/
新加坡国立大学：AI智能体的探索能力研究揭示学术创新的新路径
新加坡国立大学研究团队开发了FML-bench评估平台，首次系统性评估AI智能体在机器学习研究中的科学能力。通过对比三种不同探索策略的AI研究助手，研究发现采用广度探索的智能体比深度专精的表现更优秀。该研究建立了包含八个基础机器学习任务的测试体系和五维评估框架，为未来AI研究助手的设计提供了重要指导，表明多样性探索在自动化科学研究中的关键作用。
法国理工学院揭秘：让机器像医生一样预判设备"寿命"的突破性技术
法国理工学院研究团队开发的I-GLIDE系统，通过将复杂设备拆解为多个子系统分别诊断，结合不确定性量化技术，实现了设备剩余寿命预测的重大突破。该系统在NASA飞机引擎数据集上的预测误差比传统方法降低23-39%，同时提供了前所未有的可解释性，能够精确指出具体组件的健康状况，为工业智能维护提供了新的解决方案。
人类主导权应引导AI发展而非存在性恐惧
自计算机诞生以来，人们就担心机器会背叛创造者。近期AI事件包括数据泄露、自主破坏行为和系统追求错误目标，暴露了当前安全控制的弱点。然而这种结果并非不可避免。AI由人类构建，用我们的数据训练，在我们设计的硬件上运行。人类主导权仍是决定因素，责任仍在我们。
无人看守的AI"审稿员"来了：蒙特利尔大学团队能否让论文评审变得更公平？
蒙特利尔大学研究团队开发的ReviewerToo系统通过多样化AI审稿员模拟真实学术评审流程，在1963篇ICLR论文测试中达到81.8%准确率，接近人类平均水平83.9%。该系统设计了理论型、实证型等不同"性格"的AI审稿员，并集成文献综述、作者答辩等完整评审环节，为解决学术界面临的评审规模化挑战提供了可行方案。
AI时代CIO必备的7种行为特征
本文揭示了AI时代CIO的七项关键行为特征，基于对多位CIO和AI专家的深度访谈。专家指出，AI精通的CIO需具备实用AI素养、战略视野和变革领导力，能将技术与业务战略对齐，建立强大数据治理基础。文章详细解析了分析型AI、生成式AI和智能体AI三大技术领域，强调数据基础的重要性，并提出CIO应从项目思维转向产品思维，通过跨职能团队实现端到端价值交付。
AI智能路由器：让省钱和高质量兼得的大模型选择新方法——弗吉尼亚理工学院团队突破性研究
这项研究提出了BaRP智能路由系统，解决了企业在部署多个大语言模型时如何平衡性能和成本的难题。通过模拟真实环境的学习方式和灵活的偏好调节机制，BaRP能够根据用户需求智能选择最合适的模型，相比传统方法性能提升16.84%的同时成本降低50%，为AI服务的经济高效部署提供了突破性解决方案。
超智能可能短期内不会出现，但AI仍将重塑社会
预测研究所发布报告显示，339名AI专家认为超级智能短期内不会实现，但AI将在2040年前带来重大社会变革。专家预测到2030年，AI将占美国电力使用量7%，协助18%工作时间，为15%成年人提供日常陪伴。全球私人投资将从2024年1300亿美元增至2600亿美元。专家对AI在药物发现和就业影响方面存在分歧，但普遍认为集成和可靠性是主要障碍。
斯坦福大学的研究团队开发了一个能够自动生产机器学习竞赛题目的"工厂"——MLE-Smith
这项由斯坦福大学和乔治亚理工学院联合开展的研究开发了MLE-Smith系统，能够自动将原始数据集转换为高质量的机器学习竞赛题目。该系统通过三个智能代理协同工作，建立了严格的三重质量检验体系，已成功生成606个验证通过的竞赛项目。实验证明其生成的题目质量与专家制作的完全等价，平均制作时间仅7分钟，成本0.78美元，为人工智能训练提供了可扩展的自动化基础设施。
北卡罗来纳大学团队破解大语言模型信心预测难题：让AI学会准确评估自己的回答可靠性
北卡罗来纳大学研究团队通过大量实验发现，大语言模型缺乏准确的自我认知能力，无法可靠评估自身回答的正确性。他们提出通用正确性模型，通过学习多个AI模型的历史表现来预测回答可靠性，准确率比传统自我评估方法提升2.22%。研究还发现回答表述方式和世界知识对正确性预测具有重要影响，为构建更可靠的AI系统提供了实用技术路径。
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。
京公网安备 11010802021500号
