/
英国光纤宽带网络建设持续推进，覆盖率接近80%
Point Topic研究显示，2025年第二季度末，英国光纤到户覆盖率达77.8%，惠及超过2600万处房屋和企业，较第一季度的75.8%稳步提升。尽管年增长率仍保持15.3%的强劲水平，但随着覆盖率接近五分之四，增长速度有所放缓。值得注意的是，光纤网络重叠建设进一步加剧，32.6%的英国房屋可接入两个或更多光纤网络。市场领导者Openreach新增98.2万个全光纤接入点。
中联通5G-A网络助力全球首届仿人机器人运动会
中国联通北京分公司为2025年世界人形机器人大赛提供全方位5G-A网络覆盖。这场为期三天的赛事在北京国家速滑馆举行，吸引了全球近280支队伍的500多台机器人参赛。联通部署的5G-A网络实现毫秒级响应和零宕机，室内系统上行速度超100Mbps，室外网络下行和上行速度分别达10Gbps和4Gbps，为机器人实时控制和观众直播提供强力支撑。
少即是多：Google如何让软件开发变得“极简主义”
当Google用AI为开发者减去了重复的编码、用全球化平台减去了出海的壁垒、用完善的生态减去了开发的繁琐，开发者被解放的，不仅是生产力，更是创造力。
重磅！康迪科技获宁德时代首个重卡换电站设备订单
2025年8月18日，康迪科技集团旗下全资子公司中换电（浙江）科技有限公司宣布，已作为全球动力电池龙头企业宁德时代新能源科技股份有限公司的换电站供应商，成功获得首个重卡商用车换电站设备订单。
人工智能学会了如何在探索与利用之间找平衡：中国人民大学提出的新训练方法让AI更聪明
中国人民大学和字节跳动联合提出Pass@k训练方法，通过给AI模型多次答题机会来平衡探索与利用。该方法不仅提升了模型的多样性表现，还意外改善了单次答题准确率。实验显示，经过训练的7B参数模型在某些任务上超越了GPT-4o等大型商业模型，为AI训练方法论贡献了重要洞察。
USC团队新突破：用文本就能轻松检测AI模型的隐私泄露，颠覆传统方法
南加州大学等机构研究团队开发出突破性的"N-gram覆盖攻击"方法，仅通过分析AI模型生成的文本内容就能检测其是否记住了训练数据，无需访问模型内部信息。该方法在多个数据集上超越传统方法，效率提升2.6倍。研究还发现新一代AI模型如GPT-4o展现出更强隐私保护能力，为AI隐私审计和版权保护提供了实用工具。
微软团队新突破：让AI推理"短小精悍"而非冗长啰嗦，效果竟然更好？
微软研究团队发现AI推理模型存在"长度膨胀"问题——回答冗长啰嗦但准确性并未提升。他们提出GFPO方法，通过训练时生成更多候选答案但只学习最简洁有效的回答，成功将AI回答长度减少46%-85%，同时保持原有准确性。该方法在数学竞赛、科学问答等多个基准测试中表现优异，为AI推理效率优化提供了新思路。
华沙大学联合团队首次破解大型AI模型训练难题：让"专家混合"架构也能轻松调参
华沙大学联合研究团队首次将μ参数化技术成功扩展至混合专家架构，解决了MoE模型训练中的超参数调优难题。通过理论分析和实验验证，证明了小模型上找到的最佳学习率可直接应用于大模型，大幅降低训练成本。研究发现专家网络应视为隐藏权重，路由器应视为输出权重，采用不同缩放策略，为大规模AI模型高效训练提供重要工具。
AI语言模型遇到"混淆问题"时为何表现不佳？印度理工学院等联合研究揭示大模型推理盲区
印度理工学院等机构研究发现，即使是最先进的AI模型如GPT-4o、Claude等，在面对间接表达、干扰信息或背景过载的"混淆问题"时，准确率会从70-80%骤降至25-40%。研究团队开发的ObfusQAte评估框架首次系统性揭示了大语言模型的这一重要缺陷，为改进AI推理能力和提高实际应用可靠性提供了重要基准。
ASM-UNet：让医疗影像识别系统拥有"火眼金睛"，清华大学团队攻克精细结构分割难题
清华大学团队开发的ASM-UNet系统通过创新的自适应扫描机制，首次实现了医疗影像精细结构的智能识别。该系统结合群体共性和个体差异的双重评分策略，在胆管系统等微小复杂结构分割上取得突破性进展。团队还构建了BTMS数据集，为精细粒度医疗影像分割提供标准测试平台，推动精准医疗发展。
当照片"有洞有残缺"时，AI也能巧手补天：北京大学团队让3D重建告别"马赛克"困扰
GSFixer是由北京大学等机构联合开发的3D重建技术，专门解决从稀少照片中重建高质量3D模型的难题。该技术通过参考引导的视频扩散模型，融合2D语义和3D几何信息，确保生成的新视角与原始照片保持一致性。相比现有方法在图像质量和结构准确性方面都有显著提升，可广泛应用于文物保护、房地产、影视游戏等领域。
香港科技大学发布 CannyEdit：让AI图像编辑从此告别"塑料感"，实现真正的无缝融合
这项研究推出了CannyEdit图像编辑框架，通过选择性边缘控制和双重提示策略，实现了前所未有的自然编辑效果。在用户测试中，普通用户仅有49.2%能识别出其编辑痕迹，远低于其他方法的76-89%识别率。该技术无需专门训练，可处理添加、移除、替换等多种编辑任务，为AI图像编辑的实用化应用奠定了重要基础。
多台无人机不用对话也能抬重物？代尔夫特理工大学用AI让空中搬运变得聪明又安全
代尔夫特理工大学研究团队首次实现了完全分布式的多无人机协作搬运系统，通过多智能体强化学习让三台无人机在无需相互通信的情况下精确控制悬挂重物的6自由度姿态。该方法仅通过观察被搬运物体状态实现隐性协作，计算效率比传统集中式方法提升13倍，并展现出优异的容错能力。
视频生成黑科技：腾讯团队仅用1%参数就让AI精准识别人脸，一张照片秒变高质量视频
腾讯微信视觉团队提出Stand-In框架，仅用1%参数实现高质量身份保持视频生成。该方法通过条件图像分支和受限自注意力机制，让AI在生成视频时能持续参考原始照片，确保人物面部特征一致。在多项评测中表现优异，面部相似度0.724，支持零样本泛化到非人类主体，可即插即用集成到各种应用中。
蚂蚁集团提出GRAO：让AI模型在"模仿-探索-超越"中实现自我优化的统一对齐框架
蚂蚁集团智能医疗部门提出GRAO统一对齐框架，通过"模仿-探索-超越"三阶段机制解决传统AI对齐方法局限性。该方法相比监督微调、强化学习等基线方法分别实现57.70%、7.95%等显著提升，特别在专家混合模型上表现突出，为大型语言模型对齐优化提供新范式。
能看会听还记得住！ByteDance推出超级AI助手，能像人一样积累记忆的M3-Agent
ByteDance研究团队推出的M3-Agent是首个具备长期记忆能力的多模态AI代理。它能同时处理视频、音频信息，像人类一样积累经验和知识。系统采用情节记忆和语义记忆双重机制，以实体为中心组织信息，并通过多轮推理解决复杂问题。在专门构建的M3-Bench测试中，M3-Agent全面超越现有技术，为智能助手的发展开辟了新方向。
微软研究院突破：能看能编程的AI"达芬奇"，让机器同时拥有眼睛和程序员的大脑
微软研究院开发的VisCodex实现了多模态AI的重要突破，通过创新的模型融合技术让AI同时具备视觉理解和编程能力。该系统采用任务向量融合方法，将视觉语言模型与编程模型巧妙结合，并构建了包含59.8万样本的多模态编程数据集。测试显示其性能已接近GPT-4o水平，为未来的智能编程辅助和低代码开发提供了新的可能性。
清华大学开发AI导师AMFT：像经验丰富的老师一样智能调配学习方法
清华大学研究团队开发了AMFT自适应元微调方法，通过智能元学习控制器动态平衡模仿学习与强化学习，解决传统AI训练中的灾难性遗忘问题。该方法在数学推理、视觉推理等多项任务中创造最佳成绩，不仅提高了性能还增强了泛化能力，为开发更可靠的AI推理系统提供了新思路。
京公网安备 11010802021500号
