上海AI实验室团队通过LEGO积木设计了创新评测基准LEGO-Puzzles，系统测试了20个先进多模态大语言模型的空间推理能力。研究发现即使最强AI模型准确率仅57.7%，远低于人类93.6%的表现，揭示了当前AI在三维空间理解和多步序列推理方面的重大不足，为机器人、自动驾驶等应用发展提供重要参考。

金风送爽，秋意渐浓。作为我国对外开放三大展会平台之一，2022年服贸会于9月1日在北京首钢园开幕。

VisTA是一种新型强化学习框架，使视觉AI能够自主探索、选择和组合多种视觉工具。与传统方法不同，VisTA无需人工监督，通过反复尝试学习哪些工具最有效。研究团队在ChartQA、Geometry3K等测试中证明，VisTA显著优于训练免费基线，特别是在分布外样本上表现更佳。其核心创新在于使用群体相对策略优化算法，让AI代理能够根据实际性能而非预设规则来选择工具，为未来发展更灵活的视觉推理系统铺平了道路。

OpenAI 最新推出的 o3 和 o4-mini 推理 AI 模型虽然在编程和数学等任务上表现出色，但幻觉率却远高于以往模型，引发了对准确性的严重担忧，亟待进一步研究。

北卡罗来纳大学教堂山分校研究团队提出MEXA框架，通过动态选择和聚合多个专业AI模型来处理复杂的多模态推理任务。该方法无需额外训练，在视频理解、音频分析、3D场景理解和医学诊断等多个基准测试中显著超越现有模型，为AI系统设计提供了新思路。

以色列理工学院研究团队开发出一种新颖的AI推理改进方法，通过训练专用的"继续思考"标记，让AI模型在解题时能够进行更深入的思考。该方法只需训练单个标记的嵌入向量，保持模型其他参数不变，在数学推理任务中展现出显著效果，准确率提升幅度达到传统方法的三倍以上，为AI推理能力提升提供了高效且通用的解决方案。

这项研究创建了"Visual CounterFact"数据集，通过展示与常识相悖的图像（如蓝色草莓）测试视觉语言模型如何平衡视觉输入与记忆知识。研究发现，模型往往会被视觉输入左右，即使被问及通用知识问题。团队开发了"像素与先验"转向技术，成功控制模型在两种信息源之间的依赖，颜色任务成功率高达92.5%，大小任务达74.6%，为构建更可靠的多模态AI系统提供了新工具。

这篇博文深入解析了KAIST与卡内基梅隆大学研究团队开发的COT ENCYCLOPEDIA框架，该框架能够自下而上地分析、预测和控制大语言模型的推理策略。研究显示，不同的推理策略对模型表现有显著影响，且这些策略主要由训练数据的格式而非内容领域塑造。通过引导模型采用最优策略，可提升模型准确率2.5%-8.3%，为AI系统优化提供了全新方向。

想象一下，当你走在一条陌生的街道上，你会不自觉地移动你的头部和眼睛来感知周围的环境。你可能会抬头看看高楼，左右张望观察街道两侧的店铺，或者转身看看身后是否有车辆驶来。这种自然的观察方式实际上非常类似于电影中摄像机的运动方式。

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。

华南理工大学研究团队构建了迄今最大的中文字符识别数据集MegaHan97K，包含97,455个汉字类别和超过460万个样本，是此前最大数据集的六倍。该数据集首次完全支持最新的GB18030-2022中文标准，通过手写、历史文献和合成三个子集有效解决了长尾分布问题。实验表明，使用该数据集训练的模型性能显著提升，为古籍数字化保护和现代中文处理应用提供了强大技术支撑。

德国马普所等机构提出OFTv2，一种更高效的AI模型训练方法。通过将计算从"权重中心"转为"输入中心"，结合Cayley-Neumann参数化技术，实现了10倍训练加速和3倍内存节省。该方法还扩展到量化模型训练，创造了QOFT框架，在数学推理等任务上超越了流行的QLoRA方法，为大型AI模型的高效训练提供了新方案。

企业自动化软件公司UiPath（纽交所代码：PATH）日前宣布，联想集团通过在全球范围内部署UiPath自动化技术，实现了生产力和效率的大幅提升。

Skywork OR1是昆仑公司AI团队开发的开源推理大模型，通过创新的强化学习方法显著增强了语言模型的推理能力。该研究基于DeepSeek-R1-Distill模型系列，采用名为MAGIC的训练方法，在AIME24、AIME25和LiveCodeBench三大基准测试中实现了显著性能提升，32B模型平均准确率提高15.0%，7B模型提高13.9%。研究团队通过系统研究策略熵崩塌现象，提出了有效的缓解策略，并开源了全部代码、数据和模型权重，为AI社区提供了宝贵资源。

近日，紫光股份旗下新华三集团打造的私域大模型百业灵犀（LinSeer）在中国信通院组织的大规模预训练模型标准符合性验证中，模型开发模块被评为4+，达到国内先进水平。

南京大学团队开发的TextCrafter系统成功解决了AI图像生成中多文字准确渲染的技术难题。该系统采用三阶段策略：实例融合、区域隔离和文字聚焦，实现了73.7%的文字准确率，相比基础模型提升45%以上。同时创建了包含2000个复杂场景的CVTG-2K评测数据集，为该领域建立了新标准。作为无需训练的即插即用技术，TextCrafter在广告设计、内容创作等领域具有广阔应用前景。

想象一下，你正在参加一场料理比赛，有两位评委。第一位评委只给你一个分数，而第二位评委会详细解释你的菜品在口感、创意和技巧上的表现如何，然后才给出最终评价。显然，第二位评委的反馈对于你改进厨艺更有帮助。伊利诺伊大学研究团队正是秉持这一理念，开发了能像第二位评委那样工作的AI评估系统。

港中文团队发布首个AI网站生成能力基准测试WebGen-Bench，评估结果显示即使最强模型准确率仅27.8%，但通过专门训练的WebGen-LM-32B模型达到38.2%，为AI建站技术发展提供重要参考。

我们生活在一个AI能力有望超越人类大脑的时代下。

去年3月，搜狗推出了AI录音笔C1，一年后，搜狗全新的AI录音笔产品它们又来了!受疫情的影响，今日，搜狗公司在线上举办了名为“同舟共记”的AI录音笔新品发布会，此次发布会，搜狗除了正式发布S1、E1两款AI录音笔新品外...