一趋势。
DeepMind发布Genie 3"世界模型"，实现实时交互式模拟环境
谷歌DeepMind推出Genie 3"世界模型"，仅需提示词或图像即可创建交互式世界。该模型支持720p分辨率24帧每秒的实时渲染，相比前代产品显著提升了视觉保真度和记忆能力，可保持数分钟的视觉一致性。用户能够实时修改环境、添加对象、改变天气或插入新角色。DeepMind将其视为AI研究工具，用于训练embodied agents并生成合成训练数据。尽管仍存在局限性如无法模拟真实地点、易产生AI幻觉等，但该技术为游戏开发和AGI研究提供了新可能性。
京公网安备 11010802021500号
