字节跳动团队开发的TreePO技术通过树状结构重新组织AI推理过程，让多个推理路径共享相同前缀，避免重复计算。该技术在保持准确率的同时将训练效率提升22%-43%，在数学推理任务上表现优异，准确率从46.63%提升至58.21%。这项创新不仅能让AI助手响应更快更准，还可应用于教育、科研等多个领域，代表了从追求模型规模向追求算法效率的重要转变。

AMD对赛灵思的收购已经完成，最终成本接近490亿美元——这个数字远远高于2020年10月刚刚宣布交易时预估的350亿美元。多花的钱，自然就是过去一年半以来AMD优异市场表现带来的股价上涨。

这项由西南大学和新加坡国立大学联合完成的研究，首次建立了全球最大规模的验证码攻防测试平台MCA-Bench。研究发现AI在简单视觉识别任务上成功率超96%，但在交互式操作任务上仅为2.5-55%，揭示了当前AI技术的能力边界。基于实验结果，团队提出了"深度模态耦合"、"行为锚定验证"、"会话特定语义个性化"三大设计原则，为构建更安全的人机验证系统提供了科学指导。这项研究不仅为验证码安全性评估建立了标准化基准，也为AI时代的网络安全防护指明了新方向。

此刻的英特尔，正经历着近十几年来最为激烈的竞争态势，不光是 AMD，还有来自苹果的 M1 芯片，甚至是高通为 Windows on Arm 制造的笔记本芯片，都对曾经一骑绝尘的英特尔发出挑战。

那么，大模型如何发挥出大众和产业所期待的价值？如何打造行业大模型？又该如何评价大模型产品的好坏？

卡内基梅隆大学研究团队开发出"反蒸馏采样"技术，能让AI模型在保持正常性能的同时，阻止竞争对手通过观察推理过程来复制模型能力。这种方法巧妙地在模型输出中加入"毒性"内容，对人类用户无害但会干扰机器学习过程，为AI公司提供了新的知识产权保护手段。

华为轮值董事长胡厚崑、华为中国政企业务总裁吴辉、华为云CEO张平安第一天分享如下

超级人工智能到来之后，人类和AI会是怎么样的协作关系？

不久前，我们采访了植根新兴市场的全球金融科技公司PayerMax，及其云服务伙伴亚马逊云科技，了解到新兴市场的跨境支付系统，背后的一些运作逻辑。

这项由德州大学达拉斯分校主导的研究是首个全面梳理大语言模型在科学研究全生命周期应用的综合调研。研究团队系统分析了AI在假设发现、实验实施、论文写作和同行评议四个关键环节的作用，展现了从"AI副驾驶"到"全自动驾驶"的技术演进。研究发现AI不仅能提高研究效率，还能激发跨学科创新，但也面临技术局限、评估标准和伦理挑战。

香港大学研究团队开发的MatTools是首个全面评估大语言模型在材料科学工具应用能力的基准测试框架。研究发现通用型大模型（如GPT-4o）显著优于专业材料科学模型；AI生成的文档作为检索源比原始代码或官方文档更有效；简单的自反思系统反而优于复杂的多代理架构。这项研究为AI辅助科学工具的设计提供了全新思路，强调"通才胜于专才"、"AI懂AI"和"简单更好"的原则，有望加速材料科学研究和技术创新。

麻省理工学院与IBM研究团队共同开发的TANGO框架通过强化学习同时训练大语言模型的生成器和验证器，实现双向互促进的能力提升。不同于传统方法使用固定验证器，TANGO的验证器随生成器共同演进，提供精确的步骤级反馈。实验证明，这种"探戈式"协作方式使模型在数学竞赛问题上平均提升25.5%，特别是在最具挑战性的AIME 2025竞赛上准确率翻倍。TANGO还将训练效率提高3.3倍，验证器在无需步骤级标注的情况下也达到了业界领先水平，为大语言模型的推理能力增强开辟了新思路。

不久前，我们采访了植根新兴市场的全球金融科技公司PayerMax，及其云服务伙伴亚马逊云科技，了解到新兴市场的跨境支付系统，背后的一些运作逻辑。

大数据和云计算的时代，数据和个人信息成了“云上的金子”，因为其堪比石油的巨大价值，针对企业和个人的数据泄露、网络攻击等安全事件时有发生。

「和年薪百万的老w聊完天后，我对于职业发展所能达到的高度有了一个清晰的想象。」

科技行者将亲临现场，从当地时间1月5日开始为大家带来第一手报道。这里，我们梳理了一份CES2020上即将出现的最值得期待的消费级电子产品，一份万字长文的趋势预测报告。

将所有“传统应用”再做一遍，才是AI真正的价值所在。

这项研究提出了Critique-GRPO，一种创新的在线强化学习框架，将自然语言批评与数字反馈相结合，克服了传统仅用数字反馈的三大局限：性能瓶颈、自我反思效果有限和顽固性失败。实验表明，该方法使大语言模型能够从错误中学习并改进，在八项数学和通用推理任务中，将Qwen2.5-7B和Qwen3-8B模型的平均通过率分别提高了约4.5%和5%，超越了包括那些引入专家示范的方法。研究还揭示，高熵探索和长回答并不总是最有效的学习方式，质量更重要。这一方法为大语言模型的自我提升能力开辟了新路径。

斯坦福大学研究团队运用先进脑成像技术，首次实时观察音乐对大脑的影响机制。研究发现音乐如同"大脑指挥家"，能协调多个脑区活动，实现神经振荡同步，调节情绪、增强记忆、激发创造力并促进社交连接。不同音乐类型激活不同神经通路，具有明显个体差异。研究为音乐治疗抑郁症、焦虑症等疾病提供科学基础，揭示了音乐在教育和医疗领域的应用潜力。

浙江大学联合多家机构提出AEPO方法，通过多答案生成和自适应探索奖励机制，显著提升AI在图形界面中的元素识别准确性。该技术让AI能同时考虑多个候选答案并科学评估，解决了传统方法容易陷入错误自信的问题，在五个基准测试中均达到业界领先水平，为智能GUI助手的实际应用奠定了重要基础。