在AI+产业爆发前夜，枫清科技通过以数据为中心的技术路径构筑护城河。…详细

11月8日，第七届中国超级算力大会ChinaSC2025将在北京开幕。…详细

AI不仅在重新定义汽车，还在定义汽车整个上下游。…详细

中山大学团队针对OpenAI O1等长思考推理模型存在的"长度不和谐"问题，提出了O1-Pruner优化方法。该方法通过长度-和谐奖励机制和强化学习训练，成功将模型推理长度缩短30-40%，同时保持甚至提升准确率，显著降低了推理…详细

人工智能强化学习模型优化

上海AI实验室研究团队深入调查了12种先进视觉语言模型在自动驾驶场景中的真实表现，发现这些AI系统经常在缺乏真实视觉理解的情况下生成看似合理的驾驶解释。通过DriveBench测试平台的全面评估，研究揭示了现有评估方…详细

人工智能自动驾驶视觉语言模型

谷歌和香港大学研究团队提出Learn-by-interact框架，让AI智能体通过自主与环境互动来学习，核心创新是"逆向构建"机制，能将失败操作转化为有价值训练数据。在四个真实环境测试中，该方法显著提升了AI在软件编程、网页…详细

人工智能智能体学习交互式训练

TransPixeler是由香港科技大学和Adobe研究院联合开发的AI视频生成技术，专门解决生成带透明效果（RGBA）视频的难题。该技术巧妙扩展现有视频生成模型，让AI能同时生成RGB颜色和Alpha透明度信息，避免了传统"先生成后…详细

人工智能视频生成计算机视觉

腾讯混元团队通过366组实验发现了AI大模型低精度训练的关键规律，提出Capybara缩放定律。研究揭示指数位比尾数位更重要，存在训练数据临界值现象，4-8位精度具有最佳成本效益。该成果为AI训练提供精确预测工具，有助…详细

人工智能浮点数量化缩放定律

阿里巴巴研究团队开发出ProgCo方法，让AI像程序员一样生成验证程序来检查和纠正自己的答案。该方法在数学问题和指令遵循任务上表现卓越，准确率提升超过7%，同时具有比传统方法更高的计算效率，为AI自我纠错开辟了新…详细

人工智能程序驱动验证自我纠错优化

小豆科技发布的Xmodel-2是一个专门针对推理任务优化的12亿参数语言模型。通过创新的张量程序架构、WSD学习率调度和数据配比优化，该模型在复杂推理和智能代理任务上表现卓越，超越了许多同规模模型。经1.5万亿token训…详细

推理优化张量程序架构小参数模型

南洋理工大学研究团队构建了Video-MMMU基准，通过300个专业教学视频和900道问题，评估AI模型从视频中学习知识的能力。研究发现人类专家知识增益达33.1%，而最先进的AI模型仅达15.6%，特别在知识适应新场景方面表现不…详细

人工智能视频理解知识获取评估

清华大学等机构开发的SimpleVLA-RL框架突破了传统机器人依赖大量人类演示数据的局限，让机器人通过强化学习自主试错掌握技能。该方法在数据稀缺情况下将成功率从17.3%提升至91.7%，并在真实世界中验证有效，机器人还…详细

机器人学习强化学习视觉语言行为模型

港中深研究团队发现语音AI系统"答非所问"的根本原因在于声学和语义理解的认知鸿沟，并提出EchoX解决方案。通过创新的"回声训练"方法，EchoX用仅6千小时训练数据就在知识问答任务中取得显著性能提升，综合得分46.3分超…详细

人工智能语音识别回声训练