新加坡南洋理工大学团队提出Visual Jigsaw训练方法，通过图像拼图、视频片段重排和3D深度排序三种"拼图游戏"来提升AI模型的视觉理解能力。该方法无需改变模型架构，仅通过强化学习训练就能显著改善细节感知、时间推理…详细

人工智能强化学习视觉理解

哈佛医学院研究团队开发的ToolUniverse系统让普通人也能构建自己的AI科学家助手。该系统集成超过600种科学工具，能够自动搜索、使用和创造研究工具，支持从文献检索到实验设计的完整科学研究流程。在药物研发案例中，…详细

人工智能科学工具平台药物研发

北大清华等研究机构联合发布RealUnify测试平台，首次系统评估统一多模态AI模型的协同能力。研究发现当前模型虽能同时处理理解和生成任务，但两种能力缺乏真正融合，在需要协同工作的复杂任务中表现远不如预期。这一发…详细

人工智能多模态统一协同能力评估

清华大学团队发布OpenGPT-4o-Image数据集，包含8万个精心设计的指令-图像配对样本，系统性地提升AI图像生成和编辑能力。该数据集首次建立了完整的能力分类体系，涵盖风格控制、复杂指令理解、文字渲染、空间推理和科…详细

人工智能图像生成深度学习

浙江大学研究团队开发的EasySteer框架，通过操控AI模型内部"思维向量"实现精准行为控制，性能比现有框架提升5.5-11.4倍。该系统支持安全控制、推理优化等八大应用场景，提供完整工具套件和可视化界面，将AI控制从复杂…详细

人工智能LLM控制模型优化

北京人工智能研究院等机构联合开发了EditScore系统，解决了AI图像编辑评价难题。该研究建立了包含13种编辑任务的评价标准EditReward-Bench，开发了专业的AI评价模型EditScore，并首次在图像编辑领域成功应用强化学习…详细

人工智能强化学习图像编辑

浙江大学研究团队通过开发GSM8K-V视觉数学推理基准，发现了AI技术的一个重大盲点：最先进的视觉语言模型在处理图片形式的数学题时表现远不如文字版本。该研究将1319道数学题转换为连环画式的多图场景，测试结果显示即…详细

人工智能视觉数学推理多模态评估基准

NVIDIA联合多所顶尖大学开发的SANA-Video模型实现重大突破，仅需RTX 5090显卡就能在29秒内生成5秒720p视频，速度比传统模型快16倍，成本降低99%。该模型采用线性注意力机制和固定内存设计，支持生成长达1分钟的高质量…详细

人工智能视频生成线性注意力

新加坡国立大学研究团队开发出SparseD技术，针对扩散语言模型的注意力机制进行优化。通过发现并利用注意力头的个性化模式、跨步骤的模式稳定性以及早期生成阶段的关键性，实现了在保持文本质量的同时将生成速度提升最…详细

人工智能注意力机制性能优化

伊利诺伊大学团队通过精心设计的字符串转换实验，证明大型语言模型能够通过强化学习学会组合已有技能形成新能力。研究发现仅提供组合数据还不够，必须配合强化学习才能激发真正的组合推理能力。这种技能还能跨任务迁…详细

人工智能强化学习技能组合

清华大学团队开发出InfLLM-V2密集-稀疏可切换注意力框架，解决了大型语言模型处理长文本时的计算瓶颈问题。该技术能让AI模型根据文本长度自动调整注意力模式，实现4倍速度提升的同时保持98%以上的准确率。研究团队通…详细

注意力机制稀疏计算长文本处理

上海AI实验室开发的SDLM技术革命性地解决了AI语言模型生成速度慢的问题。通过"下一序列预测"和智能置信度检测，SDLM能根据内容复杂程度动态调整生成长度，在保持高准确性的同时将生成速度提升一倍以上，为AI助手的实…详细

人工智能自然语言处理新型算法

为了确保生成内容的专业度，夸克算法团队已经与通义实验室成立了联合研发小组，专注于搜索推理与可信生成。…详细

夸克大模型豆包大模型大模型

为了确保生成内容的专业度，夸克算法团队已经与通义实验室成立了联合研发小组，专注于搜索推理与可信生成。…详细

夸克豆包大模型大模型

这项由伊利诺伊大学厦巴纳-香槟分校和滑铁卢大学联合完成的研究，开发了名为VideoScore2的AI视频评估系统，能够像人类专家一样从视觉质量、文本对齐和物理一致性三个维度对AI生成视频进行详细评估，并提供透明的分析…详细

人工智能视频评估多维度分析