2025年凌云奖再次启程，它不再是一场媒体的独角戏，而是200万AI从业者的集体选择。以“凌云之上，见智能”为主题，2025年度凌云奖由至顶科技联合软积木、LangGPT、AIGCLink、爱智岛人工智能艺术家创作联盟、硅创社等…详细

凌云奖AI

YouTube宣布其AI形象检测技术正式向合格创作者开放，该技术可识别和管理使用创作者面部和声音的AI生成内容。创作者可通过扫描二维码进行身份验证，然后查看检测到的视频并提交删除请求。该技术旨在防止创作者形象被滥…详细

人工智能肖像识别内容保护

华中科技大学研究团队发现，通过让AI模型学习解决几何问题，能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集，使用强化学习方法训练多个AI模型。实验结果显示，几何训练在四个空间智…详细

人工智能几何学习空间智能

中国人民大学研究团队开发了Tool-Light框架，通过信息熵理论解决AI工具使用中的过度调用、调用不足和过度思考问题。该框架采用熵引导采样和两阶段自演化训练，让AI学会合理使用外部工具。在10个推理任务测试中，Tool…详细

人工智能工具集成推理自演化优化

新加坡国立大学研究团队发现现代AI推理模型存在意外困境：传统的推理示例反而会降低性能，最高降幅达35%。研究识别出两个关键问题并开发了I2S解决方案，通过将示例转化为抽象指导而非具体模仿，在多个模型上实现显著…详细

人工智能推理优化新型算法

中科院研究团队开发的VGGT-X技术突破了3D重建领域的关键瓶颈，通过内存优化、全局对齐和鲁棒训练策略，实现了用上千张照片快速重建高质量3D场景。该技术将内存使用量减少76%，处理速度提升数十倍，在保持接近传统方法…详细

3D重建技术计算机视觉VGGT-X算法

埃默里大学团队发布AceSearcher框架，通过让单一AI模型扮演分析师和调查员双重角色，实现复杂问题的系统性分解和推理。该技术在多跳问答等任务上平均提升7.6%准确率，15亿参数的小模型即可媲美数百亿参数大模型，显著…详细

人工智能强化学习多步推理

腾讯混元团队发布HunyuanImage 3.0，这是全球首个统一图像理解与生成的原生多模态开源模型。该模型基于800亿参数架构，在推理时激活130亿参数，具备思维链推理能力，在文本-图像对齐和视觉质量评估中达到业界领先水平…详细

人工智能图像生成多模态模型

北京理工大学团队提出DART框架，通过去耦合训练和自适应数据管理策略大幅提升GUI智能体训练效率。DART-GUI-7B在OSWorld测试中达到42.13%成功率，比基础模型提高14.61%，训练吞吐量提升1.9倍，环境利用率提升5.5倍。该…详细

人工智能强化学习GUI自动化

香港中文大学和香港科技大学联合开发了MGM-Omni，一个能够理解超过60分钟音频并生成10分钟以上连贯语音的AI系统。该系统采用创新的"大脑-嘴巴"双轨架构，分别负责多模态理解和语音生成，通过分块并行解码技术解决了文…详细

多模态大语言模型语音生成技术零样本语音克隆

中山大学研究团队开发出LOVE-R1视频理解模型，通过模仿人类"先粗后细、重点观察"的认知方式，让AI能够智能地在长视频中定位关键片段进行高分辨率分析。该模型采用快慢结合的处理策略和三阶段训练方案，在四个长视频理…详细

人工智能视频理解注意力机制

这项由DP Technology和北京大学联合完成的研究提出了SphereAR方法，通过超球面约束解决连续标记自回归图像生成中的方差崩溃问题。该方法将所有输入输出限制在固定半径球面上，实现尺度不变性，在ImageNet数据集上创下…详细

人工智能自回归生成图像生成技术

微软研究院联合清华大学开发的PixelCraft系统，通过多智能体协作突破了AI视觉推理瓶颈。该系统采用专业分工模式，包含调度员、规划员、推理员等角色，配备图像记忆库实现灵活推理。在权威测试中准确率提升5-9个百分点…详细

多模态大模型视觉推理系统多智能体协作

清华深研院研究团队通过分析AI模型的内部语义表征空间，发现传统认为对立的探索与利用能力实际上可以解耦并同时增强。基于这一发现，他们开发了VERL方法，通过有效排序及其导数来动态调节训练激励，在高考2024数据集…详细

强化学习语义表征AI推理优化

这项由中国传媒大学和微软联合开展的研究提出了UniMIC框架，创新性地采用令牌化技术解决人机协作中的通信效率问题。该技术将多媒体数据转换为紧凑令牌进行传输，避免了传统方法的累积损失，在文本生成图像、图像编辑…详细

人工智能令牌化压缩人机协作通信