当前人工智能的大部分算法虽然高效，却缺乏透明度。为此，许多专家和机构正在不断研究，希望能够提高对深度学习算法的透明度和可解释性。

我国宫颈癌每年新发病例约10万例，死亡人数约3万。

BITS Goa团队联合Meta AI和Amazon AI开发的AlignGuard-LoRA技术，创新性地解决了AI微调过程中的安全性流失问题。该方法通过Fisher信息矩阵识别安全关键参数，将更新分解为安全维护和任务学习两个独立组件，并设计碰撞感知正则化防止组件干扰。实验显示，该技术能将安全漂移降低50%，同时保持任务性能不变。

字节跳动团队开发的ThinkDial系统首次实现了开源的AI可控推理技术，让用户能像调节灯光一样控制AI思考深度。系统提供高、中、低三种模式，在减少50-75%计算量的同时，性能损失控制在10-15%内。通过创新的端到端训练方法和泄露惩罚机制，ThinkDial打破了技术垄断，实验表现与OpenAI专有模型相当，为AI技术民主化奠定基础。

小米公司发布了MiDashengLM，这是一个革命性的音频理解AI系统，能同时理解语音、音乐和环境声音，并用自然语言描述听到的内容。该系统采用创新的"通用音频字幕"训练方法，在多项测试中全面超越现有顶尖系统，运行速度提升4-20倍。研究团队承诺完全开源所有数据、代码和模型权重，为音频AI领域树立了新标杆，有望改变我们与数字设备的交互方式。

好莱坞各大电影制片厂，在筹备与制作新的电影作品时，正越来越多将AI技术纳入决策流程。

FullFront是一项创新研究，首次全面评估多模态大语言模型在前端工程完整流程（从设计概念化到视觉理解再到代码实现）中的能力。研究通过精心设计的基准测试，包括网页设计、网页感知问答和网页代码生成三大核心任务，发现即使最先进的模型在精细视觉感知（如元素对齐、大小和间距）方面表现远低于人类专家，且在复杂布局和交互功能实现上仍存在显著局限。研究揭示了闭源模型普遍优于开源模型，但所有模型与人类专业水平间仍存在巨大差距，为未来AI辅助前端开发工具的改进提供了重要方向。

Fiverr宣布裁员30%并转型为AI优先组织，CEO表示这是战略重置而非财务困境。公司计划通过AI工具提升效率，小团队配合AI即可完成原本需要整个部门的工作。Fiverr已部署Neo项目匹配工具、个性化AI创作助手等AI应用，客服响应时间缩短，市场完整性和欺诈检测能力增强。公司重申财务指导并预计2026年调整后EBITDA利润率达25%。这一转型反映了AI如何重塑平台经济和自由职业市场。

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。

北京大学等高校联合研究发现，当前广泛使用的AI评判系统存在严重的自相矛盾问题，经常出现评分与直接比较结果不一致的情况。研究团队开发了TrustJudge框架，通过分布感知评分和智能聚合技术，将评判不一致性降低了8-10个百分点，同时提升了准确率，为AI系统的可靠评估提供了重要解决方案。

北京大学与华为诺亚方舟实验室研究团队共同开发了TIME基准，这是首个专为评估大语言模型在真实世界场景中的时间推理能力而设计的多层级基准。该研究提出了三个层级的时间推理框架，包含11个细粒度任务，并构建了涵盖38,522个问答对的数据集，针对知识密集型信息、快速变化的事件动态和社交互动中的复杂时间依赖性三大现实挑战。实验结果表明，即使是先进模型在构建时间线和理解复杂时间关系方面仍面临显著挑战，而测试时扩展技术可明显提升时间逻辑推理能力。

ByteDance智能创作团队推出的ATI系统彻底改变了视频生成技术的控制方式。这个统一框架通过简单的点轨迹同时实现相机移动、物体平移和局部变形控制，不再需要分散的工具。用户只需在初始图像上标记关键点并绘制运动路径，系统就能生成符合指令的高质量视频。研究表明，ATI不仅提高了控制精度，还能兼容多种顶级视频生成模型，有望让专业级视频创作变得更加直观简单。

新一轮科技革命和产业变革的大幕早已经拉开，算力被视为数字经济时代的生产力，对推动国家科研创新、促进各行业数字化升级以及支撑经济社会发展将发挥重要作用。

我们期待看到这种"诚实的AI"在更多场景中发挥作用，为人类提供更可靠、更值得信赖的智能服务。

Gladia 推出了新一代自动语音识别模型 Solaria，为呼叫中心等语音平台提供实时多语言通信支持。Solaria 支持 40 多种语言，具有业界领先的准确度和速度，可帮助企业扩展客户服务，克服语言障碍带来的损失。该模型还提供实时情感分析和翻译等功能，为全球化客户体验提供全面解决方案。

这篇研究介绍了DC-CoT，首个专门评估数据操作如何影响思维链(CoT)知识蒸馏的基准系统。北卡罗来纳大学教堂山分校等机构的研究者使用多种教师模型(如Gemini-Pro、Claude-3.5)和学生架构(3B-7B参数)，系统评估了数据增强、选择和混合对学生模型在多个推理任务上的表现影响。研究发现数据增强(尤其是逆向思维)最为有效，不同任务需要不同的最优策略组合，且存在"小模型学习能力差距"—较小学生模型可能从匹配其容量的较小教师中学习更有效。

基于在边界防护领域20年的技术积淀，亚信安全打造了40G高性能防毒墙；以40G的高性能技术优势、威胁吞吐量200%的提升、高达95%的有效流量清洗，助力用户安全运营效率升级，完成了网络安全的“指数”级升级，筑造边界威胁防护的第一关。

腾讯与上海交通大学联合推出的DeepTheorem研究突破了大型语言模型在数学定理证明领域的限制。该项目创建了包含12.1万个IMO级别非形式化定理的大规模数据集，开发了专门的RL-Zero强化学习策略，并设计了全面的评估框架。研究表明，通过使用自然语言而非传统形式化系统，即使是7B参数的模型也能在复杂定理证明上取得显著成果，超越许多更大的专业模型。这一成果为AI数学推理开辟了新途径，使语言模型能够像人类数学家一样思考和证明。

MIT研究团队开发出TIM系统，通过模仿人类认知的"聪明遗忘"机制，让AI能够进行无限长度的复杂推理。该系统将推理任务分解为树状结构，自动清理已完成子任务的细节信息，仅保留关键结论，实现了用不到50%内存完成相同推理任务的突破。配合TIMRUN引擎，TIM还支持端到端工具调用，大幅降低了成本和复杂度，为开发真正智能的AI助手开辟了新路径。

上海AI实验室等多所高校联合提出φ-Decoding方法，通过让AI在推理时进行前瞻性采样和智能剪枝，解决了传统自回归生成的短视性问题。该方法在多个推理任务上显著提升了大语言模型性能，平均改进超过14%，同时保持了6倍的计算效率优势，为推理时优化提供了实用的解决方案。