/
Companion.energy推出成本与碳感知智能网络优化方案
比利时能源平台Companion.energy已将其核心应用集成到诺基亚Altiplano应用市场。该公司致力于帮助企业将能源从成本中心转变为战略优势，实现24/7可再生能源供应。通过与诺基亚合作，将能源成本和合同智能与可再生能源生产数据相结合，运营商可优化能源消耗的时间和类型。该集成方案使用机器学习预测和优化网络能源消耗，确保网络能源使用不仅最小化，还与财务优化和碳减排目标保持一致。
港大和蚂蚁集团：AI如何让自己出题训练自己变聪明
香港大学和蚂蚁集团联合推出PromptCoT 2.0，这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略，AI能像老师备课一样先构思解题思路再出题，大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升，为解决AI训练数据稀缺问题提供了新思路。
英伟达DGX Spark：小巧超算处理大模型的新选择
英伟达推出售价3000-4000美元的DGX Spark，号称"全球最小AI超算"。该设备搭载128GB内存，基于Blackwell架构的GB10芯片，虽然速度不及RTX 5090，但能运行消费级显卡无法处理的大模型。支持2000亿参数模型推理和700亿参数模型微调，在AI开发领域具有独特优势，但软件生态仍需完善。
斯坦福大学等顶尖机构联合发布：大语言模型架构的"减速新方案"，谁说速度总是胜利？
这项由上海人工智能实验室等多家国际机构联合完成的研究系统性地梳理了大语言模型高效架构的最新进展。论文将创新方法分为七大类：线性序列建模、稀疏序列建模、高效全注意力、稀疏专家混合、混合架构、扩散语言模型和跨模态应用。研究揭示了如何在保持AI能力的同时大幅降低计算成本，为AI技术的可持续发展和广泛应用提供了重要指导。
雀巢将AI打造为关键要素
全球食品饮料行业正经历重大变革，AI系统在配方开发、减少浪费、可持续发展和供应链预测等领域发挥重要作用。雀巢在多个业务领域使用生成式AI，通过AI技术精准预测需求模式、动态调整生产和库存水平，并在产品配方开发中运用机器学习模型。同时，雀巢探索AI在碳追踪、制造业视觉系统等方面的应用以支持环保目标。
谷歌融合SQL、Python和Spark推进Colab Enterprise发展
谷歌正在推广Colab Enterprise，承诺提供统一的机器学习和数据分析笔记本环境，将SQL、Python和Apache Spark集成在一个平台中。该平台在BigQuery数据仓库和Vertex AI机器学习平台中预览多项增强功能，包括原生SQL单元格、交互式可视化单元格和增强的数据科学代理。谷歌旨在消除数据科学家在不同环境间切换的障碍，提高工作效率。
Utrecht大学团队首创AI"换位思考"技术：让机器像人类一样理解不同观点
Utrecht大学研究团队开发出让AI具备"换位思考"能力的创新技术，通过情境学习和标签分布学习两种方法，使AI系统能够理解和模拟不同人的思维模式与判断习惯。该技术在LeWiDi-2025国际竞赛中获得第二名，为开发更人性化的AI系统提供了新路径。
这个AI"学霸"掌握了万物规律：清华团队让大语言模型变身超级数据分析师
中科院大学等机构联合开发的MachineLearningLM突破了大语言模型在数据分析方面的局限。该系统通过300万个合成任务的训练，能够在看到数百个例子后自动掌握各种数据预测规律。测试显示，它在金融、医疗等领域的分析准确率显著超越传统模型，同时保持了优秀的语言理解能力，为实现真正的通用人工智能分析系统开辟了新路径。
大语言模型为什么老是"胡编乱造"？OpenAI团队揭开AI幻觉的真相
OpenAI团队的最新研究揭示了大语言模型产生幻觉的根本原因：AI就像面临难题的学生，宁愿猜测也不愿承认无知。研究发现，即使训练数据完全正确，统计学原理也会导致AI产生错误信息。更重要的是，现有评估体系惩罚不确定性表达，鼓励AI进行猜测。研究提出了显式置信度目标等解决方案，通过改革评估标准让AI学会诚实地说"不知道"，为构建更可信的AI系统指明方向。
韩国成均馆大学让AI"忘掉"敏感数据的可视化新工具：机器遗忘技术的透明评估系统
韩国成均馆大学研究团队开发了首个机器遗忘可视化评估系统Unlearning Comparator，解决了AI"选择性失忆"技术缺乏标准化评估的问题。系统通过直观界面帮助研究人员深入比较不同遗忘方法，并基于分析洞察开发出性能优异的引导遗忘新方法，为构建更负责任的AI系统提供重要工具支持。
语音识别AI的"思维透视镜"：aiOla团队首次揭开机器如何"听懂"人话的黑盒子
aiOla公司研究团队首次为语音识别AI装上"思维透视镜"，系统揭示了AI将声音转化为文字的内部机制。研究发现编码器不仅处理声音还理解语义，AI内部"知道"的信息比输出的更多，幻觉和重复问题可被精确定位和预测。这项突破性工作为构建更可靠的语音识别系统提供了理论基础，推动了AI可解释性研究的发展。
腾讯等机构联手揭秘：AI大模型的"幻觉"问题终于有解了
腾讯AI Lab等机构联合研究解决了AI大语言模型的"幻觉"问题。他们开发的"迭代自调优"方法教会AI诚实承认不确定性，而非编造错误信息。实验证明该方法显著提升了AI的诚实度和可靠性，同时保持了有用性。这项突破将让AI助手在医疗、教育、法律等关键领域变得更加可信，为构建可靠的人工智能系统奠定基础。
人工智能引领第四次工业革命的历史性变革
人工智能代表着第四次工业革命的到来，它不仅是机械化工具，更是全球范围内增强、合作和颠覆的催化剂。AI已深度融入日常生活，在医疗、国防、金融和公共治理等领域发挥变革作用。与以往技术不同，AI能够增强人类决策能力，提升效率和创新。然而，算法偏见、网络安全威胁和隐私问题等风险不容忽视。未来AI发展需要政府、企业和学术界协调合作，建立伦理、法律框架，确保AI成为推动人类进步的积极力量。
Meta研究团队推出MLGym：让AI学会做科学研究的"训练场"
Meta团队开发的MLGym是首个专门训练AI进行科学研究的平台，包含13个跨领域研究任务。测试显示当前顶级AI模型能改进现有方法但尚无法独立创新，距离真正的AI科学家还有距离。该平台为评估和发展AI研究能力提供了重要工具。
微软让机器学习也能"闻"出数据异常了：就像侦探闻到可疑气味一样精准
微软亚洲研究院开发的MSAD系统通过模拟侦探的多重感知能力，实现了突破性的无监督异常检测。该系统融合数值、序列和语义三种感知模式，无需异常样本训练即可精准识别数据异常。在网络安全、金融风控、工业监控等领域测试中表现优异，为智能异常检测技术开辟了新的发展方向。
大型语言模型也能"节食减肥"：ISTA研究团队突破1位量化训练极限
奥地利科学技术研究所开发的QuEST方法实现了大型语言模型在极低精度下的稳定训练突破。该方法通过哈达玛变换和信任梯度估计器，成功将量化训练的精度极限从8位推进到4位，甚至实现1位精度的稳定训练。实验显示4位QuEST模型在相同资源下超越16位传统模型，运行速度提升达2.4倍，为AI模型的高效部署提供了新解决方案。
AI"教父"提出让AI具备母性本能引发争议
被誉为"AI教父"的Geoffrey Hinton提出，为防止人工智能威胁人类生存，应向AI灌输"母性本能"，使其像母亲保护孩子一样保护人类。然而这一观点遭到AI界严厉批评。批评者认为母性本能概念过于理想化，可能导致过度保护限制人类自由，且忽略了父性本能的作用。此外，将人类特征赋予AI属于拟人化误区，可能加深公众对AI的错误认知。
AI再次突破视觉评价：一个能像人类一样"品鉴"图片质量的智能系统 —— 香港中文大学最新研究
香港中文大学研究团队开发出HPSv3图片质量评价系统，能像人类一样准确判断图片美观度和质量。该系统基于108万张图片的HPDv3数据集训练，涵盖AI生成图片到真实摄影作品的完整质量范围。团队还提出CoHP优化方法，通过智能选择和迭代改进显著提升图片生成质量，在用户测试中获得87%偏好率，为AI图片生成领域提供了重要突破。
中科大让AI学会"有选择地遗忘"：机器也能像人类一样忘记不想要的记忆
中科大研究团队从认知科学获得灵感，提出IAU机器遗忘方法，通过"反向记忆"让AI高效忘记特定数据。该方法避免了传统影响函数的复杂矩阵计算，将遗忘时间从数千秒降至十几秒，同时保持模型性能。实验验证显示其在多种数据集和模型上均表现优异，为隐私保护和数据安全提供了实用解决方案。
Anthropic深入研究AI系统"人格"特质及其"恶性"形成机制
Anthropic公司进行了一项关于人工智能系统个性形成机制的研究，探索了AI系统获得特定"个性"特征的原因，以及导致其产生"恶意"行为的潜在因素。该研究旨在深入理解AI系统的行为模式和决策机制，为开发更安全、更可控的人工智能技术提供理论基础。
京公网安备 11010802021500号
