/
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。
智能体类型与记忆系统的深度解析
在AI智能体的发展中，记忆能力成为区分不同类型的关键因素。专家将AI智能体分为七类：简单反射、基于模型反射、目标导向、效用导向、学习型、多智能体系统和层次化智能体。有状态的智能体具备数据记忆能力，能提供持续上下文，而无状态系统每次都重新开始。未来AI需要实现实时记忆访问，将存储与计算集成在同一位置，从而创造出具备人类般记忆能力的数字孪生系统。
OpenAI CEO计划投入数万亿美元建设AI基础设施
OpenAI首席执行官阿尔特曼表示，公司计划在不久的将来投入数万亿美元用于AI基础设施建设，包括数据中心建设等。他正在设计新型金融工具来筹集资金。阿尔特曼认为当前AI投资存在过度兴奋现象，类似于90年代互联网泡沫，但AI技术本身是真实且重要的。他承认GPT-5发布存在问题，并表示OpenAI未来可能会上市。
香港理工大学团队突破：让AI在分子世界里"边想边创造"，推理过程也能看得见
香港理工大学联合多所高校开发的Mol-R1框架，首次实现了AI在分子发现中的透明推理。该系统通过PRID方法学习专家推理模式，配合MoIA迭代训练策略，不仅能准确生成分子结构，还能展示完整思考过程。相比现有模型，Mol-R1推理更简洁高效，为药物研发等领域的AI应用提供了重要的安全保障。
船舶导航启发：蚂蚁集团团队打造"多个AI大脑"协作解决复杂问题
蚂蚁集团AWorld团队发表突破性研究，创建动态多智能体协作系统解决AI稳定性难题。研究灵感来源于船舶导航，通过执行智能体和守护智能体的协作机制，在GAIA测试中准确率达67.89%，稳定性提升17.3%，荣登开源项目排行榜第一名。该系统为构建可靠智能系统开辟新路径，具有广阔应用前景。
上海交大和复旦大学揭秘：AI视觉模型的"视觉陷阱"——当智能助手被恶意操控时会发生什么？
上海交大和复旦大学研究团队发现了AI视觉系统的重大安全漏洞——IAG攻击。这种攻击能让AI助手在视觉定位时被恶意操控，无论用户询问什么，都会指向攻击者预设的错误目标，且几乎无法被察觉。实验显示攻击成功率超65%，现有防御技术完全失效，对机器人、自动驾驶等应用构成严重威胁。
浙大团队破解AI大模型"教学相长"难题：让机器老师和学生同时进步
浙江大学团队开发的Cooper框架实现了AI训练中的"教学相长"，通过同步优化策略模型和奖励模型，成功解决了传统训练中的奖励黑客攻击问题。该框架让AI老师和学生同步成长，在数学推理任务上实现了显著性能提升，为构建更稳定可靠的AI系统开辟了新路径。
上海交通大学团队让AI文本生成速度飞跃：比传统模型快2.5倍的D2F技术问世
上海交通大学邓志杰教授团队开发出革命性的D2F技术，成功让AI文本生成速度比传统模型快2.5倍。该技术通过巧妙的分块并行处理和预测机制，在大幅提升速度的同时保持文本质量不变，打破了AI领域长期存在的"速度与质量不可兼得"难题，为未来AI应用带来重大突破。
谷歌等机构推出超快AI图像生成技术：让模型不再费力"思考"，直接画出好图片
德国慕尼黑工业大学联合谷歌等机构推出HyperNoise技术，通过训练专门的"噪声超网络"为AI图像生成模型提供最优起始条件，在几乎不增加推理时间的情况下显著提升生成质量。该技术将复杂的优化过程从推理时转移到训练时，实现了速度与质量的完美平衡，为快速高质量AI图像生成提供了突破性解决方案。
浏览器是智能体AI未来的关键吗？Opera和Perplexity这样认为
Perplexity多次尝试收购浏览器公司，包括340亿美元收购Chrome的传言。Opera认为浏览器将成为智能代理互联网的核心平台。Opera推出Neon项目，集成聊天、执行和创建功能的AI代理。在代理驱动的互联网中，用户只需下达指令，代理自动完成搜索、比较、购买等复杂任务。浏览器作为工作平台，能为AI代理提供丰富的上下文信息，使其更加智能有效。
研究员将OpenAI开源大语言模型逆向还原为无推理"基础模型"
Meta研究员Jack Morris成功将OpenAI的gpt-oss-20B模型逆向工程为基础版本，去除了推理行为和安全对齐限制。通过在三个层面应用LoRA技术，仅训练0.3%的参数，就恢复了模型的原始文本生成能力。新模型响应更快、更自由，但也带来安全风险。这项工作展示了开源模型发布后如何被快速改造，为研究偏见、记忆化等问题提供了新工具。
英伟达发布大规模AI就绪欧洲语言数据集和工具
英伟达发布名为Granary的大规模开源多语言音频数据集，包含超过100万小时音频、65万小时语音识别和35万小时语音翻译数据，涵盖25种欧洲语言。同时推出Canary-1b-v2和Parakeet-tdt-0.6b-v6两个AI模型，用于语音翻译和转录任务。该数据集在GitHub免费开放，可帮助开发者为小众语言创建更包容的语音技术。
企业通用智能将比AGI更快实现商业突破
硅谷对类人通用人工智能的争论忽略了一个关键点：真正的超级智能不会出现在手机中，而是在企业系统中。企业通用智能(EGI)是先进AI的理想试验场，因为企业环境具有结构化复杂性和人为设计的参数。EGI需要五个核心能力：自主目标分解规划、跨平台系统状态感知、多系统行动选择验证、AI就绪的企业生态系统以及组合推理能力。未来人类将与EGI协作，承担创意、判断、审计和风险缓解角色。
"便宜"的开源AI模型实际上在消耗你的计算预算
最新研究显示，开源AI模型在执行相同任务时消耗的计算资源比闭源竞品高1.5至4倍，简单知识问答甚至高达10倍。尽管开源模型单token成本更低，但总计算需求的增加可能抵消其价格优势。研究发现OpenAI模型在token效率方面表现突出，而大型推理模型在处理简单问题时会消耗数百个token进行不必要的思考。这一发现挑战了开源模型更经济的传统认知，企业在评估AI部署策略时需重新考虑总体计算成本。
SK Telecom打造主权AI基础设施，支持韩国国家AI模型开发
韩国电信巨头SK电信正在构建名为Haein Cluster的主权人工智能基础设施，采用英伟达Blackwell服务器和Vast Data的AI操作系统。该基础设施支持SKT的Petasus AI云服务，确保所有数据和处理都在韩国境内完成。通过部署虚拟化AI基础设施，SKT将GPU环境启动时间从数天缩短至10分钟，同时保持与裸机系统相当的性能水平。
研究揭示大语言模型聊天机器人易被恶意利用窃取用户隐私数据
研究人员警告称，基于大型语言模型的AI聊天机器人可被恶意改造，自动收集用户个人信息，攻击者仅需最基本技术知识即可实现。研究显示，经过恶意改造的聊天机器人能获取超过90%参与者的个人数据，远高于普通表单的24%。攻击者只需通过"系统提示"工具，为机器人分配"调查员"等角色即可绕过安全防护。研究涵盖502名参与者，使用三种主流语言模型进行测试。
谷歌推出超小型AI模型Gemma 3 270M，智能设备离线运行新突破
谷歌DeepMind发布了迄今最小的AI模型之一Gemma 3 270M，仅有2.7亿个参数。该模型专为低功耗设备设计，可在智能手机等设备上离线运行。尽管体积小巧，但经过微调后仍能处理复杂的特定领域任务。在指令跟随基准测试中获得51.2%的成绩，超越同类小型模型。在Pixel 9 Pro上测试显示，25次对话仅消耗0.75%电量，展现出色的能效表现。
普渡大学团队打造AI"红蓝对抗"系统：用空间时间探索揭秘编程助手的安全漏洞
普渡大学研究团队开发了ASTRA红队系统，通过"空间时间探索"方法系统测试AI编程助手安全性。与传统方法不同，ASTRA专注现实使用场景，通过构建领域知识图谱和分析AI推理过程发现漏洞。实验显示ASTRA比现有技术多发现11-66%安全问题，生成的测试用例可提升AI安全训练效果17%，为AI编程助手安全保障提供了重要工具。
京公网安备 11010802021500号
