上海交通大学等多所院校联合开发的DreamVLA系统让机器人具备了"预知未来"的能力，通过预测动态变化、空间结构和物体语义来指导行动，在真实世界测试中达到76.7%成功率，在模拟环境CALVIN基准中创下4.44平均任务长度新…详细

视觉语言动作模型世界知识预测扩散变换器

据报道，英伟达计划最早于9月推出专为中国市场设计的AI芯片，以应对美国出口限制。该芯片基于Blackwell RTX Pro 6000处理器，已经过修改以符合现有AI芯片限制规定，不包含高带宽内存和NVLink高速通信接口等高级功能。…详细

人工智能芯片设计市场策略

这项由中科院计算所团队开发的REFINEX框架，通过创新的删除式编辑方法，解决了AI训练数据质量低的问题。该方法先用专家模型生成高质量文本，再提取删除操作训练小型编辑模型，既保证了数据质量又提高了处理效率。实验…详细

数据处理程序化编辑AI训练优化

腾讯混元团队推出ArtifactsBench，这是全球首个专门评测AI生成视觉交互代码质量的综合基准系统。该系统包含1825个真实应用场景测试任务，创新性地通过实际运行代码、动态截图、多模态AI评委等方式，从功能性、美观度…详细

人工智能视觉交互代码生成自动化评测系统

YouTube计划7月15日更新货币化政策，针对"非真实"内容进行打击，主要目标是减缓平台上AI生成内容的泛滥。新政策将更好识别批量生产和重复性内容，包括仅有表面差异的旁白故事频道和相同解说的幻灯片视频。虽然YouTub…详细

人工智能自然语言处理内容监管

这项由加州大学伯克利分校、香港大学和Adobe联合开展的研究，开发了名为X-Planner的AI图像编辑规划系统，解决了现有AI工具难以理解复杂编辑指令的问题。该系统能将"让图片看起来像夏天"等自然语言指令智能分解为具体…详细

图像编辑多模态大语言模型指令分解算法

本研究提出了VLM2Vec-V2多模态嵌入模型和MMEB-V2评估基准，首次实现对文本、图片、视频和文档的统一理解。该模型在78个任务上全面领先现有基线，展示了从专门化向通用化发展的重要趋势，为多媒体内容理解、智能搜索和…详细

多模态理解视频文档处理统一嵌入模型

乔治梅森大学研究发现，最新AI模型在预测准确性上首次超越普通人群，但仍显著落后于人类顶级预测专家。通过464个真实预测问题的测试，OpenAI的o3模型表现最佳，但"超级预测师"的表现仍是AI的六倍。研究揭示AI在政治预…详细

人工智能预测技术人机对比

这项由卡内基梅隆大学团队提出的Mod-X框架，旨在解决AI智能体之间无法有效协作的核心问题。通过分层架构设计，包括通用消息总线、语义翻译层、状态管理和区块链安全机制，实现了不同技术背景的AI系统无障碍通信。该框…详细

人工智能架构智能体通信协议区块链安全机制

SAP实验室研究团队开发了DIAFORGE系统，通过三阶段训练显著提升AI助手在企业环境中的工具调用准确性。该方法专门解决AI助手面对相似工具时的选择困难，通过模拟真实企业场景训练AI主动澄清用户需求。实验结果显示，经…详细

企业AI助手工具调用优化消歧训练技术

澳大利亚研究团队开发出PresentAgent，这是一个能将任何文档自动转换为专业演示视频的AI系统。该系统集成了文档解析、幻灯片设计、语音合成等功能，并创建了全新的多维度评价体系。实验显示，AI生成的演示视频在多项…详细

人工智能多模态生成自动化演示制作

Meta和加州大学伯克利分校的研究团队开发了StreamDiT技术，实现了首个真正意义上的实时AI视频生成系统。该技术能够像熟练摄影师一样根据文字描述即时生成高质量视频，支持用户在生成过程中实时调整内容。通过创新的"…详细

实时视频生成流式AI模型多模态交互

这项由高通AI研究院完成的研究提出了OmniDraft框架，通过跨词汇表翻译、在线蒸馏学习和自适应草稿调整三大创新技术，让一个68M参数的小模型能够为多个不同的大型AI模型提供通用加速服务，在数学推理、编程和文本生成…详细

人工智能推理加速模型优化

Flatiron研究院团队探索了在压缩的"潜在空间"中进行物理模拟的新方法，发现即使压缩1000倍，AI模型仍能准确预测复杂物理现象如流体流动和湍流。研究对比了扩散模型和神经求解器两种方法，发现扩散模型不仅更准确，还…详细

潜在扩散模型物理模拟计算效率优化

斯坦福大学研究团队创建了全球首个创意写作评估基准LitBench，通过分析Reddit写作社区的4万多对故事比较数据，训练AI模型判断创意写作质量。研究发现专门训练的小型奖励模型（78%准确率）能超越大型语言模型评委（73…详细

人工智能创意写作奖励模型

清华大学团队提出"绝对零度"AI训练新方法，让AI系统完全不依赖人类数据，仅通过自己出题解题的方式实现自主学习。该方法在编程和数学推理任务上超越了使用大量人工数据训练的传统模型，展现了AI超出预期的自主学习潜…详细

强化学习自主学习零数据训练

复旦和腾讯联合开发的UnifiedReward-Think是全球首个具备链式思维推理能力的统一多模态奖励模型。该系统能像专业评委一样进行多维度深度分析，在图像和视频评估任务中全面超越现有方法，准确率提升5-25%。更重要的是…详细

人工智能多模态评估链式思维推理

慕尼黑工业大学研究团队首次将"grokking"现象成功应用于真实世界的复杂推理任务，通过巧妙的数据增强策略，让仅有1.24亿参数的小型AI模型在多步推理任务上达到95-100%准确率，超越了GPT-4o等大型模型。更令人惊讶的是…详细

人工智能多步推理数据增强

加州大学圣地亚哥分校等机构联合开发的Voila语音AI系统实现了真正的实时双向语音交互，响应速度仅195毫秒，支持情感表达和主动对话。该系统采用端到端架构，拥有百万预制声音库，仅需10秒音频即可定制新声音。Voila在…详细

语音人工智能端到端语音模型实时语音交互