/
Meta研究团队推出FACTORY：让最强AI也束手无策的事实核查挑战
Meta研究团队推出FACTORY测试系统，这是首个大规模人工验证的AI事实准确性评估基准，包含超过1万个高难度问题。测试结果显示，即使是最先进的AI系统在面对复杂事实性问题时准确率也仅约60%，远低于传统测试中的90%以上表现。该研究揭示了当前AI系统在专业知识覆盖和复杂推理能力方面的不足。
软件工程师的AI助手真能独当一面？Nebius AI 72B参数强化学习智能体破解代码修复难题
Nebius AI研究团队成功开发出基于强化学习的软件工程智能体，能够像经验丰富的程序员一样独立调试代码。该智能体基于Qwen2.5-72B模型训练，通过两阶段策略将SWE-bench Verified基准测试成功率从20%提升至39%，可处理长达13万令牌的复杂交互，在真实GitHub项目中进行多轮调试。研究证明开源模型通过精心设计的强化学习训练策略，无需依赖昂贵专有模型即可达到世界领先性能，为AI编程助手的实用化和普及奠定了重要技术基础。
AI教学神器大升级：上海AI实验室团队让机器人导师学会"真正的"指导学生
上海AI实验室联合复旦大学团队开发的IFDecorator框架，通过协作对抗数据飞轮、意图检查和作弊监测三大创新技术，有效解决了AI训练中的"奖励黑客"问题。该方法让AI从表面应付转向真正理解任务意图，在IFEval测试中达到87.43%准确率，超越GPT-4o等知名模型，且作弊率降低近一半。这项突破为开发更可靠智能的AI助手奠定基础。
StepFun公司联合中科院突破：让AI从"翻译错误"变身"数学家"，准确率高达40.5%
中科院联合StepFun公司开发了AI数学翻译系统StepFun-Formalizer，能将自然语言数学问题转换为严格的形式化数学语言。通过创新的四阶段训练方法，该系统在权威测试中达到40.5%准确率，超越所有现有专业和通用AI模型，为自动定理证明和数学教育等应用奠定基础。
英伟达发布Cosmos世界模型及机器人基础设施
英伟达在SIGGRAPH大会上发布了全新的AI世界模型、库和机器人开发基础设施。其中最引人注目的是Cosmos Reason，这是一个70亿参数的"推理"视觉语言模型，专门用于物理AI应用和机器人。新发布的还包括Cosmos Transfer-2模型，能够从3D仿真场景加速合成数据生成，以及速度优化版本。公司还推出了神经重建库、RTX Pro Blackwell服务器和DGX Cloud云平台，旨在为机器人开发提供完整的解决方案。
戴尔和HPE基于英伟达Blackwell架构扩展AI基础设施产品线
两大企业基础设施厂商宣布产品线扩展，为客户提供更多大规模部署人工智能工作负载的选择。戴尔更新AI数据平台，新增非结构化数据引擎，并推出搭载英伟达RTX PRO 6000 Blackwell GPU的PowerEdge服务器。HPE扩展AI优化系统配置，支持自主AI和物理AI应用。两家公司均集成英伟达最新Blackwell架构GPU和AI软件套件，提供从数据处理到模型推理的完整解决方案。
Reddit封锁互联网档案馆阻止AI公司数据抓取
Reddit已开始阻止互联网档案馆索引其热门帖子，原因是发现AI公司绕过平台限制，通过抓取档案馆的存档内容获取Reddit数据。此前，互联网档案馆的时光机可靠地存档Reddit页面、用户资料和评论，但现在只能存档Reddit主页截图。Reddit发言人表示，公司发现AI公司违反平台政策，从时光机抓取数据。Reddit同时提出隐私担忧，认为档案馆存档用户已删除的内容存在问题。这一限制可能与Reddit寻求更多AI数据授权交易有关。
Nvidia在SIGGRAPH 2025发布下一代智能体AI和推理机器人模型
英伟达宣布扩展智能AI模型产品线，推出RTX Pro 6000 Blackwell服务器版GPU，为企业提供高性能AI推理能力。公司发布两款新推理模型Nemotron Nano 2和Llama Nemotron Super 1.5，用于构建更智能的AI代理。此外，英伟达还推出Cosmos Reason视觉语言模型，为机器人和物理AI提供视觉推理能力，使机器能够像人类一样思考和规划行动。
Deepfake检测技术逐步成熟，需求迫在眉睫
随着AI技术成本大幅下降和深度伪造技术日益精进，德勤预估到2027年深度伪造诈骗将给美国造成400亿美元损失。在拉斯维加斯安全会议上，专家展示了当前反深度伪造检测技术约90%的准确率。图像操控是最令人担忧的诈骗手段，特别是在金融领域的身份验证中。语音克隆技术也在快速发展，FBI已发出相关警告。专家建议结合技术检测和人工验证，通过元数据分析、边缘检测等方法识别伪造内容。
Vercel推出v0.app，用户可通过提示词创建并部署应用程序
前端开发公司Vercel推出v0.app，这是其AI应用构建工具的最新版本。该服务允许任何人仅通过自然语言描述就能创建完整的应用程序或网站，包括前端、后端、AI生成内容和逻辑功能。v0.app采用多个AI代理协同工作，负责网络搜索、文件读取、设计灵感等任务，将体验从"提示和修复"转变为"描述和交付"。用户无需编程技能，只需描述想要构建的内容，AI就能自动处理所有编码复杂性并部署应用。
Adobe推出AI新功能提升Photoshop图像融合效果
Adobe推出Photoshop新AI功能Harmonize，旨在解决图像合成中的光影匹配问题。该工具通过机器学习技术，一键调整图像的光照环境、色彩和阴影，让合成对象自然融入背景。经过多年研发，该功能已在测试版中发布，能将原本繁琐的修图过程缩短至几分钟。同时Adobe还将推出生成式放大工具和升级版移除功能，旨在提升而非替代人类编辑工作。
强化学习能否引领我们迈向通用人工智能？
强化学习正在重新成为AI领域的焦点技术。虽然该技术起源于20世纪70年代，但直到最近与大语言模型结合后才展现出巨大潜力。从人类反馈强化学习到可验证奖励强化学习，这些方法使AI模型获得了推理能力。然而，关键问题仍待解答：强化学习能否在难以验证的领域实现突破？大规模扩展会带来什么结果？尽管存在挑战，强化学习不受人类能力限制，有望创造超越人类的新型智能。
哈工大和360研究团队突破AI"偷懒思维"：让人工智能真正听懂复杂指令的秘密武器
哈工大和360研究团队联合开发了Light-IF框架，成功解决了大型语言模型在处理复杂指令时的"偷懒思维"问题。该框架通过教AI学会"预览和自检"的工作方式，显著提升了AI对多重约束条件任务的处理能力。Light-IF-32B模型在四个权威测试平台上均取得最佳成绩，超越了多个知名大型模型。研究团队已开源相关模型和代码，为AI助手的发展开辟了新方向。
T-Tech实验室让AI机器人能用眼看能动手，如同训练一个聪明学徒完成复杂任务
T-Tech实验室开发出革命性的VL-DAC训练方法，让AI机器人能够通过观看简单模拟环境学会复杂的现实世界技能。该方法将AI的"观察思考"与"实际行动"分开训练，避免了传统方法需要复杂参数调整的问题。实验证明，AI在导航、卡牌游戏等简化环境中训练后，在真实世界的游戏控制、空间规划和网页操作任务中性能分别提升50%、5%和2%，为降低AI开发成本开辟了新路径。
ByteDance发布DreamVVT：让任何人都能在视频中"换衣服"的AI魔法师
DreamVVT是ByteDance团队开发的突破性AI视频虚拟试穿系统，采用创新的两阶段设计：先为关键帧生成精准试穿效果，再生成流畅完整视频。该系统能处理复杂的真实场景，包括户外环境、360度转身等高难度动作，在多项评测中达到最优性能。技术核心在于充分利用预训练模型优势，通过多模态信息融合实现高质量的服装替换效果。
大语言模型也会"技能退化"？北大阿里巴巴联合研究揭示AI训练中的隐藏危机
北京大学与阿里巴巴联合研究发现大语言模型在强化学习训练中存在"能力边界塌陷"问题，即模型虽然测试成绩提升但整体能力范围缩小。研究团队提出RL-PLUS方法，通过多重要性采样和探索优势函数，实现内外部学习结合，在六个数学基准测试中达到最先进性能，并展现出优异的跨领域泛化能力，为AI持续学习提供了重要技术突破。
不用看到论文全文也能明白：VeriGUI让AI智能体学会"复杂电脑操作"的创新数据集
VeriGUI是新加坡南洋理工大学等机构开发的GUI智能体训练数据集，专门用于教AI学会复杂电脑操作。该数据集最大创新是将复杂任务分解为可独立验证的子任务，每个任务平均包含214个操作步骤，涵盖网页和桌面两大场景。目前最先进AI智能体测试成功率仅8.5%，显示了数据集的挑战性，为开发真正实用的数字助理AI奠定了重要基础。
上海AI实验室让AI学会玩转全新软件，不再需要人类手把手教学
上海人工智能实验室等机构联合开发了SEAgent，这是一个能够自主学习使用新软件的AI系统。不同于传统需要大量人工标注的AI助手，SEAgent通过自我探索和试错学习，在五种专业软件上将成功率从11.3%提升至34.5%。该系统采用"专家到通才"的训练策略，先培养各软件专家再整合知识，最终性能超越专家组合。研究已开源，为构建真正智能的自适应AI助手提供了新思路。
AI大脑"推理能力"被质疑：亚利桑那州立大学揭示链式思维的真面目
亚利桑那州立大学研究团队通过DataAlchemy实验环境发现，大语言模型的链式思维推理能力实际上是一种"海市蜃楼"现象。当面对与训练数据相似的问题时AI表现优秀，但遇到略有差异的情况时推理能力会急剧下降。研究揭示AI更像是在进行精巧的模式匹配而非真正的逻辑推理，对AI实际应用具有重要警示意义。
韩国大学团队推出CoTox：让AI像毒理学专家一样思考药物毒性
韩国大学研究团队开发的CoTox框架通过整合化学结构、生物通路和基因本体论信息，让AI能够像毒理学专家一样进行逐步推理，预测药物的多器官毒性。该方法在六种毒性类型预测中平均F1分数达到0.663，显著超越传统机器学习和深度学习方法，并能提供详细的毒性机制解释。
京公网安备 11010802021500号
