MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath，包含3716亿个Token，是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术，从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示，…详细

数据集构建数学推理人工智能

这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理，潜在推理在AI内部连续空间中进行，不受语言表达限制，信息处理能力提升约2700倍。研究将其分为垂直递归和水平递…详细

人工智能推理模型潜在推理

香港大学团队开发的OmniPart系统实现了AI领域的重要突破，让计算机首次具备了像人类一样的"零件思维"。该系统能从单张2D图片生成具有清晰零件结构的3D模型，用户可通过简单的颜色遮罩控制分解过程。系统采用两阶段设…详细

3D生成零件感知建模多模态AI

腾讯研究团队首次开发出RLVER框架，通过可验证的情感反馈训练AI理解人类情感。该方法让70亿参数的小型AI模型在情感智能测试中从13.3分跃升至79.2分，达到大型商业模型水平。研究创新性地使用虚拟用户的真实情感变化作…详细

情感智能强化学习AI训练优化

北卡罗来纳大学团队提出R1-RE框架，通过强化学习训练小模型模拟人类专家推理过程，在关系抽取任务中实现跨领域突破。该方法使7B参数模型达到GPT-4o级别性能，跨领域准确率提升30%，为AI推理训练提供新范式。…详细

关系抽取强化学习跨领域推理

德国图宾根大学研究团队发现现代AI视觉模型具备强大的图像排序能力，能够理解年龄、美观程度等连续属性并进行准确排序。研究测试了7种AI模型在9个数据集上的表现，发现CLIP模型表现最佳，且仅需极少样本就能学会排序…详细

视觉人工智能图像排序深度学习

KAUST团队开发UnMix-NeRF技术，首次实现3D场景重建与材料识别的同步。该系统利用光谱成像技术，能够识别物体的材料特性，不仅重建逼真3D场景，还可自动分离不同材料区域。技术在多个数据集上表现优异，为机器人、增强…详细

计算机视觉光谱成像材料识别

美国密苏里州默西医院团队开发了一个能在浏览器中运行的医疗AI模型，专门用于将医患对话转录生成标准化病历。该模型基于Llama 3.2 1B，通过1500个内分泌科病例训练，在保证隐私安全的前提下，显著提升了病历生成的准…详细

医疗AI本地化部署隐私保护

上海AI实验室联合清华大学等顶尖院校发布的InternVL3，通过原生多模态预训练突破了传统AI模型"先语言后视觉"的局限。该模型在MMMU基准测试中获得72.2分，超越所有开源模型，并引入变长视觉位置编码和混合偏好优化等创…详细

多模态AI原生预训练开源模型

Hugging Face联合斯坦福大学推出革命性小型视觉AI模型SmolVLM，最小版本仅256MB却能超越300倍大小的传统模型。该系列包含三个版本，运行显存需求0.8-4.9GB，可在手机端部署。通过创新架构设计、高效tokenization和精…详细

视觉语言模型模型压缩边缘计算

卡耐基梅隆大学等机构联合发布CameraBench，这是首个专门评测AI理解视频摄像头运动的大规模数据集。研究团队与专业电影摄影师合作，标注了约3000个多样化视频，建立了精确的摄像头运动分类体系。测试发现现有AI模型在…详细

视频理解摄像头运动分析多模态数据集

科技专家Sungjoo Yoon在TED演讲中提出"偏好原理"，认为了解用户喜好信息越多，就能创造更强大的技术。他将市场变化比作"地壳运动"，从1969年命令行界面到80年代GUI，再到90年代网络界面，技术发展都遵循这一规律。自…详细

人工智能自然语言处理偏好原则

微软推出了Copilot Vision AI新功能，该技术能够扫描和分析用户屏幕上的所有内容。这项AI视觉技术可以实时理解用户正在查看的信息，包括文本、图像和应用程序界面，为用户提供更加智能化的交互体验和个性化建议。此功…详细

人工智能计算机视觉屏幕识别技术

马斯克旗下AI初创公司xAI正与沙特方面就租赁数据中心容量进行谈判，寻求在能源成本低廉地区扩展基础设施。谈判涉及两个潜在合作伙伴：沙特支持的AI公司Humain提供数千兆瓦容量方案，以及另一家正建设200兆瓦设施的公…详细

人工智能数据中心建设国际合作