/
阿里巴巴团队让AI学会了完美"表演"：一张照片秒变生动说话视频
阿里巴巴团队首次实现仅凭一张照片生成逼真说话视频的AI技术突破。该系统不仅能完美同步嘴唇动作，还能自然展现面部表情、肢体动作和背景变化，并支持个性化的动作强度控制。这项技术将显著降低视频内容制作门槛，为在线教育、企业培训、数字营销等领域带来革命性变化。
OpenAI重大突破：让AI自己做研究，从读论文到写代码全包了
OpenAI团队开发了PaperBench评估系统，测试AI复现顶级机器学习论文的能力。通过20篇ICML 2024精选论文和8316个评估点，发现最强AI模型Claude 3.5 Sonnet达到21%成功率，而人类专家为41.4%。研究揭示AI在代码编写方面较强但在实际执行中存在局限，为AI科研能力发展提供重要基准。
仅需220小时GPU训练，加州大学开源2B参数多模态大模型创下效率纪录
这项研究展示了如何用极少的计算资源训练出高性能的多模态大语言模型。加州大学团队仅用220小时GPU就训练出了2B参数的Open-Qwen2VL，性能超越了使用277倍训练数据的同类模型。关键创新包括高质量数据过滤、多模态序列打包和动态图像分辨率策略。更重要的是，该项目重新定义了AI模型的"完全开源"标准，公开了训练代码、数据过滤技术和全部训练数据，为学术界提供了宝贵的研究资源。
教电脑"看例子学编程"：斯坦福团队开发CodeARC基准测试，让AI像人类一样从输入输出中推理程序逻辑
斯坦福等机构联合推出CodeARC基准测试，专门评估大型语言模型从输入输出例子中推理程序逻辑的归纳能力。该框架采用交互式评估方式，允许AI主动查询并获得反馈，更贴近真实编程场景。测试涵盖1114个Python函数，最强模型成功率仅52.7%，揭示了当前AI在程序推理方面的局限性。
Meta的Perception Encoder：从"我什么都不是"到"我什么都能做"的AI视觉新革命
Meta研究团队发现仅通过对比学习训练的AI视觉模型，内部竟隐藏着语言理解、空间定位等多种专业能力。他们开发了Perception Encoder系列，通过"对齐技术"激活这些隐藏技能，在图像分类、视频理解、目标检测等多个领域都达到了最先进性能，证明了"一个模型胜任多种任务"的可能性，为AI发展提供了新思路。
HoloMem发布面向LTO磁带库的即插即用全息存储驱动器
英国初创公司HoloMem正在开发基于带状盒式存储和驱动器的多层全息存储技术，使用寿命超过50年，可直接插入LTO磁带库机架无需更改上游软件。该技术采用现成组件如5美元激光二极管和量产聚合物薄片，成本低廉且坚固耐用。与传统全息存储不同，它使用光学读取的磁带带而非玻璃板。200TB容量的WORM格式盒带长约100米，可实现LTO系统的无缝升级。
OpenAI再次推迟开源模型发布计划
OpenAI首席执行官萨姆·阿尔特曼周五宣布，公司将无限期推迟其开源模型的发布，这已是今年夏天第二次延期。阿尔特曼表示需要更多时间进行安全测试和高风险领域审查。该开源模型预计具备与o系列模型相似的推理能力，将是OpenAI多年来首个开源模型。与此同时，中国AI初创公司月之暗面发布了万亿参数的Kimi K2模型，在多项基准测试中超越了GPT-4.1。
将生成式AI引入数据库彻底改变应用开发模式
文档数据库正进入智能化新时代。通过将生成式AI直接嵌入数据层，这不仅是技术升级，更是战略性变革。RavenDB首席执行官表示，将大语言模型完整集成到数据库内部，能够实现令人惊叹的功能。这种集成让用户可以直接在数据库中生成、丰富、分类和自动化内容及决策，无需专门的AI团队。对于缺乏大型AI团队的组织来说，这种方法显著降低了复杂性，使从想法到实施变得前所未有的快速和无缝。
IDC发布AI就绪数据存储基础设施研究报告
IDC发布了关于AI就绪数据存储基础设施的研究报告，该报告是四部分系列的第一部分。报告指出，不到一半的AI试点项目能够投入生产，组织必须从以数据为中心的角度来处理AI项目。AI就绪数据存储基础设施需要具备五个主要属性：性能、规模、服务水平、数据物流和数据信任。报告强调，许多AI项目失败是因为对存储基础设施关注不足，导致数据孤岛、数据质量差和存储性能不足等问题。
希腊专属大语言模型：Kiefer打造本土智能平台
希腊公司Kiefer正在开发专门针对希腊的大语言模型应用，旨在建立具有语言和文化优势的本土智能平台。该项目采用包括DeepSeek在内的三种不同模型架构，专注于希腊语言的深度理解和本土文化语境。团队面临数据收集和处理的挑战，需要扫描大量书籍和网络PDF文件。目前服务免费，未来计划推出订阅模式。项目还涉及与Unitree合作开发人形机器人，并计划建设使用液冷技术的AI数据中心。
英特尔RealSense分拆获5000万美元融资，助力AI人形机器人感知世界
英特尔旗下计算机视觉子公司RealSense宣布完成5000万美元融资并从母公司分拆独立运营。该轮融资由半导体私募股权公司领投，英特尔资本和联发科创新基金参投。RealSense专注于深度感知和追踪技术，其深度相机产品广泛应用于机器人、无人机等设备，帮助它们感知和理解三维环境。公司深度相机已嵌入全球约60%的自主移动机器人和人形机器人中，拥有超过3000个全球客户。
AWS强化基础设施战略，全面升级SageMaker应对AI竞争
AWS通过升级SageMaker机器学习平台来扩展市场地位，新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争，AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权，以及支持本地IDE连接部署。这些更新主要源于客户需求，旨在解决AI模型开发中的实际问题。
BigQuery如何融合数据与AI实现业务转型
AI虽具备变革企业洞察力的潜力，但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛，简化治理，加速企业AI应用。通过AI自动化数据处理，实现实时分析，并与Vertex AI深度集成，使企业能够高效处理结构化和非结构化数据，将智能商业转型从愿景变为现实。
AI终于学会了记忆：南洋理工大学团队让虚拟世界永不遗忘的突破性进展
南洋理工大学研究团队开发了WorldMem框架，首次让AI拥有真正的长期记忆能力，解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景，并使用智能检索机制，让AI能准确重现之前的场景和事件，即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色，为游戏、自动驾驶、机器人等领域带来广阔应用前景。
MTS AI重磅推出：让AI写代码像作家写小说一样精彩的"智能编程助手"
MTS AI研究团队提出RewardRanker系统，通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型，在多种编程语言上表现优异，甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化，系统能从多个代码候选中选出最优方案，为AI编程助手的实用化奠定基础。
当AI拥有了永久记忆：上海交通大学团队打造的MemOS让大模型告别"健忘症"
上海交通大学团队开发了MemOS记忆操作系统，让AI拥有真正的长期记忆能力。该系统统一管理参数记忆、激活记忆和明文记忆三种类型，通过MemCube智能单元实现记忆的生命周期管理和跨类型转换。在LOCOMO基准测试中，MemOS在所有推理任务上均获得最佳成绩，特别在多跳推理和时间推理中表现突出。
铠侠UFS 4.1闪存承诺提升AI应用性能表现
铠侠正在测试最新的UFS v4.1嵌入式闪存芯片，专为智能手机和平板电脑设计，可提供更快的下载速度和更流畅的设备端AI应用性能。该芯片采用218层TLC 3D NAND技术，提供256GB、512GB和1TB容量选择。相比v4.0产品，随机写入性能提升约30%，随机读取性能提升35-45%，同时功耗效率改善15-20%。新标准还增加了主机发起碎片整理、增强异常处理等功能特性。
Google Firebase Studio推出智能体模式实现自动化编程
谷歌在伦敦云峰会上发布Firebase Studio更新，新增Gemini命令行界面集成、模型上下文协议支持和"代理模式"。代理模式提供三种AI协作层次：对话式"询问"模式用于头脑风暴，人机协作代理需开发者确认代码变更，以及几乎完全自主的代理模式。尽管谷歌声称已有数百万应用使用该平台，但目前仍需精心设计提示词，非工程师用户还无法直接创建成熟应用。
上海AI实验室联手复旦大学：让AI学会像人类一样比较和评价，重新定义奖励模型的训练方式
上海AI实验室联手复旦大学提出了POLAR方法，这是一种革命性的奖励模型训练技术。通过让AI学会识别不同策略间的差异而非死记评分标准，POLAR在多项任务上实现了显著提升，7B参数模型超越72B现有最强基线，为AI对齐问题提供了全新解决思路。
复旦大学推出BMMR数据集：让AI跨越知识鸿沟，从数学天才走向通识博士
复旦大学团队发布BMMR数据集，这是首个大规模跨学科多模态推理评估基准，包含11万个涵盖300个学科的大学水平问题。研究发现即使最先进的AI模型在跨学科推理中表现有限，揭示了当前AI发展的重要盲点。该数据集支持中英双语，配备专门的推理过程评估工具，为AI向通用智能发展提供重要支撑。
京公网安备 11010802021500号
