德国图宾根大学研究团队发现，现有AI数学推理的强化学习方法主要是"磨刀不换刀"—只强化已有解题模式而非开发新推理能力。他们创建了MATH-Beyond基准测试，收录181个连强AI模型尝试1024次都难以解决的高中数学题，揭…详细

数学推理强化学习基准测试

荷兰格罗宁根大学等机构联合发布的EAGER技术，通过监测AI推理过程中的不确定性来动态分配计算资源，实现了在减少65%计算成本的同时提升37%准确率的突破。该技术可直接应用于现有模型，在数学、科学、编程等多领域测试…详细

人工智能推理优化动态计算分配

西湖大学联合团队开发出首个端到端3D空间推理系统GS-Reasoner，解决了AI难以同时处理物体识别和空间推理的技术难题。该系统通过创新的双路径融合技术和接地思维链训练方法，实现了无需外部工具的自主物体定位和复杂空…详细

人工智能3D空间推理计算机视觉

密歇根大学研究团队发现视频生成AI具有意外的物体追踪能力。他们开发了"点提示追踪"技术，通过在视频首帧添加红色标记，让AI自动追踪物体运动轨迹。该方法无需专门训练，在处理遮挡等困难场景时表现优异，追踪准确性…详细

计算机视觉视频生成物体追踪

上海交通大学与阿里巴巴合作研究发现，大型语言模型在推理时展现出"预设与锚定"的思考节奏。通过分析注意力机制，研究团队首次揭示了AI内部的推理逻辑，并基于此开发了三种新的强化学习训练策略，在多个数学推理任务…详细

人工智能注意力机制强化学习优化

Akamai的分布式边缘架构从设计之初就以韧性为核心，全球平台通过跨区域负载均衡和智能路由技术，确保即使某些节点出现故障，流量也能无缝切换至可用节点。…详细

Akamai

商汤科技研究团队开发的InteractiveOmni是一个突破性的全模态AI助手，能够同时处理图像、视频、音频和文字，并具备强大的多轮对话记忆能力。该模型采用端到端架构，实现了从多模态输入到语音输出的统一处理，在多项基…详细

人工智能多模态交互语音合成

腾讯混元团队联合北航、清华推出Honey-Data-15M，这是一个包含1500万高质量图像-问答对的开源数据集，通过创新的双层思考链策略让AI学会深度推理。基于此训练的Bee-8B模型在复杂推理任务上表现卓越，证明了专注数据质…详细

多模态大语言模型数据质量优化开源人工智能

这项由斯坦福大学等多所顶尖院校完成的研究发现，虽然扩散语言模型承诺通过并行处理大幅提升AI文本生成速度，但实际上存在严重的质量问题。研究团队开发了专门的测试平台ParallelBench，发现AI在处理需要协调的任务时…详细

人工智能并行处理扩散语言模型

哈尔滨工业大学研究团队开发出UniMoE-Audio系统，首次实现AI同时掌握语音合成和音乐创作。该系统采用动态容量专家混合架构和三阶段训练策略，解决了传统方法中的任务冲突和数据不平衡问题。实验显示，系统在语音质量…详细

人工智能专家混合架构多模态生成

复旦大学研究团队通过LIBERO-Plus测试平台对当前主流AI机器人进行了全面"体检"，发现这些在标准测试中表现优异的系统实际上极其脆弱：轻微的环境变化就会导致性能从95%暴跌至30%以下，且大多数机器人实际上忽略语言指…详细

人工智能机器人学习评估基准

Turner & Townsend发布的2025年数据中心建设成本指数报告显示，AI工作负载激增正推动高密度液冷数据中心需求。四分之三的受访者已在从事AI数据中心项目，47%预计AI数据中心将在两年内占据一半以上工作负载。预计到20…详细

人工智能液冷技术成本分析

亚马逊云服务宣布投资500亿美元，专门为美国政府构建AI高性能计算基础设施。该项目将新增1.3千兆瓦算力，扩大政府机构对AWS AI服务的访问，包括Amazon SageMaker、Amazon Bedrock和Claude聊天机器人等。预计2026年开…详细

人工智能云计算政府合作