马里兰大学等机构联合提出ViCrit训练法，通过让AI识别图片描述中的人工植入错误来提升视觉理解能力。该方法将传统的生成完整描述转换为精确的错误定位任务，使训练目标更加明确。实验显示经过训练的AI模型在幻觉减少和多项视觉推理任务上都有显著提升，同时研究团队还发布了ViCrit-Bench评估基准。这项研究为AI视觉训练开辟了新思路。

NVIDIA多年来一直在与部分全球领先的金融机构共同开发和执行各种发展迅速的AI策略，在过去三年间询问了他们最关心的是什么。

最近,中国人工智能公司Monica推出的Manus引发了广泛关注。然而,与DeepSeek等有实质性突破的中国AI不同,Manus并无革命性创新。它宣称具有自主性,实际上只是执行预设流程的大语言模型。Manus的唯一新颖之处在于它来自中国,但这并不足以证明它的先进性。AI的成功取决于应用,而非产地。

在他看来，企业对AI的恐惧源自未知，而破解未知的钥匙，就藏在“AI平台+开源”这个看似简单的公式里。

这项由伦敦国王学院领导的研究针对大语言模型处理长文档时的效率问题，提出了ComprExIT压缩框架。该方法通过构建明确的信息传输机制，避免了传统方法中信息逐层覆盖和资源分配不协调的问题。实验表明，ComprExIT在保持仅1%参数增量的情况下，全面超越现有压缩方法，甚至能匹敌未压缩模型的性能，为大语言模型的高效部署提供了新思路。

从业内外讨论来看，由于游戏、区块链、代币等行业的加入，元宇宙显得格外热闹。但热闹之余，我们仍然且必须像对待任何术语一样，追问其本质。

思科近日表示，将改进Webex协作工具套件，让企业能够应对混合办公带来的重重挑战。

在他看来，企业对AI的恐惧源自未知，而破解未知的钥匙，就藏在“AI平台+开源”这个看似简单的公式里。

“元宇宙没有极限，就怕你没有想象力。”随着元宇宙概念大热，各种虚拟数字人也如潮水般涌现，从主流媒体到时尚娱乐，再到文化商业，数字人的应用领域在不断拓宽，融入人们的社交生活之中。

首尔国立大学研究团队提出了"多模态对抗组合性"(MAC)基准测试，评估预训练多模态表示(如CLIP)在理解文本与图像、视频、音频关系时的组合性弱点。研究使用大语言模型生成欺骗性文本，通过样本成功率和多样性双重指标进行评估。团队创新性地提出了多样性促进自训练方法，即使使用较小的Llama-3.1-8B模型，也能显著提高攻击成功率和多样性。实验在COCO、MSRVTT和AudioCaps数据集上验证，该方法优于现有技术，并展示了良好的跨模型迁移性，为构建更可靠的多模态系统提供了重要见解。

Canonical宣布Ubuntu 25.10"Questing Quokka"将引入基于可信平台模块（TPM）芯片的全盘加密功能。该功能原计划在23.10版本推出，现在终于落地。新方案利用现代PC内置的TPM 2.0芯片存储加密密钥，支持自动解锁，无需手动输入密码。系统要求PC具备TPM 2.0芯片、UEFI固件并启用安全启动。相比传统LUKS加密方案，TPM加密可实现无人值守启动，特别适合服务器环境。该功能将采用统一内核镜像系统，通过snap包管理内核更新。

“人工智能监控使我们能够检测ATM机的篡改和破坏行为，甚至抓获戴口罩的罪犯，”Pushkal Tenjerla在谈到CMS的人工智能技术时这样说道。

如果说云端模型的终极理想是“超过你”，那么基于消费者的“数据集”，荣耀想在端侧创造什么样的AI终极体验？

马里兰大学研究团队发现，通过强化学习训练AI模型担任视觉问答评委，不仅能提升其评判能力，还意外地增强了答题能力。他们开发的LLaVA-Critic-R1模型在26个视觉推理任务中平均提升5.7%性能，并具备自我改进功能，测试时可通过自我批评获得额外13.8%提升，展现了评委训练的双重价值。

OpenAI与英伟达宣布战略合作，计划部署至少10千兆瓦的英伟达系统用于AI基础设施建设，英伟达将投资高达1000亿美元。该项目耗电量相当于10座核反应堆的发电量，需要400-500万个GPU，远超现有数据中心规模。首个千兆瓦系统将于2026年下半年上线。这一雄心勃勃的计划将显著增加全球能源消耗，面临电网连接瓶颈等实际挑战。

随着企业组织高度关注数字化，解决问题和修复有问题的项目，变得比以往任何时候都更加重要。

卡内基梅隆大学研究团队开发了OpenBEATs，首个完全开源的通用音频理解系统。它突破了传统音频AI只精通单一领域的局限，能同时处理音乐、环境声音和生物声音，参数规模达3亿。在25个数据集的测试中表现卓越，特别在生物声学领域的10个数据集中有6个获得最佳成绩。该系统还具备音频推理能力，能回答音频相关问题并生成描述，为生态监测、音乐分析等应用提供强大技术支撑。

该研究首次通过实验揭示了人类在战略博弈中如何对待大语言模型(LLM)对手。爱丁堡大学研究者发现，在p-美丽竞赛游戏中，人类面对LLM对手时会选择显著较低的数字，特别是增加了选择"零"的频率。高战略推理能力的参与者更倾向于这种行为转变，他们期望LLM能够理性推理至均衡，甚至具有合作倾向。这些发现对未来人机混合环境的机制设计具有重要启示，揭示了战略互动中人类对AI的特殊期望。

Adobe迎来了40年历史中规模最大的一笔收购。

IBM今天宣布与Unity Technologies Inc.建立合作伙伴关系，Unity Technologies Inc.是一家热门游戏引擎制造商，被称为业界应用最广泛的虚拟应用平台。该软件还适用于打造增强现实服务。