/
上海AI实验室重新定义视频理解：让AI像侦探一样思考长视频
上海AI实验室等机构联合提出FrameThinker框架，革命性地改变了AI处理长视频的方式。该系统采用"侦探式"多轮推理，先快速扫描全视频获得概览，再有针对性地深入分析关键片段。通过两阶段训练和认知一致性验证，FrameThinker在多个视频理解基准测试中准确率平均提升10.4%，计算效率提高20倍以上，为AI视频理解领域带来突破性进展。
复旦大学团队首创医学影像"AI质检员"，彻底改变医院影像诊断准确性评估
复旦大学团队创建MedQ-Bench基准，首次系统评估AI模型医学影像质量评估能力。研究覆盖五大成像模式，设计感知-推理双层评估体系，意外发现医学专用AI表现不如通用AI。结果显示最佳AI模型准确率仅68.97%，远低于人类专家82.50%，揭示了AI在医学影像质控应用中的现实挑战和改进方向。
TimeSeriesScientist: 史上首个能像科学家一样全自动分析时间序列的AI系统问世
石溪大学等机构联合开发的TimeSeriesScientist是全球首个端到端AI时间序列分析系统，通过四个AI智能体协同工作，能完全自主完成从数据清理到预测报告的全流程。该系统在八个领域测试中表现卓越，预测误差比传统方法降低10.4%，比其他AI方法降低38.2%，并能生成详尽的可解释报告，将专业级数据分析能力民主化。
宾夕法尼亚大学提出分子设计新方法：如何让药物既有效又安全？
宾夕法尼亚大学研究团队开发了AReUReDi多目标分子设计方法，能够同时优化药物的多种特性如药效、安全性、稳定性等。该方法基于修正离散流理论，结合退火策略和马尔可夫链优化，在肽类药物设计中展现出色性能，为解决传统药物设计中"顾此失彼"问题提供了新思路，有望加速更安全有效药物的开发。
让AI在图片搜索中理解用户真正想要什么：中山大学团队突破传统方法局限
台湾中山大学研究团队开发的SQUARE系统通过双阶段智能处理，让AI能够同时理解参考图片和文字修改要求，实现精准的图像检索。该系统无需额外训练，在多个权威测试中显著超越现有方法，为未来更智能的图片搜索体验奠定了技术基础。
香港中文大学突破AI训练难题：单个词汇也能让机器学得更聪明
香港中文大学研究团队提出单词汇滚动训练法，通过将AI文本生成的每个词汇选择视为独立学习机会，在监督学习框架内引入强化学习优势。该方法在数学推理、代码生成和通用推理任务上均显著优于传统监督微调，有效减少灾难性遗忘，为AI训练提供了新的高效路径。
Meta研究团队揭秘大模型"视觉天赋"之谜：文本训练竟能培养看图能力
Meta研究团队通过大规模控制实验发现，大语言模型仅通过文本训练就能获得视觉能力，这种能力由推理和感知两个独立组件构成。推理能力主要来自代码、数学等逻辑性文本，可跨模态迁移；感知能力来自多样化网络文本。团队提出60%推理+15%视觉的最佳数据配方，并在1万亿标记的大规模实验中验证了有效性，为刻意培养多模态AI能力提供了系统性指导。
韩国大学发现：AI推理模型训练后大脑内部出现"思考小天才"——注意力头的神奇演化
韩国大学研究团队首次揭示了AI推理模型训练后内部结构的神奇变化。研究发现，不同训练方法会在AI"大脑"中激活不同类型的"注意力头"：知识蒸馏在前中部建立连接，监督微调在后部形成推理网络，群体策略优化则产生精简高效的分布式网络。虽然这些训练提升了复杂推理能力，但也带来"过度思考"的副作用，让AI在简单问题上容易出错。
微软亚洲研究院重磅发现：AI规划能力的秘密武器，强化学习如何让语言模型变身"超级规划师"
微软亚洲研究院团队通过理论分析揭示了强化学习让AI具备规划能力的内在机制。研究发现传统监督学习存在"共现偏差"问题，而强化学习通过探索能力实现更好泛化。在强化学习方法中，策略梯度存在"多样性塌陷"现象，而Q学习在使用过程奖励时能同时保持高准确率和多样性，并支持离线学习，为AI系统设计提供了重要指导。
威斯康星大学突破性发现：AI模型的"视觉盲点"之谜终于有了答案
威斯康星大学研究团队通过创新的"链式嵌入对比"方法，首次发现AI视觉语言模型存在明确的"视觉整合点"——模型真正开始利用视觉信息的关键层级。研究开发了"总视觉整合度"指标来量化模型的视觉依赖程度，通过54种模型-数据集组合验证了发现的普遍性。这项研究为诊断和改进AI模型的"语言先验"问题提供了有力工具，对构建更可靠的AI系统具有重要意义。
杜克大学团队重磅发现：AI语音助手为何在复杂思考时"掉线"？
杜克大学和Adobe联合研究团队首次系统性揭示了"语音推理鸿沟"现象：AI在语音交互时推理能力显著下降。通过VERA评测体系对12个主流语音AI测试发现，复杂数学任务中文字AI准确率74.8%而语音AI仅6.1%。研究表明这是语音实时性与深度推理需求间的根本冲突，为未来语音AI架构创新指明方向。
Adobe与高校联合团队提出AWM算法：让AI图像生成训练速度提升24倍的新突破
Adobe研究院联合多所高校提出AWM算法，首次发现主流强化学习方法DDPO存在隐藏的噪声问题，导致训练效率低下。AWM通过统一预训练和强化学习的目标函数，仅调整样本权重，在保持生成质量的同时实现8-24倍训练加速。该算法在Stable Diffusion和FLUX等模型上验证有效，大幅降低了AI图像生成的训练成本和时间门槛。
Apple公司突破视频AI训练瓶颈：用"冻结老师"让机器更聪明地看懂视频
苹果公司研究团队提出SALT方法，通过"冻结教师"策略革新视频AI训练。该方法将训练分为两阶段：先训练教师模型后冻结，再用固定教师指导学生学习。相比传统V-JEPA同时训练师生的方式，SALT不仅性能更优，计算效率也显著提升，并发现"弱教师强学生"现象，为视频理解AI发展提供新思路。
当机器拥有"摄影师之眼"：华盛顿大学与Adobe如何让AI学会像专业摄影师那样看世界
华盛顿大学与Adobe联合开发的PhotoEye系统实现了AI美学视觉理解的重大突破。该系统通过分析45万张照片和260万条专业摄影师评论，结合多视角融合技术，能够像专业摄影师一样评价照片的构图、光线、色彩等美学要素，在专业测试中达到73.92%的准确率。
卡塔尔研究院开发ADAM：首个专门评估AI传记推理能力的综合框架
这项研究首次构建了专门评估AI传记推理能力的综合框架ADAM，包含400万人的多语言传记数据库、基于认知科学的六层次评估体系和检索增强生成系统。研究发现AI存在显著的知名度偏差，对著名人物的准确率远高于普通人物，检索增强技术能大幅改善这一问题。该框架为开发更准确、公平的AI系统提供了重要工具。
北京大学团队破解AI思维链训练难题：让机器推理更稳定更高效的GRPO-MA算法
北京大学研究团队针对AI推理训练中的核心难题，开发出GRPO-MA算法，通过让模型为每个思维过程生成多个答案来提升评估准确性。该方法解决了传统GRPO算法中思维与答案不匹配、样本稀缺、评估不稳定等关键问题，在数学、编程、视觉理解等多种任务上都显示出显著优势，特别是在困难的机器人操作任务中成功率提升近三倍，为构建更可靠的AI推理系统提供了重要技术支撑。
OpenAI推出"公司知识"功能挑战微软365 Copilot
OpenAI发布"企业知识"功能，为ChatGPT商业版、企业版和教育版用户提供连接组织数据的能力。该功能集成Slack、SharePoint、Google Drive、Teams和Outlook等应用，但不包含OneDrive。用户需单独验证每个连接器，数据经过加密且不用于训练。与微软365 Copilot的30美元月费相比，ChatGPT商业版仅需25美元，在品牌认知度和价格方面具有竞争优势。
伯克利大学研究者用AI构建更强负载均衡算法
加州大学伯克利分校研究团队利用OpenEvolve开源工具，成功将专家并行负载均衡算法性能提升5倍。该算法用于大型语言模型中将令牌路由到专门的专家模块。研究人员通过AI驱动的系统研究方法，让AI模型迭代生成、评估和优化解决方案，仅花费不到10美元和5小时就实现了显著性能提升。研究表明AI在算法设计中的巨大潜力，未来有望广泛应用于系统性能优化领域。
Sora iOS版将新增三大功能，带来更强视频创作体验
OpenAI Sora负责人Bill Peebles在X平台预告了视频应用的重大更新。三项新功能包括：角色客串功能将很快推出，界面将实时显示热门客串内容；视频编辑功能首先支持多片段拼接，更强大的编辑工具即将到来；频道/群组功能让用户与朋友分享内容，支持体育俱乐部、大学、公司等特定群体。此外还将优化应用性能、减少审核限制，Android版本也即将发布。
AI助力长寿研究取得新进展
科学家正利用人工智能和大语言模型推进长寿研究。研究人员在表观遗传编程方面取得显著进展，通过甲基化调控与衰老相关的基因。AI能够分析海量数据，识别长寿模式并支持百岁老人研究。尽管面临挑战，专家认为衰老是可调节的生物过程，针对衰老过程的干预比单独治疗疾病更有效。
京公网安备 11010802021500号
