昨日，小米公司在小米科技园举办了2021年第一场线下发布会，正式发布了小米11 Pro和小米11 Ultra两款超高端新品，小米11 Pro和小米11 Ultra首发了业界最大底三星GN2传感器，其中小米11 Ultra采用了「全主摄」影像系统...

创新成果沿途下蛋，知识产权保护给华为P60 Pro影像升级提供助力。

苹果研究团队开发了GSM-Symbolic测试框架，揭示了当前先进AI模型在数学推理方面的重大缺陷。通过改变题目表述和添加无关信息，研究发现AI模型更依赖模式记忆而非真正推理，准确率显著下降10-20%。这项研究改变了AI能力评估方式，对教育和商业应用提出新要求，为未来AI发展指明了注重抽象思维培养的方向。

奇奇怪怪的知识又增加了。

北京大学团队开发出名为JARVIS-VLA的突破性AI系统，能够像人类玩家一样熟练操作《我的世界》游戏。该系统采用创新的三阶段训练方法：先学习游戏世界知识，再训练视觉理解能力，最后学习具体操作技巧。与传统AI不同，JARVIS-VLA不是简单模仿人类行为，而是真正理解游戏规律后再执行任务，可完成超过1000种游戏任务，在各项测试中显著超越现有系统，为未来智能AI发展提供了新思路。

耶鲁、哥大等四校联合研发的RKEFino1模型，通过在Fino1基础上注入XBRL、CDM、MOF三大监管框架知识，显著提升了AI在数字监管报告任务中的表现。该模型在知识问答准确率提升超过一倍，数学推理能力从56.87%提升至70.69%，并在新颖的数值实体识别任务中展现良好潜力，为金融AI合规应用开辟新路径。

腾讯优图实验室提出SPEAR方法，通过建立AI"成功经验库"和渐进式探索策略，解决智能体训练中的探索-利用平衡难题。该方法在虚拟环境、网购模拟和数学解题等任务中显著提升AI表现，仅增加10%-25%计算开销却带来高达20%的性能改进，为AI智能体实用化部署提供重要技术突破。

中国人民大学团队提出HierSearch系统，通过分层架构让AI同时搜索企业内部资料和网络信息。系统包含本地搜索专家、网络搜索专家和统筹规划者，采用分层强化学习训练，配备知识精炼器筛选信息。在六个领域测试中显著优于传统方法，为企业级智能搜索提供了高效解决方案。

这种基于玻璃的归档方案，标志着首个有望取代磁带归档的可靠技术，而且比DNA存储更具现实意义。

斯坦福大学研究团队开发了CHURRO历史文献识别系统，可处理跨越22世纪、46种语言的古代文献。该系统基于CHURRO-DS数据集训练，包含近10万页历史文档。CHURRO在印刷和手写文档识别上分别达到82.3%和70.1%准确率，超越最好的商业模型，成本仅为其1/15.5，为历史文献数字化提供了高效解决方案。

新加坡国立大学研究团队发布了离散扩散大语言模型的全面综述，这种新型AI写作模式让机器能像人类一样反复修改文本，而非传统的从左到右逐字生成。技术实现了10倍推理加速，支持精确的格式控制和并行生成，在保持传统模型性能的同时，解决了可控性和推理效率问题。

英国公司Ocado表面上是一家在线百货零售商，实际上却是全世界最具创新能力的科技企业之一。Ocado成立于2000年，只提供在线服务，因此从未在线下开设直营门店。面对日均逾58万客户，Ocado开始构建起有效、高效且极具竞争力的软件与硬件组合。

谷歌发布的Gemini 2.5 Flash Image AI图像编辑模型被用户昵称为"纳米香蕉"。该模型在添加图像元素和保持人物一致性方面表现出色，处理速度快且自动添加水印。但存在明显局限：只能生成方形图像、会降低照片分辨率、难以处理复杂编辑任务如移除反射等。谷歌表示正在改进相关问题。该功能免费提供，付费用户可获得更多使用额度。

近日，Rambus宣布推出由PHY和控制器IP组成的PCI Express（PCIe）6.0接口子系统。Rambus PCIe 6.0接口子系统可通过一流的延迟、功耗、面积和安全性，支持下一代数据中心对性能的要求。

9月17日，面向全球白帽和技术精英的全球性安全行业大会——2021补天白帽大会在北京举行。作为《网络产品安全漏洞管理规定》（以下简称“规定”）正式实施后的第一个白帽行业盛会，来自监管机构、安全团队、研究机构的嘉宾和顶级白帽近千人汇聚一堂。

MIT研究团队开发出突破性的音频驱动视觉重建技术，让AI仅通过声音就能重建完整视觉场景并进行智能对话。该系统在场景识别上达到87%准确率，能够从复杂音频中提取空间布局、物体位置等视觉信息。这项技术将为视觉障碍人士、智能家居、自动驾驶等领域带来革命性应用，代表了多模态人工智能发展的重要里程碑。

中医听到这个词你的第一印象是什么？年逾古稀的坐堂老中医？五花八门药材组成的药方？有木有第一印象是苦味的？

随着全球企业手中数据量的快速增长，高级分析正成为各类业务活动的核心。消化数据、运用数据，企业才能够做出更明智的业务决策。

这篇研究介绍了一种名为YAQA(Yet Another Quantization Algorithm)的训练后量化技术，由康奈尔大学研究团队开发。与传统方法不同，YAQA不仅关注局部激活误差，而是考虑整个模型的KL散度，通过Kronecker分解的Hessian矩阵估计来实现更精准的参数量化。实验表明，YAQA能将模型与原始版本的KL散度降低约30%，同时在下游任务上实现最先进性能，为大型语言模型的高效部署提供了新方案。

Meta研究员Jack Morris成功将OpenAI的gpt-oss-20B模型逆向工程为基础版本，去除了推理行为和安全对齐限制。通过在三个层面应用LoRA技术，仅训练0.3%的参数，就恢复了模型的原始文本生成能力。新模型响应更快、更自由，但也带来安全风险。这项工作展示了开源模型发布后如何被快速改造，为研究偏见、记忆化等问题提供了新工具。