人与机器之间的比较性研究，往往受到人类自发解释思维这一强烈偏见的影响。

澳大利亚研究团队开发出首个专门识别古希腊陶器的AI系统VaseVL，通过创新的"诊断式强化学习"方法，在材质识别、工艺判断等任务上达到专家级水平。该系统基于超过3万张陶器图片训练，准确率最高达99.95%，为文化遗产保护和考古研究提供了强大的技术支持，开启了AI辅助文物分析的新时代。

浙江大学团队创新性地将人类点击行为的高斯分布特征应用于AI界面操作训练，开发出GUI-G2方法。该方法摒弃传统二元奖励机制，采用连续高斯奖励建模，包含点精度评估和区域覆盖评估两大机制，并引入自适应方差处理不同尺寸元素。实验证实该方法在多个测试集上显著提升AI界面操作准确率，最高达24.7%的性能提升。

提起搜狗，人们的印象大多是「输入法」以及「搜索引擎」，但基于此，这家公司正在布局 "以语言为核心的 AI 战略"。

伊利诺伊大学研究团队开发的s3框架只需2,400个训练样本，就能超越需要17万个样本的现有方法，大幅提升语言模型的搜索质量。通过将搜索与生成解耦，s3使用"超越朴素RAG的增益"奖励，专注训练搜索智能体而保持生成模型不变。在通用和医学问答任务中，s3均取得最佳性能，同时实现33倍训练速度加快，适用于各类冻结或专有模型，为RAG系统开辟高效新路径。

这项研究介绍了神经符号扩散模型(NESYDMs)，一种创新融合神经网络感知与符号推理的框架，克服了传统神经符号系统中概念独立性假设的局限。通过离散扩散技术建模概念间依赖关系，该模型在高维视觉路径规划和自动驾驶等任务上展现出卓越性能，同时维持较好的校准性，能够意识到"推理捷径"问题。这一突破为构建既可靠又可解释的AI系统提供了新方向，特别适用于安全关键的应用场景。

耶鲁大学研究团队开发了MMVU测试系统，专门评估AI模型的专业视频理解能力。该测试包含3000道专家出题，覆盖科学、医疗、工程等27个学科。测试结果显示，最先进的o1模型准确率达80%，接近人类专家开卷考试水平，但大多数模型表现远低于人类专家，揭示了当前AI在专业领域应用中的局限性和改进方向。

近日，国际权威咨询机构Forrester发布了《Now Tech: External Threat Intelligence Services,Q4 2020》报告，奇安信凭借海量的威胁情报样本、精准的威胁情报检测能力和强大的APT组织追踪能力，成为少数入围该报告的中国厂商之一。

数据觉醒，AI-Ready数据基础设施加速智能化。

AI有了自知之明，准确率飙升，Meta AI团队发布DeepConf

aiOla在Whisper的架构之上进行了修改采用了“多头注意力”机制的并行计算方法，允许模型在每个推理步骤中预测多个token，同时不会损失性能和识别准确率。

这篇研究介绍了CSVQA，一个专为评估视觉语言模型在STEM领域推理能力的中文多模态基准测试。该数据集包含1,378道涵盖物理、化学、生物和数学的问题，每题都要求模型分析科学图表并进行专业推理。实验评估了15种VLM，结果显示即使最强大的模型o1也仅达到49.6%的准确率，揭示了当前AI在科学推理方面的明显局限。研究还发现模型在不同学科表现不一，思维链提示效果因模型而异，为未来改进指明了方向。

这项研究关注语音中的句子强调（即说话时对特定词的重音），它能传达说话者的潜在意图。耶路撒冷希伯来大学的研究团队发现，尽管现代语音语言模型进步显著，它们在理解句子强调方面表现不佳。团队创建了StressTest基准测试和Stress-17k合成数据集，并开发了StresSLM模型，使强调理解能力大幅提升。研究表明，通过特定训练策略，可以让AI不仅理解"说了什么"，还能理解"怎么说的"，从而捕捉人类交流中的微妙含义。

Flexify.AI团队开发了首个专门用于全球贸易HTS关税编码分类的AI基准测试和模型ATLAS。该研究基于美国海关18731个真实裁决案例，训练出的ATLAS模型在10位编码分类上达到40%准确率，超越GPT-5等主流模型15个百分点，同时成本降低5倍并支持私有部署，为解决全球贸易中的关键分类瓶颈提供了开源解决方案。

为了让这条杭州交通大动脉更加“聪明”，中控信息采用数字孪生、人工智能、物联网、云计算等数字技术，对江南大道进行了全域升级改造，让江南大道实现了更实时精准的认知、更智慧全面的管理以及更安全的大型活动保障。

马里兰大学和耶鲁大学研究团队提出"混合思维"(Mixture-of-Thought)框架，使大语言模型能够像人类一样通过自然语言、代码和真值表三种互补思维方式进行逻辑推理。这种创新方法在FOLIO和ProofWriter基准测试上比单一思维方式平均提高11.7个百分点的准确率，特别在处理复杂逻辑问题时效果显著。研究表明，多模态思维协同可有效克服自然语言推理中的关键瓶颈，为增强AI逻辑推理能力提供了新路径。

日本AI实验室Sakana AI开发出名为M2N2的新型进化技术，让开发者能够在不进行昂贵训练和微调的情况下增强AI模型能力。该技术突破了其他模型融合方法的局限性，甚至可以从零开始进化出全新模型。M2N2适用于大语言模型和文本到图像生成器等不同类型的机器学习模型，为企业构建定制AI解决方案提供了高效途径。

OpenAI 推出 ChatGPT 深度研究代理，能够在 5 到 30 分钟内分析数百个在线资源，生成全面报告。该代理使用 o3 模型搜索互联网信息，准确性比现有模型高，但仍存在一些局限性。目前仅向付费用户开放，未来将扩展功能并提高使用限制。

1月10日，中国电信星辰语义大模型TeleChat-7B版本宣布开源，并开放1T高质量清洗数据集。星辰语义大模型已与昇腾AI基础软硬件完成适配，并开源了适配后的代码。此外，中国电信还将在1月20日开源12B版本模型，拥抱更多开发者共建开源大模型生态。

4月3日,中国移动河南公司开封分公司(以下简称“开封移动”)和华为技术有限公司(以下简称“华为”)在长期友好合作基础上,联合创立的业务创新孵化基地“星光实验室”正式揭牌。