阿里巴巴通义千问团队推出GSPO算法，解决了大型语言模型强化学习训练中的稳定性问题。该算法改变传统逐词优化方式，采用序列级重要性权重和截断机制，显著提高训练效率和稳定性，特别适用于专家混合模型训练，已成功应用于Qwen3模型并取得显著性能提升。

Anthropic周一发布旗舰AI模型升级版Claude Opus 4.1，在SWE-bench Verified基准测试中获得74.5%成绩，超越OpenAI o3模型的69.1%和谷歌Gemini 2.5 Pro的67.2%。该公司年收入从10亿美元增至50亿美元，但近一半API收入依赖Cursor和GitHub Copilot两大客户。新模型采用最严格ASL-3安全协议，在多文件代码重构方面表现突出，但面临GPT-5竞争威胁。

俄国科学家开发出共享记忆变换器（SRMT）技术，通过让机器人共享记忆而非直接通信来实现协作。该技术受人类大脑全局工作空间理论启发，让每个机器人都能访问共同的记忆池。在多项测试中，SRMT显著优于传统协作方法，特别是在稀疏奖励环境下表现突出，并展现出优异的泛化能力。该技术有望应用于物流仓库、自动驾驶、搜救等需要多智能体协调的实际场景。

德国卡尔斯鲁厄理工学院开发出FLOWER机器人控制系统，这个仅有950M参数的"机器人大脑"能让不同类型机器人理解语言指令完成190种复杂任务，训练成本仅为传统方法的1%，在真实环境测试中成功率达61%，并能处理未见过的物体和环境，为通用机器人智能的实用化部署开辟了新道路。

谷歌Gemini模型登陆甲骨文云，标志着企业AI应用的重要转变。该集成允许企业用户通过甲骨文云基础设施直接访问Gemini模型，而非仅作为外部API。甲骨文采用多供应商策略，为客户提供更灵活的模型选择。这一合作使Gemini的文本生成、多模态分析等功能可直接嵌入甲骨文应用中，无需迁移数据。同时将集成到未来的甲骨文融合云应用中，包括HR、财务和供应链解决方案，为企业提供更先进的AI自动化能力。

智能体AI代表着金融服务业的根本性转变，能够自主推理、学习和行动，自动化从客户服务到风险管理的整个工作流程。研究显示，到2028年智能体AI可带来4500亿美元的年度经济价值，但目前仅10%的金融服务公司大规模部署了AI智能体。成功的关键在于将云战略与AI战略相结合，从基础设施提供商转向创新推动者，同时确保负责任的安全实施和合规治理。

莫斯科科学家开发出"听众机制"训练方法，解决AI视觉偏好判断中推理不一致问题。通过让两个AI模型相互"对话"验证推理过程，新方法在ImageReward基准上达到67.4%准确率，并在现代图像数据集上显著提升泛化能力，为开发更可靠可解释的AI系统提供新思路。

随着ChatGPT聊天机器人的大热，人工智能行业开启了半年之久的技术“狂飙”。但是ChatGPT引起的科技伦理、网络安全、知识产权等系列问题同样需要关注。

BITS Pilani大学等机构研究团队开发的TRACEALIGN系统，通过记忆追踪技术解决大型语言模型的"对齐漂移"问题。系统能将AI危险输出追溯到训练数据源头，并构建三重防护机制。测试显示该方法可减少85%的安全违规行为，同时保持模型正常功能。研究首次从记忆机制角度分析AI安全问题，为行业提供新的防护思路。

这篇研究介绍了Meta公司开发的J1系统，这是一种通过强化学习训练大语言模型进行评判的创新方法。J1将可验证和不可验证的提示转换为具有可验证奖励的判断任务，从而鼓励模型在做出决策前先进行思考。研究表明，J1在8B和70B参数规模下都超越了同等规模的现有模型，甚至在某些测试中超过了更大的模型如o1-mini和DeepSeek-R1。这种方法的核心创新在于不仅优化最终判断，还优化思考过程本身，使模型学会制定评估标准、生成参考答案并重新评估回答的正确性。

那你知道在5月27日贵州数博会上正式揭幕的华为全球最大的云数据中心——“贵安华为云数据中心”，和“碳中和”有什么关系吗？

8年前，荣耀是怎么确定下AI这个赛道，并敢于定下在全球市场与苹果三星竞争的目标？

想象一下，你拍了一张完美的家庭照，但照片中有一个路人甲破坏了画面；或者你有一张风景照，但有个电线杆正好挡住了最美的那片景色。这时候，你需要的就是图像修补技术。简单来说，图像修补就像是给照片"补洞"——删除不想要的部分，然后让AI来猜测并填补这些"洞"里应该有什么内容，使得修复后的图片看起来自然而和谐，就好像那个"洞"从来没存在过一样。

2023年雨后春笋般的出现上百个大模型，被称为“百模大战”之年。

苹果公司发布SimpleFold，这是首个基于流匹配的蛋白质折叠模型，完全使用通用Transformer架构。该模型摒弃了传统方法中的多序列比对、配对表示等复杂组件，在保持竞争性能的同时实现了20倍以上的计算效率提升。SimpleFold支持多样性结构生成，在标准基准测试中表现出色，并展现良好的扩展性。

英国卫生安全局研究团队首次构建了包含8000多道题目的AI公共卫生知识评测基准PubHealthBench，测试24个AI模型对英国健康指南的掌握程度。结果显示最先进AI在选择题中正确率超90%，但自由作答时降至75%以下，且在面向公众的指南上表现优于专业医疗指南。

StorMagic 新任 CEO Susan Odle 提出以边缘虚拟化技术和全方位客户支持为基础，推动企业级边缘部署增长，确保业务持续稳定运营。

这项由哈佛大学、MIT等机构研究人员完成的重要研究揭示了当前AI语言模型的一个隐藏缺陷：跨语言知识转移困难。研究团队通过测试14个主流AI模型在13种语言下的表现，发现AI存在严重的"语言偏心眼"现象，在本土语言下表现出色但跨语言时性能大幅下降。这一发现对多语言AI应用的公平性和可靠性具有重要启示意义。

中科大研究团队从认知科学获得灵感，提出IAU机器遗忘方法，通过"反向记忆"让AI高效忘记特定数据。该方法避免了传统影响函数的复杂矩阵计算，将遗忘时间从数千秒降至十几秒，同时保持模型性能。实验验证显示其在多种数据集和模型上均表现优异，为隐私保护和数据安全提供了实用解决方案。

阿里云研究团队提出PVPO算法，通过引入"静态价值估计"作为稳定参考标准，解决传统强化学习方法在AI推理训练中效率低下的问题。该方法像给机器配备经验丰富的导师，结合群组采样策略筛选高质量训练数据，在多个测试集上实现显著性能提升：7B模型准确率提高3.6倍，训练效率提升一倍，计算成本仅为传统方法40%，为大语言模型的高效训练提供了新的技术路径。