苹果公司研究显示，Claude、Gemini、DeepSeek-R1等大型推理模型在复杂问题上表现令人失望。研究发现，在低复杂度任务中，常规模型优于推理模型；中等复杂度时推理模型稍好但耗费10-50倍计算资源；高复杂度下两者均失效。专家认为这些模型只是复杂的模式匹配，缺乏真正推理能力。对冲基金CEO更倾向预测性AI，研究者建议结合符号AI与神经网络构建神经符号AI系统。

这项由香港中文大学和新加坡国立大学研究者合作开发的"思考或不思考"（TON）框架，通过创新的"思考丢弃"策略和两阶段训练方法，实现了让视觉-语言模型能够像人类一样根据问题难度选择性推理的能力。实验表明，TON可减少高达90%的输出长度，同时保持或提升性能，在计数、数学和导航等多种任务中展现出显著优势，为AI系统在保持推理质量的同时大幅提升效率提供了新思路。

Yale大学自然语言处理实验室研发的Table-R1模型突破性地将推理时间缩放技术应用于表格推理任务。研究团队通过两种方法提升模型能力：从DeepSeek-R1模型的推理过程中学习，以及利用可验证奖励进行强化学习。实验表明，即使使用仅有7B参数的模型，Table-R1-Zero也能在13个表格推理基准测试中媲美甚至超越GPT-4.1等大型模型。该研究不仅证明了中小规模模型通过适当训练也能实现出色表现，还为数据分析、科学研究和决策支持系统等实际应用提供了新可能。

浙江大学与腾讯联合研究团队提出MoA异构适配器混合方法，通过整合不同类型的参数高效微调技术，解决了传统同质化专家混合方法中的表征坍塌和负载不均衡问题。该方法在数学和常识推理任务上显著优于现有方法，同时大幅降低训练参数和计算成本，为大模型高效微调提供了新的技术路径。

近期，百分点认知智能实验室针对NLP领域神器BERT与文本分类等下游具体任务如何结合的问题提出了一套新的优化策略，在对BERT进行微调（fine-tune）的同时，在其后添加神经网络模型，打破之前BERT使用中fine-tune步骤和上层复杂模型完全隔离的方案。

北京大学团队提出ReLIFT方法，巧妙结合强化学习与监督学习优势。该方法让AI在常规训练中自主练习，遇到最难题目时自动获取高质量指导。实验显示ReLIFT在五个数学竞赛测试中平均提升5.2分，仅需传统方法13%的教学数据，生成答案长度减少近10倍，为AI突破能力边界提供新路径。

法国AI公司Mistral发布开源模型Mistral Small 3.2-24B，在3.1版本基础上改进指令遵循、输出稳定性和函数调用可靠性。新版本可在单个A100/H100 80GB GPU上运行，降低了企业部署门槛。虽然整体架构未变，但在指令准确性和减少重复输出方面有显著提升，同时保持Apache 2.0开源许可。

香港中文大学多媒体实验室开发的MINT-CoT是一种创新方法，能让AI在数学视觉推理中实现精确的"视觉交织"。这项技术通过引入特殊的"交织令牌"，使模型能够在推理过程中自动选择关注任意形状的相关图像区域，而非仅限于矩形框。研究团队构建了包含54K样本的数据集，并通过三阶段训练策略显著提升了模型性能，在多个数学视觉基准测试上取得32.59%到23.2%不等的巨大进步。

这项由香港大学和Salesforce AI Research联合开展的研究解决了AI助手操作电脑时的关键障碍：GUI定位能力。研究者创建了新的OSWORLD-G基准测试（564个样本）和JEDI数据集（400万示例），通过将复杂界面交互分解为基础组件重新训练模型。实验证明这种方法大幅提升了AI在精确操作计算机方面的能力，使OSWorld基准测试成功率从5%提高到27%，为构建更自然的人机交互系统奠定了基础。

本文探讨利用人工智能检测谎言的可能性，比较了传统测谎仪与新方法的精确度及其可能对人际信任产生的影响，同时评估了现有实验数据与技术局限。

伊利诺伊大学研究团队提出DynamicRAG框架，通过动态重排序器和强化学习技术，让AI系统能根据问题复杂度智能调整参考文档数量和排序。该系统在七个知识密集型数据集上表现优异，显著提升了问答准确性和效率，为构建更智能的AI助手指明了新方向。

近日，GE医疗（通用电气医疗集团）宣布与亚马逊云科技达成战略合作伙伴关系，携手打造针对医疗领域定制的基础模型和生成式人工智能（AI）应用，旨在帮助临床医生提高医疗诊断和患者护理水平。

又到了一年一度的中国移动全球合作伙伴大会，作为中国移动的重量级合作伙伴，英特尔今年又在展会上秀出了哪些重磅的技术产品和解决方案呢？下面一起来逛逛英特尔的展台，一览所有展品精彩亮点！

谷歌公司的科学家们研究出一种新的计算机视觉方法，用于实现手部感知。该方案能够在实机实验中仅凭一帧图像识别出一只手（或者多只手）上的21个3D点位。只要在手机上就能进行实时追踪，并且还能同时追踪多只手，可识别遮挡。

“忒修斯”还是“忒修斯”，“Magic”还是“Magic”。

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。

5月17日，在天津举办的第二届世界智能大会进入第二天，议程围绕“方略：智能社会与美好生活”展开。华为云BU副总裁陈崇军在全体大会上发表主题为《AI，智以致用》的演讲，分享华为云对人工智能的理解，以及华为云在人工智能领域的探索实践。

中科院团队提出SRFT新方法，通过同时进行监督学习和强化学习，并使用熵感知机制动态平衡两种训练方式，让AI在数学推理任务中取得显著提升，准确率达59.1%，为AI训练提供了新的有效范式。

“Microsoft AI Innovate 2018” 微软人工智能大会，将于5月21日在北京盛大开幕！这是微软中国首届并且是年度最大的人工智能盛会，将全面展现微软在人工智能领域的科研成果和新一代应用，现场大咖云集，诸多亮点值得期待。

香港中文大学联合上海AI实验室开发的DAEDAL技术，突破了扩散语言模型固定长度限制的束缚。通过智能的长度预估和动态扩展机制，让AI能够根据任务复杂度自动调整回答长度，在数学推理等任务上准确率提升至85.8%，同时大幅提高计算效率。这项无需重新训练的技术为AI系统的自适应能力开辟了新方向。