Think-RM是一项创新研究，通过使奖励模型具备"长程思考"能力来提升AI系统对人类偏好的理解。传统的奖励模型要么仅提供分数（BT RM），要么依赖浅层思考（GenRM），而Think-RM则模拟人类深度分析问题的过程，支持自我…详细

人工智能强化学习大型语言模型

SAP全球CEO柯睿安（Christian Klein）在马德里蓝宝石大会拿出了 “飞轮效应”理论，讲述起企业如何通过AI、数据和应用协同驱动，释放持续增长动能。…详细

SAP

台湾国立大学研究团队开发了SAKURA，首个专门评估大型音频语言模型多跳推理能力的基准测试。研究发现，即使最先进的模型也面临两大挑战：一是在识别某些音频属性（如情绪）时准确率不高；二是即使能正确识别音频信息…详细

人工智能音频处理多跳推理

这项由宾夕法尼亚州立大学研究团队开发的FOVER方法解决了AI推理验证器训练中的两大难题：数据标注成本高和应用范围有限。研究者利用形式验证工具（如Z3和Isabelle）自动检查AI在形式逻辑和定理证明任务中的每一步推理…详细

人工智能形式验证推理验证器

这篇研究介绍了Meta团队开发的Multi-SpatialMLLM，一种能够理解多帧图像空间关系的多模态大语言模型。研究者创建了首个大规模多帧空间理解数据集MultiSPA，包含超过2700万个样本，并在此基础上训练模型掌握深度感知、…详细

人工智能多模态大语言模型空间理解

RAVENEA是哥本哈根大学研究团队开发的首个多模态检索增强视觉文化理解基准，集成了超过10,000份人工标注的维基百科文档，用于评估视觉语言模型的文化敏感性。研究发现，轻量级视觉模型在配备文化感知检索功能后，在文…详细

视觉文化理解多模态检索检索增强生成

斯科尔科沃科技学院研究团队开发了一种新型损失函数——基于伊塔库拉-赛托散度的损失函数，用于解决风险敏感强化学习中的数值不稳定性问题。与传统方法相比，该损失函数不仅数值稳定，还保持尺度不变性，同时保留指数…详细

强化学习风险规避算法金融建模

本文介绍了 AI 工厂如何通过整合芯片制造、超级计算及数据中心部署，推动全球企业转型升级。文中详细阐述了 NVIDIA 与国际伙伴在技术创新、产业变革和可持续发展方面的探索与挑战。…详细

人工智能超级计算全栈平台

VAST Data 推出了一款集成 AI 操作系统，通过整合存储、实时数据处理、向量数据库和原生代理编排等功能，旨在简化复杂的 AI 基础设施部署。该方案有望降低部署难度及延时，但其与 Nvidia 深度绑定以及封闭式整合可能…详细

人工智能大语言模型统一操作系统

SpaceX 在第九次 Starship 测试飞行中实现了与 Super Heavy 助推器的成功分离并进入轨道，但随后失控旋转，导致不受控重返大洋。试飞虽展现技术进步，却也暴露出复飞中的问题，促使公司进行硬件改进。…详细

太空探索火箭技术硬件改进

Anthropic 推出的更新使 Claude 支持语音对话，能查询 Google 应用数据并提供网页搜索；此举让用户在手机上享受更便捷、丰富的 AI 交互体验。…详细

生成式 AI语音交互多功能集成

VLM-R3是一项由北京大学和阿里巴巴联合研发的突破性技术，它通过区域识别、推理和优化三大功能，使多模态大语言模型能够在推理过程中动态聚焦图像的不同区域。类似于人类在思考时会反复观察图像关键部分，VLM-R3通过…详细

多模态大语言模型区域识别推理视觉思维链

本文介绍了现阶段炙手可热的 vibe 编码趋势，重点解读 Google 推出的实验产品 Stitch。该工具通过 AI 自动生成 UI 界面初稿，支持快速设计并导出至 Figma，虽在 beta 版中用户反馈参差不齐，但预示着 AI 助力编码的新…详细

人工智能生成式 AI自动化UI设计

这项研究提出了名为"Let Androids Dream"的创新框架，解决了多模态大语言模型在理解图像隐喻方面的核心难题——上下文缺失。通过模拟人类认知过程的三阶段系统（感知、搜索、推理），该框架即使使用轻量级GPT-4o-min…详细

人工智能图像理解上下文推理

这项研究探讨了如何使大语言模型生成的机器翻译体现特定译者的风格特点。研究团队来自格罗宁根大学和米兰-比可卡大学，他们使用PAR3数据集（包含7种语言小说的多译者翻译）进行实验。他们首先验证了译者风格的可区分…详细

机器翻译大语言模型稀疏自编码器

预训练和强化学习就能AGI，我的朋友已经不涂防晒霜，Anthropic研究员Douglas：模型对全球GDP的影响类似中国崛起…详细