中山大学联合深圳气象创新研究院开发出PASSAT模型，这是首个同时融合物理约束和球面拓扑的AI天气预报系统。该模型通过球面图神经网络处理地气相互作用，用物理方程计算大气流动，避免了传统平面投影的几何扭曲问题。测试显示PASSAT在多项指标上超越现有AI模型，甚至优于部分业务化数值预报系统，为AI气象预报开辟了新路径。

布尔诺工业大学研究团队开发了DeCRED方法，通过在语音识别系统解码器中添加辅助监督，显著提升了系统在未知领域的泛化能力。该方法将域外测试错误率从18.2%降至16.2%，仅用1.72亿参数就达到了接近大型模型的性能。

新加坡国立大学研究团队发布了离散扩散大语言模型的全面综述，这种新型AI写作模式让机器能像人类一样反复修改文本，而非传统的从左到右逐字生成。技术实现了10倍推理加速，支持精确的格式控制和并行生成，在保持传统模型性能的同时，解决了可控性和推理效率问题。

斯坦福大学等机构研究团队创建了MIRIAD医学问答数据库，包含582万对基于权威医学文献的结构化问答。该系统通过多层质量控制确保准确性，在医学AI问答任务中将准确率提升6.7%，在检测医学错误信息方面提升22.5%-37%。研究还开发了交互式可视化平台MIRIAD-Atlas，让用户能够直观探索医学知识结构，为医学AI的安全可靠部署提供了重要资源。

本周，国家互联网信息办公室印发《生成式人工智能服务管理办法（征求意见稿）》；2023阿里云峰会召开，发布大语言模型“通义千问”。

整个芯片领域十分的“卷”。前有ChatGPT席卷带来的AI热潮，使全球各地的组织机构，正加快AI科学的探索、业务转型以及面向消费者的改善服务。

OPPO AI团队发布EcoGym，这是首个专门评估AI长期商业决策能力的综合测试平台。该平台包含零售管理、自由职业和平台运营三个商业场景，让AI进行长达365天的持续经营。对十一个主流AI模型的测试发现，没有任何模型能在所有场景中都表现卓越，揭示了当前AI技术在长期经济规划方面的显著局限。研究还发现思维链推理能显著提升AI表现，部分模型甚至超越了人类专家水平。

太平洋时间5月20日上午，在加州山景城海岸线圆形剧场（Shoreline Amphitheatre），空气中弥漫着咖啡香气和一种几乎能触摸到电子脉冲般的兴奋感，2025 Google I/O（谷歌开发者大会）开始了，而此时的我们，正处于这股AI浪潮的中心。

史丹福大学团队开发出名为QuantAgent的AI股票预测系统，由四个专业AI助手协作：技术指标分析师、图形识别专家、趋势分析师和风险管理师。该系统仅通过分析股价数据就能预测市场走向，在比特币、标普500等八种资产的测试中，预测准确率普遍超过随机水平，最高达到80%。该研究展示了人工智能在高频交易领域的突破性应用。

约翰霍普金斯大学研究团队开发了ETTIN模型套件，首次实现了编码器和解码器模型的公平比较。研究发现编码器擅长理解任务，解码器擅长生成任务，跨界训练效果有限。该研究为AI模型选择提供了科学依据，所有资料已开源供学术界使用。

Y Combinator(YC)合伙人兼董事总经理迈克尔·塞贝尔(Michael Seibel)，作为Twitch的联合创始人（Twitch被亚马逊以9.7亿美元收购），同时也是Reddit和Dropbox董事会成员，他亲历过创业死亡边缘又逆袭成功，拥有从失败边缘逆转为10亿美元级公司的一手经验。他在YC工作期间，见证了数千家初创公司的兴衰，所以这次长达1小时的对话内容极其丰富，几乎涵盖了创业之路上每一个关键问题——从创始人心理特质到融资策略，从MVP到转型决策，从融资陷阱到YC模式等豪华内容。

这项来自越南国立大学和新加坡Knovel工程实验室的突破性研究证明，仅用15亿参数的小模型就能通过精心设计的强化学习策略实现卓越的数学推理能力。研究团队用42美元训练成本和7000个精选样本，让小模型在AIME24测试中达到46.7%准确率，超越OpenAI的o1-preview模型，展现了"小而美"的AI发展新路径，为资源受限的研究者和开发者提供了高性价比的AI推理解决方案。

这份来自向量研究所、康奈尔大学和格罗宁根大学研究团队的综述分析了基于大语言模型的代理型多智能体系统中的信任、风险和安全管理框架(TRiSM)。研究系统地探讨了代理型AI从概念基础到安全挑战，提出了包含治理、可解释性、模型运营和隐私/安全四大支柱的TRiSM框架。文章还详细分析了威胁向量、风险分类，并通过真实案例研究展示了潜在脆弱性。

UCloud优刻得通过对一些客户的跨云迁移过程进行总结，发现普遍存在的挑战有三点

耶鲁、哥大等四校联合研发的RKEFino1模型，通过在Fino1基础上注入XBRL、CDM、MOF三大监管框架知识，显著提升了AI在数字监管报告任务中的表现。该模型在知识问答准确率提升超过一倍，数学推理能力从56.87%提升至70.69%，并在新颖的数值实体识别任务中展现良好潜力，为金融AI合规应用开辟新路径。

清华大学团队推出BlockFFN架构，通过创新的稀疏激活技术和块级优化训练，实现了AI模型在端侧设备上3.67倍的加速效果。该技术采用ReLU路由器和RMSNorm设计，结合激活稀疏性和推测解码，在保持模型性能的同时大幅提升运行效率，为AI技术在移动设备上的普及应用开辟了新路径。

这项由加州大学圣克鲁兹分校和eBay联合完成的研究首次揭示了先进AI模型的"睁眼瞎"问题：它们虽然具备强大的感知和推理能力，却无法识别表面合理实际有缺陷的指令。研究发现，即使是最先进的AI系统，在面对物体缺失、指代模糊、事实矛盾和目标不可行等隐性问题时，正确识别率不到40%。更令人意外的是，这些AI系统其实内心已经察觉到问题，但因过度训练的服从性而不敢表达。当被允许提出澄清性问题时，它们的表现瞬间飙升至94%以上，表明简单的交互设计改进就能大幅提升AI系统的可靠性。

清华大学团队开发出多模态感知推理网络，这是首个能从人类表情、动作等外在表现准确推断内在情感状态的AI系统。该系统综合分析面部表情、语音语调、肢体动作等多维信息，在复杂情感识别中达到87.3%准确率，已在医疗、教育等领域试点应用。这项技术突破了传统单一感知模式限制，具备动态权重分配和时序建模能力，为构建更智能人性化的人机交互奠定基础。

IBM将继续聚焦这个时代最具变革性的企业技术——混合云和AI ，帮助出海客户一次构建、随处运行和托管他们的关键工作负载，提供无缝体验，帮助他们把 AI 的能力注入其技术架构、系统和业务流程中，全力支持中国出海企业的全球化发展。

MIT研究团队突破传统AI图像生成瓶颈，开发出局部感知并行解码技术，将生成步骤从256步减少至20步，速度提升12.8倍。该技术通过发现AI绘图中的空间局部性规律，重新设计了生成架构，让AI能够同时在多个区域并行"作画"而不影响质量，为实时图像生成应用开辟新道路。