/
AI如何像人类一样理解情感？阿里巴巴打造会思考的情感识别系统
阿里巴巴研究团队首次将强化学习的可验证奖励方法应用于全模态情感识别，开发出R1-Omni系统。该系统能同时处理视频、音频和文本信息进行情感判断，并提供详细推理过程。在多个数据集测试中，R1-Omni不仅准确率超越传统方法，更在跨域泛化能力上表现突出，为AI理解人类情感开辟了新路径。
斯坦福大学重磅发现：为什么有些AI能越来越聪明，有些却停滞不前？
斯坦福大学研究团队通过对比实验发现，AI模型自我改进能力的关键在于四种认知行为：验证、回溯、子目标设置和逆向推理。具备这些"思维习惯"的模型能有效利用额外计算时间提升表现，而缺乏认知行为的模型则停滞不前。研究证明通过精心设计的训练数据可以人为培养这些能力，且思维过程比正确答案更重要。这一发现为AI发展指出新方向：培养正确思维方式比增加数据量更关键。
微软团队揭示AI代理的两种"性格"：程序化精确派VS人性化交互派
微软团队首次系统性对比了API代理和GUI代理两种AI自动化方案。API代理通过程序接口高效执行任务，GUI代理则像人类一样操作界面。研究发现两者各有优势：API代理速度快、可靠性高但功能受限；GUI代理通用性强、透明度高但效率较低。实验显示混合方案能显著提升成功率并减少操作步骤，预示着未来AI代理将走向融合发展。
中科院软件所提出SolutionRAG系统：工程师的智能助手，让复杂工程设计变得简单易行
中科院软件所联合阿里巴巴推出SolutionRAG智能工程设计系统，通过双重思维树机制自动生成复杂工程解决方案。该系统能像资深工程师一样同时考虑地震、土壤、降雨等多重约束条件，在八个工程领域的测试中均达到最佳性能，为工程设计的智能化应用开辟了新方向。
Positron推出专业AI推理芯片，挑战英伟达市场地位
初创公司Positron获得5160万美元A轮融资，推出专门针对AI推理的Atlas芯片。该公司声称其芯片在性能功耗比和成本效益方面比英伟达H100高出2-5倍，并已获得Cloudflare等企业客户采用。Positron专注于内存优化设计，无需液体冷却，可直接部署在现有数据中心。公司计划2026年推出支持16万亿参数模型的下一代Titan平台。
从试点到回报：将AI投资转化为真实投资回报率
忽视智能体AI的潜力，特别是其对现代化数据基础设施的需求，面临着与忽视互联网的零售商相同的生存风险。关键不在于是否投资，而在于如何确保投资转化为可衡量的现实收益。企业需要超越AI试验阶段，明确业务目标，从治理开始构建ROI模型。成功的组织在整个技术栈中嵌入智能体，从面向客户的应用到内部治理系统。通过强化数据治理、减少重复工具和统一平台，AI的ROI将从理论变为现实。
ChatGPT推出学习模式，旨在引导学习而非直接给答案
OpenAI推出ChatGPT学习模式，旨在帮助学生建立深度理解而非简单提供答案。该模式采用苏格拉底式教学法，通过引导性问题和知识检查点逐步展开信息。与传统ChatGPT直接给出总结不同，学习模式会询问学生的熟悉程度，提供个性化反馈，并在学生试图直接要答案时引导其思考解题过程，为学生提供24/7不知疲倦的个人导师体验。
Stack Overflow数据揭示"几乎正确"的AI代码带来隐性生产力负担
Stack Overflow 2025年开发者调查显示，84%的开发者使用或计划使用AI工具，但对AI工具的信任度却大幅下降。仅33%的开发者信任AI准确性，低于去年的43%。66%的开发者反映"几乎正确但不完全正确"的AI解决方案是最大困扰，45%表示调试AI生成代码比预期耗时更长。AI工具承诺提升生产力，却可能创造新的技术债务类别，成为企业AI应用的隐性生产力税收。
微软与OpenAI谈判：确保AGI里程碑后技术访问权限
微软正与OpenAI进行高级谈判，旨在确保即使OpenAI实现通用人工智能后仍能继续使用其技术。据报道，双方谈判进展积极，可能在几周内达成协议。该协议将为OpenAI向完全商业化企业转型扫清关键障碍。微软已投资137.5亿美元，希望在重组后的公司中获得更大股份，谈判涉及30%左右的股权比例，同时确保Azure和Copilot等服务的技术供应安全。
Arcee推出企业级可定制AI模型AFM-4.5B，基于严格筛选的清洁数据训练
AI初创公司Arcee.ai发布45亿参数的企业级AI模型AFM-4.5B，采用严格筛选的清洁数据训练。该模型专为商业和企业用途设计，年收入低于175万美元的企业可免费使用。相比数百亿参数的大模型，AFM-4.5B在保持强劲性能的同时具备成本效益和监管合规性。模型支持云端、本地和边缘部署，内置函数调用和智能体推理功能，旨在满足企业对速度、主权和规模的需求。
为创意写作量身定制：Midjourney团队如何让AI写作变得更有趣更多样化
这项由Midjourney团队主导的研究解决了AI创意写作中的关键问题：如何让AI既能写出高质量内容，又能保持创作的多样性和趣味性。通过引入"偏差度"概念和开发DDPO、DORPO两种新训练方法，他们成功让AI学会从那些被传统方法忽视的优秀独特样本中汲取创意灵感，最终训练出的模型在保持顶级质量的同时，创作多样性接近人类水平，为AI创意写作开辟了新方向。
字节跳动团队突破性成果：让AI记住你的脸，随心所欲重塑照片的新技术
字节跳动团队突破了AI图像生成领域的三大难题：身份识别不准确、文字理解偏差和图片质量不佳。他们开发的InfiniteYou技术采用创新的InfuseNet架构和多阶段训练策略，能够根据用户照片和文字描述生成高质量个性化图像。实验显示该技术在身份相似度、文本匹配度和图像质量方面均超越现有最佳方案，并具备出色的兼容性，为个性化内容创作开辟了新道路。
AI推理能力再次升级！新加坡国立大学团队发布多模态思维链推理全面调研报告
这份由新加坡国立大学等顶尖学府研究团队发布的调研报告，系统梳理了多模态思维链推理这一前沿AI技术的发展现状。该技术让AI具备了同时处理文字、图像、音频等多种信息并进行逐步推理的能力，在医疗诊断、自动驾驶、智能机器人等领域展现出巨大应用潜力，代表了AI从简单工具向真正智能伙伴进化的重要一步。
让静态人像"开口说话"：Hedra公司推出MagicInfinite，用声音和文字让照片动起来
Hedra公司推出的MagicInfinite技术能够让静态人像照片"开口说话"，支持通过声音和文字双重控制生成高质量动态视频。该系统采用3D全注意力机制和两阶段训练方案，可处理各种风格人像（真实照片、动漫、艺术作品），实现精确的嘴唇同步。经过模型蒸馏优化后，生成速度提升20倍，10秒内可生成10秒视频。在用户测试中，91.33%的参与者认为其表现优于现有同类技术。
视频生成AI的"读心术"：VBench-2.0如何测试AI是否真的理解我们的世界
这项由上海人工智能实验室等多家机构联合开展的研究，开发了VBench-2.0评估系统，专门测试视频生成AI对真实世界的理解能力。与关注视觉效果的传统评估不同，VBench-2.0从人体逼真度、可控性、创造力、物理学和常识推理五个维度，全面检验AI是否真正理解物理规律和逻辑关系，为视频生成技术发展提供了新的评估标准。
大语言模型终于学会了边查资料边思考：Search-R1让AI像人类一样搜索推理
伊利诺伊大学研究团队开发的Search-R1系统让AI学会了像人类一样边思考边搜索的能力。通过强化学习，AI能够主动决定何时搜索外部信息、如何整合搜索结果进行推理。该系统在七个问答数据集上平均提升20-24%的准确率，代表了从封闭知识系统向开放学习系统的重要转变，为构建更智能的AI助手奠定了基础。
斯坦福和伯克利联手出招：AI能看出你动作哪里不标准了！
斯坦福和伯克利研究团队推出VidDiff技术，让AI学会像专业教练一样精准识别动作差异。该技术通过三步走方法解决视频动作比较难题，构建了包含549对视频的大型数据集VidDiffBench。虽然当前AI模型准确率有限，但已展现在健身指导、医学培训、体育分析等领域的应用潜力。研究为AI理解细微动作差异开辟新方向，有望让人人享有智能化的动作指导。
AI人体运动生成技术新突破：澳洲国立大学团队让机器从零开始学会"随音起舞"与"看文生动"
澳洲国立大学团队开发的Motion Anything系统实现了AI动作生成的重大突破，能够根据文字、音乐或两者组合自动生成逼真的人体动作。该系统采用创新的注意力引导遮罩策略和双重变换器架构，在多个基准测试中显著超越现有方法，并创建了包含2153组数据的TMD数据集。这项技术为影视制作、游戏开发和虚拟现实等领域带来新的可能性。
香港科技大学团队揭秘：如何让AI从零开始学会深度思考
香港科技大学团队发现AI可通过"零RL训练"直接学会深度思考，无需预先教授基础知识。研究测试了10个不同规模AI模型，发现它们能在数学推理训练中自发展现验证、反思等高级认知行为，部分模型出现"顿悟时刻"。研究还发现预训练反而会限制AI探索能力，最直接的学习方式可能最有效。该成果为AI教育提供了新思路，强调思维能力比知识记忆更重要。
阿里巴巴推出LHM：让单张照片瞬间变身可动3D人物的神奇技术
阿里巴巴通义实验室开发的LHM系统能够在几秒钟内将单张人物照片转换成可自由运动的3D虚拟人物。该技术采用多模态变换器架构，结合3D高斯分布表示和自监督学习策略，在重建质量和生成速度上都显著优于现有方法，为虚拟现实、游戏制作和数字内容创作提供了新的可能性。
京公网安备 11010802021500号
