李飞曾经是公司里技术最精湛的程序员，当他晋升成为技术负责人后，他发现许多事情不再像写代码那样简单。

最近我们留意到，阿拉温德在哈佛商学院2025创业峰会上，与Xfund管理合伙人Patrick Chung有一场深度对话，他大谈创业心得。从印度的电气工程学生，到改变搜索引擎格局的CEO，阿拉温德的故事提醒我们，在技术领域，最具变革性的创新，往往来自于能够跨越学术与商业鸿沟之处。

ByteDance团队发现大语言模型存在"认知僵化"问题：当用户要求执行与训练习惯冲突的指令时，AI往往难以遵从。研究团队开发了Inverse IFEval测试体系，包含8种反常规指令类型和1012个测试样本，发现即使最先进的模型在此类任务上表现也不理想。研究揭示了过度标准化训练导致模型缺乏灵活性的根本原因，为开发更适应用户真实需求的AI系统提供了重要指导。

做出好的服务器CPU绝非易事。毕竟超大规模服务商和云运营商每年都在激烈竞争，要求用更少的钱买到更强的性能，所以很难找到比用服务器CPU满足他们的诉求更困难的业务。

这项研究揭示了大语言模型推理中的一个重要问题：数值精度会显著影响结果的可重现性。研究团队发现，即使使用相同设置，不同硬件配置下模型输出可能截然不同，准确率差异可达9%。他们提出了LayerCast解决方案，在保持内存效率的同时提供高精度计算，为AI研究的可重现性提供了实用工具。

从游戏引擎这个梦开始的地方，到更多应用落地的广阔天地，看Unity是如何炼成的。

谷歌DeepMind联合多家顶尖机构推出RT-X系统，这是首个具备类人学习迁移能力的通用机器人AI。通过整合22个研究机构的50万次操作数据，RT-X能够像人类一样将已学技能灵活应用到新环境，成功率比传统方法提高50%以上，展现出跨领域适应和创造性解决问题的能力，为机器人智能化发展开辟了全新道路。

百川智能发布突破性AI模型Baichuan-Omni-1.5，实现文字、图像、视频、音频的统一理解与生成。该7B参数模型在多项测试中超越同类产品，特别在医疗图像理解方面达到83.8%准确率，超过72B参数竞争模型。研究团队使用500亿高质量多模态数据，创新的四阶段训练策略，以及独创的音频处理技术，解决了多模态AI的关键技术难题，为人机交互开辟新方向。

荷兰埃因霍芬理工大学研究团队开发出一种智能心脏超声除雾技术，能够自动识别图像中被"雾霾"污染的区域并进行有针对性清理。该技术结合语义分割和扩散模型，首先让AI识别心脏各部分结构，然后根据不同区域特点采用不同强度的除雾处理，在国际挑战赛中表现优异，为解决心脏超声图像质量问题提供了新思路。

DoorDash联合创始人兼CEO Tony Xu（徐讯）与YC董事长Garry Tan展开了一场关于创业精髓的访谈，讲述了公司的起源故事、公司如何在几次危机中幸存下来、以及如何改变整个行业。

上海AI实验室等机构联合发布MELLA项目，通过创新的"双源数据策略"解决了多语言视觉AI的文化理解难题。该研究构建了包含680万样本的大规模数据集，涵盖8种低资源语言，让AI既能流利表达又能理解文化内涵。实验显示文化理解能力提升150%以上，为全球数十亿非英语用户带来更优质的AI服务体验。

NVIDIA联合佐治亚理工学院发布CLIMB框架，首次实现AI训练数据配方的全自动优化。该系统能智能分析和分类海量网络数据，通过迭代搜索找出最佳数据混合比例。实验显示，使用CLIMB优化的数据配方训练的1B参数模型性能超越Llama-3.2-1B达2%，在特定领域提升可达5%。研究团队已开源相关数据集。

蒙纳什大学等机构联合开发的VLIPP框架首次让AI视频生成真正"懂"物理定律。该系统通过视觉语言模型预测物理运动轨迹，再由视频扩散模型生成高质量画面，在两大权威基准测试中全面超越现有方法，为影视制作、教育等领域带来革命性突破。

黑鲨 4 、黑鲨4 Pro两款新机型正式亮相，作为一款专为玩家量身打造的全新游戏手机，全系搭载“磁动力升降肩键”和“120W极速闪充”成为该系列最大亮点，2499元起售。

银行的业务和管理向着线上化、数字化、智能化演进，银行的价值链也由封闭走向开放。但是，银行的数字化转型在覆盖的广度与深度上均有不足，尚未实现“全局性、规模化、可持续”的变革。

华盛顿大学研究团队开发出MUTEX系统，让家用机器人具备类人灵活性。该系统通过扩散策略和分层学习，使机器人能观察人类演示视频自主学习，在陌生环境中适应性完成复杂任务。测试显示成功率提升近一倍，动作更自然流畅。系统具备多任务协调、人机协作和安全保护功能，为未来智能家居和工业应用奠定基础。

昨天晚上，在美国波士顿举行的一年一度THINK大会上，IBM宣布了有关一年前发布的watsonx 平台的几项新的更新，以及即将推出的新的数据与自动化功能，旨在使人工智能（AI）对企业而言更具开放性、成本效益与灵活性。

谷歌DeepMind研究团队开发了革命性的语音合成技术，采用数据驱动方法让AI学会像人类一样自然说话。通过观察大量真实语音数据，新系统能够生成更自然、更有情感的语音，在客观测试和主观评价中都显著超越传统方法。这项技术将为智能助手、有声读物、教育软件等领域带来重大改进，同时为语言障碍人群提供帮助，展现了人机交互技术的光明前景。

本周AI大事件包括Google发布Gemini 1.5 Pro和Gemma 2 2B模型，FLUX开源图像模型，Meta发布SAM 2图像分割模型。Gemini 1.5 Pro在LLM竞技场排名第一，支持音频和视频，Gemma 2 2B可在设备端运行。FLUX系列模型包括FLUX.1[pro]、FLUX.1[dev]和FLUX.1[schnell]，

这项由北京大学主导、联合多家国际顶尖机构完成的研究，首次系统性地梳理了大语言模型智能体领域的完整技术图谱。研究提出了"构建-协作-进化"的统一框架，深入分析了智能体的技术架构、应用场景和发展挑战，为理解这一前沿技术提供了重要指南，对推动AI智能体技术的健康发展具有重要意义。