NVIDIA团队开发的SANA-Sprint技术实现了AI图像生成的重大突破，将传统需要20步的生成过程压缩至1步，在H100上仅需0.1秒即可生成1024×1024高清图像，速度比现有最快模型提升10倍以上。该技术通过创新的混合蒸馏策略，…详细

人工智能图像生成深度学习

北京人工智能研究院团队开发的DiagNote模型通过模仿人类做笔记的习惯，解决了AI在多轮视觉对话中容易"失忆"的问题。该研究构建了专门的MMDiag数据集，设计了双模块协作的AI架构，让机器学会像人类一样通过标记重点区…详细

多轮视觉对话视觉定位协作式AI架构

南京大学与微软研究院合作提出过程式自我奖励语言模型，让AI在数学推理中既当学生又当老师。该方法通过逐步判断和偏好优化，使AI能够自我监督和持续改进，在多个数学基准测试中显示出显著性能提升，为实现超越人类水…详细

人工智能数学推理自我奖励学习

人民大学团队创建了OlymMATH，这是首个奥数级AI数学推理基准测试，包含200道双语题目。测试结果显示，即使最先进的AI模型如Gemini 2.5 Pro在困难题目上也只能达到58.4分，揭示了当前AI在复杂数学推理方面的真实能力边…详细

数学推理评估奥林匹克数学基准双语AI测试

阿里巴巴研究团队首次将强化学习的可验证奖励方法应用于全模态情感识别，开发出R1-Omni系统。该系统能同时处理视频、音频和文本信息进行情感判断，并提供详细推理过程。在多个数据集测试中，R1-Omni不仅准确率超越传…详细

人工智能强化学习情感识别

斯坦福大学研究团队通过对比实验发现，AI模型自我改进能力的关键在于四种认知行为：验证、回溯、子目标设置和逆向推理。具备这些"思维习惯"的模型能有效利用额外计算时间提升表现，而缺乏认知行为的模型则停滞不前。…详细

人工智能强化学习认知行为

微软团队首次系统性对比了API代理和GUI代理两种AI自动化方案。API代理通过程序接口高效执行任务，GUI代理则像人类一样操作界面。研究发现两者各有优势：API代理速度快、可靠性高但功能受限；GUI代理通用性强、透明度…详细

人工智能自动化代理混合系统

中科院软件所联合阿里巴巴推出SolutionRAG智能工程设计系统，通过双重思维树机制自动生成复杂工程解决方案。该系统能像资深工程师一样同时考虑地震、土壤、降雨等多重约束条件，在八个工程领域的测试中均达到最佳性能…详细

人工智能智能工程设计检索增强生成

中国人民大学研究团队开发了ReaRec推荐系统，让AI学会"三思而后行"。不同于传统推荐系统的直接反应，ReaRec通过多步推理深度理解用户需求，特别擅长为新用户和小众商品提供精准推荐。实验显示平均性能提升7.49%，理论…详细

推荐系统深度学习人工智能推理

AI赋能「前沿企业」通过智能体协作重构工作模式，破解无边界工作日困局。…详细

微软AI

AI届也有自己的拼多多，阶跃星辰推出超省钱的AI模型：Step-3…详细