上海交大团队首次建立AI视觉推理评估标准RISEBench，测试发现即使最先进的GPT-4o-Image在推理驱动的图像编辑任务中准确率仅28.8%。研究涵盖时间、因果、空间、逻辑四大推理维度，揭示当前AI缺乏真正理解物理规律和逻辑关系的能力，为AI发展指明了从模式识别向深层推理转变的重要方向。

香港中文大学研究团队开发出HPSv3图片质量评价系统，能像人类一样准确判断图片美观度和质量。该系统基于108万张图片的HPDv3数据集训练，涵盖AI生成图片到真实摄影作品的完整质量范围。团队还提出CoHP优化方法，通过智能选择和迭代改进显著提升图片生成质量，在用户测试中获得87%偏好率，为AI图片生成领域提供了重要突破。

9月23日，《中国交通报》与腾讯智慧交通联合发起的系列策划《智慧交通观察·群聊2022》第三期举行

在巴黎圣母院大火中，救援机器人Colossus一路冲向大教堂中最危险的区域，成功扑灭大火并清除了可能造成人员伤亡的危害碎片。

两会科技提案，都提了些啥？

俄罗斯人工智能研究院等机构的研究团队首次成功破解了大语言模型内部推理机制的奥秘。他们使用稀疏自编码器技术将AI模型复杂的内部状态分解成可理解的功能组件，并开发了ReasonScore评分系统来识别负责推理的特定组件。通过精确调节这些"推理组件"，研究团队实现了AI推理能力的显著提升，为开发更可控、更透明的AI系统奠定了基础。

谷歌DeepMind开发出革命性AI系统，首次实现通过分子结构预测气味特征。该系统使用图神经网络技术，在包含5000个分子的数据库上训练，能够准确预测未知分子的气味。这项突破性研究解决了困扰科学界几十年的嗅觉机理问题，为香水、食品、医学等领域开辟新的应用前景，标志着人工智能在感官科学领域的重大进展。

美国劳伦斯利弗莫尔国家实验室研究团队发布了世界首个具备真正"透视"能力的计算机视觉数据集MOVi-MC-AC，包含近600万个物体实例。该数据集不仅能识别被遮挡物体的轮廓，更能准确显示被遮挡部分的颜色和纹理，同时采用六摄像头多视角拍摄系统。这项技术突破将显著改善自动驾驶、智能机器人和安防系统的性能。

这篇研究介绍了Micro-Act，一种创新框架，旨在解决问答系统中的知识冲突问题。由香港大学等机构研发的这一方法能够自动感知上下文复杂度，并将知识源分解成一系列细粒度比较，有效克服了传统方法在处理复杂冲突时的局限性。实验表明，Micro-Act在五个基准数据集上显著超越了现有技术，并在无冲突场景中保持稳健性能，为构建更可靠的检索增强生成系统提供了新思路。

据相关数据显示，采购数字化近年来一直保持20%以上增速，预计2022年市场规模将超200亿元。

这项研究利用大语言模型解决科学新颖性检测难题，南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架，训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明，该方法在市场营销和NLP领域显著优于现有技术，为加速科学创新提供了有力工具。

SridBench是首个评估人工智能模型科研插图绘制能力的基准测试，由中国科学技术大学等机构研究团队创建。该测试包含1,120个来自自然科学和计算机科学13个学科的高质量样本，并设计了六维评估标准。实验结果显示，即使是目前表现最佳的GPT-4o-image模型也仅达到基本合格水平，文本信息缺失、视觉元素不完整和科学错误是主要瓶颈。这项研究揭示了AI科研绘图能力的现状，为未来技术发展提供了方向。

我们判断，“双碳”解决方案市场将“扶摇直上”，极具“实践智慧”的厂商是企业首选项。

你是否曾想过，如果AI能像人类一样看完整部电影，或者理解超高清图像中的细微细节会怎样？普通的AI模型在这方面往往力不从心，它们就像只能看几秒视频或者只能看低分辨率图片的"近视眼"。NVIDIA联合多所高校的研究团队近日推出的Eagle 2.5就是为了解决这一问题，让AI拥有"看得更久、看得更清"的能力。

在最近的一期《今日AI》播客中，葛兰素史克公司消费者保健业务美洲创新和新兴技术负责人Subroto Mukherjee，谈到了制药行业是如何使用人工智能和机器学习技术的，且介绍了人工智能和机器学习技术的独特用例。

印度理工学院等机构研究发现，即使是最先进的AI模型如GPT-4o、Claude等，在面对间接表达、干扰信息或背景过载的"混淆问题"时，准确率会从70-80%骤降至25-40%。研究团队开发的ObfusQAte评估框架首次系统性揭示了大语言模型的这一重要缺陷，为改进AI推理能力和提高实际应用可靠性提供了重要基准。

首尔大学研究团队开发出名为ECoRAG的智能文档压缩框架，解决了AI系统在处理长文档时效率低下和准确性不足的问题。该技术通过"证据性"概念区分有用信息与干扰内容，并具备自我反思能力来决定所需信息量。实验显示，新方法在保持更高准确率的同时，显著减少了处理时间和计算成本，为搜索引擎、在线教育、医疗诊断等领域带来广阔应用前景。

Meta研究团队开发了革命性的AU-Net架构，让AI无需传统分词直接从字节理解语言。这项技术在多语言处理和字符级任务上显著超越传统方法，为AI语言理解开辟了新路径。

“不管是唱歌作曲，还是写诗画画，其实我们的目的是想让小冰更像人类，这种在艺术、文学等方面的自主性，常常会让我们在某个瞬间产生一种错觉——她好像真的有自我意识。”

斯坦福和伯克利研究团队推出VidDiff技术，让AI学会像专业教练一样精准识别动作差异。该技术通过三步走方法解决视频动作比较难题，构建了包含549对视频的大型数据集VidDiffBench。虽然当前AI模型准确率有限，但已展现在健身指导、医学培训、体育分析等领域的应用潜力。研究为AI理解细微动作差异开辟新方向，有望让人人享有智能化的动作指导。