/
ByteDance和清华大学联合推出DAPO：让AI推理能力飞跃的全新强化学习系统
ByteDance和清华大学联合开发的DAPO系统通过四项核心技术突破，让AI在数学推理测试中达到50分佳绩，超越业界最佳水平且训练时间减半。该系统完全开源，包含算法、代码和数据集，为AI推理能力研究提供了重要里程碑。研究展示了强化学习在提升语言模型复杂推理能力方面的巨大潜力。
俄罗斯医疗AI突破：让电子病历自动生成疾病代码，准确率超越医生
俄罗斯研究团队开发出首个针对俄语医疗记录的ICD自动编码系统RuCCoD，通过BERT、大语言模型和检索增强技术实现医疗诊断的智能编码。研究发现AI编码在训练诊断预测模型时比医生手工编码效果更好，准确率提升28%，为医疗信息化和临床辅助决策提供了新思路。
从科幻到现实：复旦大学发布全球首个多模态统一奖励模型，让AI像人类评委一样判断图像和视频质量
复旦大学联合上海人工智能实验室发布的UnifiedReward是全球首个统一多模态奖励模型，能够同时评价图片和视频的生成与理解任务。该模型通过跨任务协同学习，在各项评测中都显著超越了专门的单任务模型，在图片理解任务上准确率提升近20个百分点。这项技术为AI评价体系带来革命性突破，将大大降低AI系统开发成本，提升各种视觉AI产品的整体质量。
AI也有自己的"内心OS"？科学家首次破解大模型推理思考的神秘机制
俄罗斯人工智能研究院等机构的研究团队首次成功破解了大语言模型内部推理机制的奥秘。他们使用稀疏自编码器技术将AI模型复杂的内部状态分解成可理解的功能组件，并开发了ReasonScore评分系统来识别负责推理的特定组件。通过精确调节这些"推理组件"，研究团队实现了AI推理能力的显著提升，为开发更可控、更透明的AI系统奠定了基础。
阿里巴巴推出START：让AI也能像人一样用工具解题的突破性进展
阿里巴巴研究团队开发出START系统，首次让AI能像人类一样在推理过程中主动使用编程工具。通过创新的"提示注入"和自学习技术，START在数学竞赛和编程测试中表现显著提升，在AIME24达到66.7%准确率，比基础模型提升16.7%。这项突破性研究为AI推理能力带来质的飞跃，大幅减少计算错误和"幻觉"现象。
东南亚文化"被遗忘"？新加坡等高校首次大规模收集1.28M张东南亚文化图像，揭示AI视觉模型的文化盲区
新加坡国立大学等机构首次构建包含128万张图像的东南亚文化视觉数据集SEA-VL，解决AI系统文化认知偏见问题。研究采用人工众包、自动筛选、AI生成三种方法收集数据，发现自动筛选效率最高且质量可靠，而AI生成图像质量较差。该数据集覆盖东南亚全部11国文化元素，将为开发更公平包容的AI系统提供重要基础。
NVIDIA发布STORM系统：让AI看懂长视频的神奇技术突破
NVIDIA研究团队开发的STORM系统实现了AI长视频理解的重大突破。该系统采用Mamba时间编码技术，能够像人类一样理解视频的时间脉络和内容关联，而非孤立分析每帧画面。通过创新的三种压缩策略，STORM在大幅提升处理效率的同时保持了理解准确性，在多项基准测试中超越现有系统5%以上，为教育、医疗、安防等领域的智能化应用奠定了技术基础。
大语言模型智能代理评估大全：全球顶尖研究机构首次绘制AI代理能力地图
这项由希伯来大学、IBM研究院和耶鲁大学联合完成的综合性研究，首次系统梳理了大语言模型智能代理评估领域的完整现状，涵盖基础能力评估、应用场景测试、通用能力考量和开发框架四大维度，为这个快速发展的领域绘制了详细地图，并指出了向现实化、动态化、细粒度评估发展的重要趋势。
视频生成的"考试时间"延长术：清华大学团队让AI在生成时"多想想"就能拍出更好的视频
清华大学研究团队提出测试时扩展技术，让AI视频生成如同延长考试时间的学生，通过生成多个候选视频并智能选择最优结果，显著提升视频质量。该方法无需重训模型，在六个主流模型上均实现稳定改进，部分维度提升超35%，为AI视频生成的实用化应用开辟新路径。
3B小模型也能拥有强大推理能力：东南大学团队用两阶段强化学习让小体量AI模型变身思维高手
东南大学团队提出LMM-R1框架，通过两阶段强化学习训练策略，让30亿参数的小型多模态AI模型在推理任务上实现显著性能提升。该方法先用纯文本数据强化基础推理能力，再迁移到多模态任务，避免了直接多模态训练导致的性能下降问题，为资源受限环境下的AI应用部署提供了经济高效的解决方案。
AI对齐与控制技术的现状与挑战探析
随着AI系统复杂性不断增加，AI对齐技术成为确保系统安全可靠的关键。研究人员正通过人类反馈强化学习、合成数据训练、红队测试等技术手段，以及AI治理、伦理委员会等管理方法来引导AI行为。然而，价值观的多样性和AI系统的"迎合性"行为带来了新挑战。最新研究表明，我们可以理解并调整AI内部表征参数来控制系统输出。控制AI不仅是技术挑战，更是道德和政治选择问题。
谷歌推出强大创造性问题解决AI模型Gemini 2.5 Deep Think
谷歌DeepMind发布Gemini 2.5 Deep Think，这是一款新的创意问题解决AI模型。该模型能够同时考虑多个想法并选择最佳答案来解决复杂问题。Deep Think通过延长"思考时间"，探索不同假设以找到创意解决方案。新模型在编程、科学知识和推理能力基准测试中表现优异，特别擅长迭代开发、数学研究和复杂编程问题。该工具将在Gemini应用中向Ultra订阅用户提供，月费250美元。
Google发布Gemini 2.5 Deep Think仅供AI Ultra订阅用户使用
谷歌正式推出其最强大的Gemini 2.5深度思考AI模型，但仅向每月250美元的AI Ultra订阅用户开放。该模型基于Gemini 2.5 Pro，通过增加"思考时间"和并行分析来处理复杂查询。深度思考模型在多个基准测试中表现优异，在人类最终考试中得分34.8%，远超其他模型的20-25%。该模型特别擅长数学推理、科学分析和编程，响应时间需要数分钟，每日使用次数有限制。
Anthropic切断OpenAI访问Claude模型的权限
据Wired报道，Anthropic已撤销OpenAI对其Claude系列AI模型的访问权限。消息人士称，OpenAI将Claude连接到内部工具，用于在编程、写作和安全等方面与自家模型进行性能对比。Anthropic发言人表示，OpenAI技术人员在GPT-5发布前使用其编程工具，直接违反了服务条款。不过Anthropic仍将为基准测试和安全评估提供访问权限。OpenAI则回应称其使用方式符合行业标准。
库克强调苹果"必须"在AI领域获胜
据报道，苹果CEO蒂姆·库克召开了一小时的全员会议，告诉员工公司必须在AI领域获胜。这次会议是在财报电话会议之后举行的，库克在财报会上表示苹果将"大幅"增加AI投资。尽管苹果在过去一年推出了Apple Intelligence系列AI功能，但语音助手Siri的升级却严重延迟。库克承认公司已落后于竞争对手，但强调苹果虽然很少率先推出产品，却能发明这些产品的"现代"版本。
微软发布Phi-4-Mini：3.8B参数的"小钢炮"，多模态表现堪比大模型两倍体量
微软发布Phi-4-Mini多模态语言模型，仅3.8亿参数却能媲美两倍规模模型性能。该模型采用创新"混合LoRA"技术，支持文本、图像、语音多模态输入，在数学推理、编程、语音识别等任务中表现出色，在OpenASR榜单排名第一。这种"小而精"设计理念为AI普及化提供新思路，使强大AI功能可在消费级设备运行。
IBM研究院突破性新工具：让AI自己找出"哪里做错了"，告别人工排错时代
IBM研究院推出革命性AI诊断工具CLEAR，能够自动分析AI系统错误并生成详细报告。该工具采用"AI评判AI"的创新方法，将复杂的错误分析过程自动化，帮助开发者快速发现问题模式。用户研究显示75%的开发者认为该工具比传统手工分析更高效，已开源供全球开发者使用。
百万模型的失踪与重生：希伯来大学科学家如何绘制全球AI模型的完整地图
希伯来大学研究团队提出"模型地图集"概念，系统性解决AI领域模型管理混乱问题。当前150万公开模型中超过60%缺乏文档，研究者难以找到合适模型，造成重复训练和资源浪费。团队开发出绕过权重对称性难题的新方法，能够自动推断模型血统关系和功能属性，已在真实数据上达到80%以上准确率，为构建有序AI生态系统奠定基础。
PLADIS：三星研究院用稀疏注意力机制让AI画图更懂你说的话
三星研究院提出PLADIS技术，通过稀疏注意力机制显著提升AI绘画的文字理解准确性。该方法无需重训练模型，仅在推理阶段替换注意力计算函数，就能让AI更精准理解用户描述，生成更符合要求的图像。实验显示图像质量提升20%，文字匹配度大幅改善，且兼容各种现有AI绘画系统。
如何让AI更聪明地理解多种语言？法国、葡萄牙等欧洲研究机构联合发布语言AI突破性成果
这项由法国CentraleSupélec大学领导的国际研究成果发布了EuroBERT多语言AI模型家族，该模型支持15种语言处理，具备数学和编程理解能力，支持长达8192token的文本处理，在多项任务上超越现有模型，为跨语言AI应用提供了新的技术基础。
京公网安备 11010802021500号
