/
英伟达收购开源管理系统开发商并发布新开源AI模型
英伟达宣布收购开源工作负载管理系统Slurm的主要开发商SchedMD，该系统专为高性能计算和AI设计。同时发布Nemotron 3系列开源AI模型，包括面向特定任务的Nano、多智能体应用的Super和复杂任务的Ultra三个版本。英伟达CEO黄仁勋表示，开放创新是AI进步的基础，将通过透明高效的开放平台帮助开发者构建大规模智能体系统。
苹果TV急需PoE支持以释放企业应用潜力
Apple TV在企业和零售环境中被严重低估。虽然它易于远程管理、稳定性强，能完美融入现有的设备管理流程，但仍未发挥全部潜力。主要障碍是缺少以太网供电(PoE)功能，导致大规模部署复杂化。目前需要两根线缆连接，增加了安装成本和故障风险。如果Apple TV支持PoE并采用更紧凑的设计，将成为数字标牌、会议室显示等企业应用的理想选择。
Google Translate为所有耳机带来实时语音翻译功能
谷歌翻译最新更新将原本仅限于Pixel Buds的实时语音翻译功能扩展至所有耳机，支持超过70种语言。该功能今日开始测试版推出，仅需兼容的安卓手机和翻译应用。更新还包括基于Gemini的改进文本翻译，能更准确处理习语和俚语等表达。同时扩展了练习功能至20个新国家，提供基于AI的个性化语言学习课程。
生成式AI在心理健康咨询中的时间规律与人类使用习惯分析
本文探讨了人们在寻求AI心理健康建议时是否存在可识别的时间模式和节律。研究发现，尽管AI全天候可用，但用户仍表现出特定的使用习惯：在移动设备上健康话题占主导地位，而桌面使用则在工作时间内以工作和技术话题为主。夜晚和周末可能是AI心理健康咨询的高峰期，这引发了关于AI安全防护措施和政策制定的重要考虑。
回顾我们的2025年AI预测：准确性如何？
文章回顾了作者在2024年底发布的10项2025年AI发展预测，并逐一验证结果。预测包括Meta对Llama模型收费、扩展定律在机器人学和生物学中的应用、特朗普与马斯克关系破裂、Web智能体普及、太空AI数据中心、语音图灵测试、AI递归自我改进、前沿实验室转向应用层、机器人出租车市场份额和AI安全事件等。其中6项预测正确，4项错误，展现了AI领域的快速发展和不确定性。
北大学者带你拖拽3D物体，像玩拼图一样让虚拟世界动起来
北京大学团队开发的DragMesh系统通过简单拖拽操作实现3D物体的物理真实交互。该系统采用分工合作架构，结合语义理解、几何预测和动画生成三个模块，在保证运动精度的同时将计算开销降至现有方法的五分之一。系统支持实时交互，无需重新训练即可处理新物体，为虚拟现实和游戏开发提供了高效解决方案。
达尔豪斯大学团队重磅研究：为什么AI社会模拟需要从"沙盒游戏"升级为"开放世界"？
达尔豪斯大学研究团队系统性批判了当前AI多智能体模拟的静态框架局限，提出以"动态场景演化、智能体-环境共同演化、生成式智能体架构"为核心的开放式模拟范式。该研究突破传统任务导向模式，强调AI智能体应具备自主探索、社会学习和环境重塑能力，为政策制定、教育创新和社会治理提供前所未有的模拟工具。
HSE大学团队发布新成果：让AI图像生成快十倍的"超级加速器"技术
HSE大学研究团队开发出革命性的AI图像生成加速技术——广义对抗求解器（GAS），能将传统需要几十个计算步骤的图像生成过程压缩至4-6步，速度提升十倍而质量几乎不变。该技术通过重新设计求解器架构和引入对抗性训练，在多个数据集上验证了显著的性能提升，为AI图像生成技术的普及应用奠定了重要基础。
Pokee AI：让7B参数的小模型也能做"大研究"——强化学习训练出的超级搜索助手
Pokee AI开发的PokeeResearch-7B是一个突破性的AI研究助手，仅用70亿参数就实现了卓越的深度研究能力。该系统采用AI反馈强化学习训练，具备自我纠错、答案验证和多线程研究综合功能。在10项基准测试中，它超越了所有同规模竞争对手，证明了精心设计的训练方法比单纯扩大模型规模更有效，为开发智能可靠的AI助手指明了新方向。
约翰霍普金斯大学等研究机构首创评测：AI模型看科学论文时也会"眼瞎"，错漏百出超乎想象
约翰霍普金斯大学等机构联合发布首个基于真实同行评审的AI评估基准PRISMM-Bench，测试21个顶级AI模型理解科学论文的能力。结果显示即使最强模型准确率也仅54.2%，远低于人类专家77.5%的表现。研究收集262个真实图文不一致案例，揭示AI模型过度依赖语言线索而缺乏真正理解，为AI在科学研究应用敲响警钟。
香港科技大学新方案：让AI学会炒股的"超级大脑"
香港科技大学研究团队开发了AlphaQuanter智能交易系统，这是首个能够主动收集信息并进行透明决策的AI交易员。该系统通过强化学习训练，可以像人类交易员一样灵活分析股票，在122天测试中实现了34.94%年化收益率，远超传统方法。其创新之处在于将工具调用与推理链结合，让AI的每一步决策都可追踪和解释，为金融AI应用提供了新的突破方向。
浙江大学团队研发LightMem：让AI拥有人类般的记忆，效率飙升百倍的突破性技术
这项由浙江大学和新加坡国立大学联合开展的研究，成功开发出名为LightMem的AI记忆系统。该系统模仿人脑三级记忆机制，通过感觉记忆过滤、短期记忆整理和长期记忆的"睡眠时间"更新，实现了效率和性能的完美平衡。实验显示，LightMem在保持高准确率的同时，将计算成本降低了百倍以上，为AI助手拥有真正的长期记忆能力开辟了可行路径。
约翰霍普金斯大学团队推出World-in-World：颠覆AI世界模型评估的革命性平台
约翰霍普金斯大学研究团队推出World-in-World平台，首次建立了基于实际任务表现而非视觉质量的AI世界模型评估标准。该平台通过四种闭环任务测试发现，视觉效果与实用能力并不相关，专业化训练比模型规模更重要，推理时间增加能显著提升性能。这项研究改变了AI世界模型的评估思路，推动行业从追求"好看"转向注重"好用"的实用价值导向。
OPPO联合多所高校：首个"批评-修改-编辑"强化学习框架，让AI个性化服务不再"浮于表面"
OPPO联合香港中文大学深圳校区等多所院校，首次提出"批评-修改-编辑"强化学习框架，解决AI个性化服务生硬机械的问题。该方法通过生成奖励模型提供具体改进建议，让AI学会自然运用用户信息。实验显示新方法训练的模型胜率提升11%，甚至超越GPT-4.1表现。
上海交通大学团队让CLIP模型学会理解多语言和长文本：突破77个词的限制
这项由上海交通大学等机构联合开展的研究开发了ProCLIP，一种突破性的视觉语言模型改进方法。该方法通过渐进式对齐策略，用大语言模型替换CLIP的文本编码器，成功解决了CLIP只能处理77个词以内英文文本的限制。ProCLIP实现了对长文本和多语言的理解，在分类任务上提升6.8%-13.5%，为视觉语言模型的发展提供了新思路。
上海交大团队破解AI训练难题：不再需要"老师模型"，让机器自己挑选最有用的数据
上海交通大学研究团队提出了ssToken方法，通过让AI模型对比自身训练历史来选择最有价值的学习数据，无需额外训练参考模型。该方法结合损失信息和语义理解，在多个大语言模型上实现了显著性能提升，同时保持训练效率，为AI自主学习能力开辟了新路径。
Shopee团队打造10亿参数视频生成模型：让AI制作商品视频更高效
Shopee团队发布MUG-V 10B，这是首个完全开源的100亿参数视频生成模型。该模型采用创新的最小编码原则和多阶段训练策略，在电商视频生成任务中表现优异，特别是在产品展示和试穿效果方面。项目不仅公开了模型权重，还首次开源了基于Megatron-Core的完整训练代码，为AI视频生成领域提供了宝贵的技术资源，大大降低了相关研究和应用开发的门槛。
浙大团队突破AI"空间智力"难题：机器终于学会在动态世界中"看懂"位置关系
浙江大学研究团队提出"动态空间智能"概念，构建了DSI-Bench评测基准来测试AI在动态3D场景中的空间理解能力。研究发现当前主流AI模型存在严重缺陷，包括前进偏见、无法区分旋转和平移以及耦合运动推理等问题。这项工作为自动驾驶、机器人导航等领域的技术突破提供了重要基础。
高通AI研究院：无需训练也能让AI视频推理变聪明的神奇方法
高通AI研究院与加州大学圣地亚哥分校联合发布的V-Reason技术，首次实现了无需训练即可大幅提升AI视频推理能力的突破。该方法通过分析AI思考时的不确定性模式，设计智能节拍器实时调节AI思考节奏，在提升准确率1-3个百分点的同时，减少58.6%输出长度和37%推理时间，为AI优化开辟了全新路径。
复旦大学团队发明"进化数据工厂"：让AI学会自己筛选优质训练素材
复旦大学团队发明EvoSyn进化数据合成框架，通过进化算法让AI自动学会筛选高质量训练数据。该技术能够自动发现最优数据筛选策略，在编程和智能代理任务上显著提升模型性能，为AI训练数据准备提供了新的自动化解决方案，有望让未来AI应用更加可靠实用。
京公网安备 11010802021500号
