这项研究由人民大学与中科院联合团队开发的STAR-R1，通过创新的强化学习方法显著提升了AI的空间变换推理能力。与传统监督学习不同，STAR-R1采用细粒度奖励机制让AI学会像人类一样思考，在物体属性变化识别任务中取得了61.4%的准确率，远超GPT-4o等顶级模型。研究发现AI在训练中展现出人类般行为模式：面对简单场景快速判断，遇到复杂视角变化则全面比较所有物体。这一突破不仅在所有11个评估指标上表现最佳，尤其在跨视角场景中比传统方法高出23%，为AI空间认知发展提供了新方向。

浙江大学等高校研究团队开发的VolSplat系统，通过"体素对齐"替代传统"像素对齐"方法，实现了快速高质量的3D场景重建。该技术仅需6张普通照片即可生成精确3D模型，在RealEstate10K等标准数据集上显著超越现有方法，为机器人导航、增强现实、建筑设计等领域提供了新的技术选择，代表了3D重建领域从二维思维向三维思维的重要转变。

卡内基梅隆大学研究团队创建了首个游戏开发AI测试平台GameDevBench，包含132个源于真实开发场景的任务。测试发现最优AI模型成功率仅54.5%，在视觉相关任务上表现更差。研究团队开发的视觉辅助工具显著改善了AI表现，为多模态AI在创意领域的应用提供了重要见解。

为了竞争，英特尔需要一种新的战略——这正是该公司的新任首席执行官Pat Gelsinger正在试图为这家公司带来的东西——以及美国和欧洲政府的财政支持。非常重要的一点是，其芯片代工业务的规模。这正是苹果公司能够成为关键的地方。

这项由Gensyn、纳沙泰尔大学和代尔夫特理工大学联合研究的突破性成果，解决了大型AI模型训练中机器故障导致的巨大损失问题。研究团队开发的CheckFree方法无需备份即可快速恢复故障阶段，利用相邻层参数的加权平均重建丢失部分。升级版CheckFree+通过乱序管道执行技术还能处理边界层故障。实验显示该方法在低中故障率下比传统方案快12%以上，为AI训练民主化提供了重要技术支撑。

哈佛大学团队通过对1200名参与者的三年研究发现，数字媒体正在重塑人类记忆机制，导致负面信息记忆持久度比正面信息高40%。研究揭示了不同年龄群体的记忆模式差异，以及数字环境如何通过影响睡眠进一步干扰记忆整理过程，并提出了包括主动遗忘、正面记忆增强、信息摄入管理等实用的记忆重塑策略。

北京大学团队发现AI训练中的"个性化"秘密：不同词汇在推理过程中承担不同角色，传统方法一视同仁效率低下。研究团队开发HAPO方法，根据词汇重要性动态调整训练策略，在数学推理任务上准确率提升16.6%，为AI训练的精细化控制开辟新方向。

智能手机上搭载的摄像头每一年都在不断升级，但2017年的发展势头则远超以往任何一年。这一次，我们不再单纯从苹果与三星(以及谷歌)当中选择胜者，而能够真正整理出智能手机摄像头领域的“第一梯队”。

为训练深度神经网络量身定制的第一批商用芯片将于今年上市。由于训练新的神经网络模型可能需要几周或几个月的时间，因此这些芯片可能是迄今为止制造出的最大、也是最昂贵的商用芯片。

上海AI实验室发布的P1-VL是首个能够真正"看懂"物理图像并进行科学推理的开源AI系统。该模型在13场国际物理奥赛中获得12枚金牌，成为开源视觉语言模型的重大突破。P1-VL通过创新的课程式强化学习和多模态融合技术，能够从图像中提取关键物理信息并结合理论知识解题，为AI在科学教育和研究领域的应用开辟了新路径。

服务器，我们将它视为现代数据中心的基石，无论是当下热门的AI/ML/DL还是区块链等，都与计算紧密相连。

英特尔在这两年对于半导体技术的宣传仍然不遗余力：无论是半导体制造展望1-2年后的Intel 18A工艺，还是先进封装hybrid bonding互联间距缩减至3μm的未来技术

惊现拥有5种思考模式的多模态模型！快手开源Kwai Keye-VL模型

SCENEWEAVER是清华大学和智源研究院联合开发的突破性AI室内设计系统，能够仅通过自然语言描述自动生成完整的三维房间场景。该系统采用多工具整合和自反思规划机制，模仿专业设计师的工作流程，在视觉真实性、物理合理性和功能完整性方面均显著超越传统方法，为AI辅助创意设计开启了新的可能性。

斯坦福大学研究团队通过分析超过50000张公开照片，发现商业人脸识别系统能够从普通照片中推断出年龄、性别、种族、职业等大量个人隐私信息，准确率高达95%。研究揭示了不同人群面临的差异化隐私风险，并提出了技术保护、法律规范、个人防护等多层面的应对策略。这项发表于《自然·机器智能》的研究为数字时代的隐私保护提供了重要参考。

中央佛罗里达大学开发的TLB-VFI技术通过在像素空间和潜在空间同时提取时间信息，解决了视频帧插值中的关键问题。该技术使用布朗桥扩散和3D小波变换等创新方法，相比现有方法参数减少3倍、速度提升2.3倍，在最具挑战性测试中性能提升约20%，为视频处理领域带来重要突破。

这篇文章介绍了北京人工智能研究院开发的OmniGen2模型，一个能够同时处理文字转图像、图像编辑和情境生成的全能AI系统。该模型采用双轨制架构，分别处理文本和图像任务，并具备独特的自我反思机制，能够自动检查和改进生成结果。研究团队还开发了专门的数据构建流程和OmniContext评测基准，展现了开源模型的强大潜力。

想象一下，如果传统AI模型是一辆可以载你去任何地方的汽车，那么这些新的"思维模型"就像是既能当汽车用，又可以变身为越野车的变形金刚。在平坦道路上，它们像普通汽车一样高效运行；遇到复杂地形，它们就能切换到更强大的思维模式，慢慢思考并解决困难问题。英伟达的这项技术突破正是要让这种转换变得更加自然、高效。

近日，InfoQ 对全球开源软件巨头 SUSE 首席技术与产品官 Thomas Di Giacomo 博士进行了专访，围绕操作系统的持续演进、Linux 发展、开源、SUSE 的实践经验与产品技术战略等话题，Thomas Di Giacomo 博士分享了自己的洞察与见解。

德国比勒费尔德大学研究团队开发出能通过照片预测剩余寿命的AI系统，平均误差仅4.79年，准确度超越传统生物标记物检测。该技术基于DINOv2视觉模型和不确定性量化方法，在5672张高质量照片上训练。虽然展现了图像中隐藏医学信息的巨大潜力，但研究团队强调目前不适合临床应用，需要解决数据偏差、伦理考量等挑战。这项研究为非侵入性健康筛查开辟了新方向。