蒙纳什大学研究团队提出了一套基于不确定性驱动的自动化过程奖励数据构建框架，解决了训练数学推理AI的关键难题。该方法通过识别AI推理中的不确定性来精准定位错误步骤，显著提高了数据标注效率，同时开发了两种创新的输出聚合策略，结合群体智慧与专家判断，在多个数学推理数据集上取得了显著的性能提升。

MagiCodec是一种由上海交通大学与字节跳动联合开发的创新音频编解码器，通过高斯噪声注入和多阶段训练策略，成功解决了音频编码领域的关键挑战：如何同时实现高保真重建和优秀的下游生成能力。研究团队通过理论分析证明，噪声注入在频域上相当于对高频成分施加指数衰减正则化，使模型能更好地保留重要的低频语义信息。实验表明，MagiCodec不仅在重建质量上超越现有技术，在文本转语音、语音识别等下游任务中也表现卓越，其生成的标记分布更接近自然语言的齐普夫分布特性，为音频生成模型提供了更理想的基础。

UC伯克利研究团队发现了一种革命性方法，能够在不重新训练的情况下修复AI视觉系统的注意力异常问题。他们识别出少数"寄存器神经元"是造成注意力噪点的根源，并开发出"测试时寄存器"技术，将这些异常重定向到专门区域。该方法在多项视觉任务中表现出色，性能媲美专门训练的系统，同时还能抵御印刷攻击，为AI视觉技术的实际应用提供了简单高效的改进方案。

“成为下一个”或“挑战”ChatGPT的姿势。

究竟这位全能选手有什么特别之处？

VeriGUI是新加坡南洋理工大学等机构开发的GUI智能体训练数据集，专门用于教AI学会复杂电脑操作。该数据集最大创新是将复杂任务分解为可独立验证的子任务，每个任务平均包含214个操作步骤，涵盖网页和桌面两大场景。目前最先进AI智能体测试成功率仅8.5%，显示了数据集的挑战性，为开发真正实用的数字助理AI奠定了重要基础。

发布watsonx是IBM推进混合云与AI战略、助力企业云智转型的又一里程碑。

这项研究揭示了一种新型网络安全威胁：利用普通网络广告攻击AI网页代理。中科院研究团队开发的AdInject攻击无需特殊权限，仅通过精心设计的广告内容就能误导AI代理点击恶意链接，成功率高达90%以上。研究使用严格的黑盒模型，更符合现实场景，暴露了当前AI代理面临的实际安全漏洞。实验还表明，即使添加专门的防御提示，这类攻击仍能成功率超过50%，凸显了设计更强大防御机制的紧迫性。

清华大学研究团队开发了MATE多智能体翻译系统，这是首个专为残障人士设计的开源AI辅助工具。该系统能在文字、语音、图像间智能转换，如将图片转为语音描述、语音转文字等。系统包含8个专业智能体协作，准确率达91.7%，支持本地运行保护隐私，为视听障碍等用户群体提供了强大的信息获取工具。

这项研究首次系统评估了AI代码智能体在科学研究扩展方面的能力。研究团队设计了包含12个真实研究任务的REXBENCH基准，测试了九个先进AI智能体的表现。结果显示，即使最优秀的智能体成功率也仅为25%，远低于实用化要求，揭示了当前AI在处理复杂科学推理任务时的显著局限性。

南卫理公会大学研究团队通过递归神经网络视角重新解析Softmax注意力机制，发现其可分解为无穷多个递归网络的叠加，每个网络捕捉不同阶数的特征交互。研究证明线性注意力仅为Softmax的一阶近似，缺乏高阶交互能力，并发现Softmax分母可用简单向量归一化替代，为优化AI计算效率提供新思路。

FLAME-MoE是卡内基梅隆大学团队开发的首个全透明混合专家语言模型研究平台，包含7个规模从3800万到17亿活跃参数的模型。它采用每层64位专家、top-8选择和2位共享专家的架构，公开所有训练数据、代码和检查点。实验显示，FLAME-MoE比相同计算量的密集模型提升3.4个百分点，并揭示了三个关键发现：专家逐渐专注于特定词汇子集，专家协同激活保持稀疏多样，路由行为在训练早期就趋于稳定。这一平台为MoE模型的系统研究提供了前所未有的开放基础。

公有云服务正在从一项削减成本的技术发展为一项推动业务敏捷性的技术。公有云不仅让CIO不用运营数据中心，还能让他们专注于更有战略型的项目——也就是数字化转型项目。

斯科尔科沃科技学院研究团队开发了一种新型损失函数——基于伊塔库拉-赛托散度的损失函数，用于解决风险敏感强化学习中的数值不稳定性问题。与传统方法相比，该损失函数不仅数值稳定，还保持尺度不变性，同时保留指数效用的理论保证。研究团队在多种金融场景和鲁棒组合优化问题上验证了其优越性，表明该方法可有效应用于金融、医疗和自动驾驶等高风险决策领域。

Google研究团队开发了名为CausalArmor的AI安全防护系统，专门解决"间接提示注入攻击"问题。该系统通过分析AI决策过程中的因果关系，能够精准识别隐藏在正常内容中的恶意指令。与传统防护方法不同，CausalArmor采用"按需防护"策略，仅在检测到威胁时才启动防护机制，在保证高安全性的同时不影响正常工作效率。实验显示该系统将攻击成功率降至接近零，为AI智能体安全提供了突破性解决方案。

一方面，华为、BAT等科技和互联网公司正在打破汽车业的传统集中度。另一方面，新晋亮相车展的新兴厂商们实现车型量产，并不意味着它们将进入收获期，未来的一两年时间才是生死大考。

中国工程院院士，浪潮集团执行总裁、首席科学家王恩东15日在浪潮数据中心合作伙伴大会上表示，智慧时代，计算需求呈指数级增长，计算技术、产品与产业面临着多元化、巨量化和生态化的新挑战。

安霸半导体从芯片供应商角度提出信息安全应对方案：磐石，取中文的坚如磐石意思。磐石包含六大方面功能：系统完整性保护，系统加固，数据存储保护，数据传输保护，知识产权保护，用户隐私保护，分别应对上述提到的各类安全风险与攻击。

斯坦福大学研究团队开发了史上最具挑战性的AI数学推理测试系统Putnam-AXIOM，基于威廉·洛威尔·普特南数学竞赛的522道大学级难题。测试结果显示，即使最强的AI模型也只能达到42%的正确率，远低于它们在传统测试中的表现。研究还创新性地引入了变形题目生成和教师强制准确率评估方法，有效识别了AI对训练数据的记忆依赖问题，为真实评估AI数学推理能力提供了新标准。

亚利桑那州立大学等多所高校联合研究发现了AI评估中的"偏好泄漏"现象：当大语言模型既用于生成训练数据又用于评判学生模型时，会产生系统性偏见，偏爱体现自己风格的回答。研究显示这种偏见可达23.6%，比已知的自我中心偏见影响更严重，可能导致AI评估排行榜出现系统性偏差，威胁AI评估体系的公正性。