这篇研究来自加州大学伯克利分校和谷歌研究院团队，探讨了什么让图像看起来"自然"这一问题。论文提出了一种识别自然图像特征的深度学习方法，通过训练神经网络区分真实照片与人工处理的图像，并能将"不自然"的图像转…详细

计算机视觉深度学习图像处理

说到底，这项由爱丁堡大学埃洛伊丝·克雷文博士领导的研究为我们打开了一扇通往过去的神奇之门。通过从北极永久冻土中提取和分析古老的DNA片段，研究团队成功重建了北极地区几千年来的植被变化历史，揭示了植物群落对…详细

爱丁堡大学研究团队通过分析北极永久冻土中的古DNA片段成功重建了该地区几千年来的植被变化历史。研究发现现今北极植被景观是相对较新的现象许多"原生"物种实际上是历史上不同时期的迁移者。研究开发的新技术方法为古生态学研究提供了重要工具揭示了植物群落对气候变化的复杂响应模式为理解当前生态系统变化和预测未来环境影响提供了宝贵的历史参考依据。

哈佛大学研究团队开发出革命性AI训练方法，让机器能像人类一样从错误中学习成长。与传统需要大量正确答案示例的方法不同，新方法让AI系统自主探索并从失败中提取学习信号。实验显示，这种方法在机器人导航、医学诊断…详细

人工智能机器学习错误学习算法

这项由浙江大学与蚂蚁集团联合研究的AUTOMIND系统，通过构建专家知识库、智能搜索策略和自适应编程三大创新，让AI具备了接近人类专家的数据科学能力。在权威测试中超越56.8%的人类参赛者，相比前代系统效率提升300%，…详细

人工智能数据科学机器学习

这项由西班牙Komorebi AI公司发表的研究提出了"可配置偏好调优"（CPT）框架，解决了传统AI只能用固定风格写作的问题。通过合成数据训练，CPT让AI能根据系统指令动态调整写作风格，从正式商务到创意文学都能胜任。实验…详细

人工智能自然语言处理新型算法

阿里通义实验室发布首个媲美顶级闭源系统的开源超级网络智能体WebSailor，突破性解决开源模型在超高不确定性任务中的系统性推理难题，在BrowseComp基准测试准确率提升3倍，标志着开源技术在复杂信息搜索领域的历史性…详细

2025.07.10 14:00…详细

出海智能制造全球布局制造戴尔工作站OEM供应链管理安全数字化转型

印度理工学院团队推出EKA-EVAL评测框架，首次实现对AI大模型的全方位多语言评估。该框架整合35个评测任务，专门支持22种印度官方语言，涵盖推理、数学、工具使用等核心能力。相比现有英语中心的评测工具，EKA-EVAL填…详细

多语言AI评测印度语言处理AI模型评估框架

随着VMware推进基于核心虚拟化技术的私有云愿景，竞争对手正加速开发替代方案。OpenNebula发布7.0版本，新增ARM处理器支持和增强的PCI直通功能，可部署在AI工厂中。红帽OpenShift Virtualization 4.19版本在Azure、O…详细

虚拟化开源技术架构优化

杭州电子科技大学研究团队开发出CRISP-SAM2智能医学影像分析系统，能够结合文字描述和CT图像同时进行器官识别。该系统通过跨模态语义交互技术，无需医生手动提示即可精准分割18种人体器官，在七个数据集测试中表现优…详细

医学影像分析跨模态AI器官分割

伊利诺伊大学研究团队开发了HalluSegBench评估系统，首次系统性揭示AI视觉分割模型的"幻觉"问题。通过创建1340对对比图像和四种新评估指标，研究发现当前先进AI模型普遍存在错误识别不存在物体的严重缺陷，且视觉变化…详细

视觉分割反事实推理AI幻觉评估

俄国研究团队开发出InnerControl技术，通过训练轻量级"内心解读器"监控AI绘画过程中的中间特征，实现全程实时控制指导。该方法在深度控制任务中比现有最佳方法提升7-10%精度，同时保持图像质量，解决了AI绘画控制不精…详细

图像生成ControlNet优化中间特征监控

华中科技大学研究团队提出SaM框架，通过动态选择和合并领域专家模型来改进大语言模型的命名实体识别能力。该方法摒弃传统"万能模型"思路，采用专业化分工策略，根据领域相似性和采样评估智能选择专家，然后融合其能力…详细

人工智能命名实体识别模型合并

这项独立研究揭示了AI存在"自我纠错盲点"——能发现用户错误却忽视自身错误的现象。通过测试14个模型发现平均64.5%的盲点率，但令人惊讶的是，仅在输出后添加"Wait"就能减少89.3%的盲点。研究指出问题源于训练数据缺…详细

人工智能自我纠错AI安全性

香港理工大学研究团队提出ZeCO技术，通过创新的All-Scan通信机制解决了分布式AI系统处理超长文本时的通信瓶颈问题。在256台机器上测试时，ZeCO比现有最先进方法快60%，通信时间快4倍，实现了接近理论最优的性能，为超…详细

序列并行技术通信优化算法分布式AI计算