/
-
靈活又靠譜，紅帽給AI時(shí)代定了個(gè)調(diào)紅帽相信開放將繼續(xù)帶來更快速、更優(yōu)質(zhì)的安全改進(jìn)，而非相反。去年Red Hat Summit帶來了Linux AI（RHEL AI）和OpenShift AI的重磅更新，今年則重點(diǎn)聚焦在Linux 10和llm-d。
-
站在下一次浪潮的最前沿，微軟眼中的“開放智能體網(wǎng)絡(luò)”今年微軟Build 2025大會(huì)上，微軟CEO薩提亞-納德拉（Satya Nadella）在AI成為人類智能副駕的目標(biāo)和夢(mèng)想已經(jīng)實(shí)現(xiàn)的前提下，又提出了開放智能體網(wǎng)絡(luò)（Open Agentic Web）。他認(rèn)為，未來的企業(yè)、組織和個(gè)人社會(huì)將是一個(gè)更加開放、更加集成、更加多元的開放智能體網(wǎng)絡(luò)。
-
打造“全球一朵云”，廣汽邁入出海3.0時(shí)代從貿(mào)易出海轉(zhuǎn)向海外運(yùn)營(yíng)，廣汽向全球化邁出重要一步。
zip2zip：通過令牌壓縮實(shí)現(xiàn)大語言模型的推理時(shí)自適應(yīng)詞匯表
zip2zip是一項(xiàng)創(chuàng)新技術(shù)，通過引入動(dòng)態(tài)自適應(yīng)詞匯表，讓大語言模型在推理時(shí)能夠自動(dòng)組合常用詞組，顯著提高處理效率。由EPFL等機(jī)構(gòu)研究團(tuán)隊(duì)開發(fā)的這一方法，基于LZW壓縮算法，允許模型即時(shí)創(chuàng)建和使用"超級(jí)tokens"，將輸入和輸出序列長(zhǎng)度減少20-60%，大幅提升推理速度。實(shí)驗(yàn)表明，現(xiàn)有模型只需10個(gè)GPU小時(shí)的微調(diào)即可適配此框架，在保持基本性能的同時(shí)顯著降低計(jì)算成本和響應(yīng)時(shí)間，特別適用于專業(yè)領(lǐng)域和多語言場(chǎng)景。
LLM循環(huán)助力：創(chuàng)建PARADEHATE數(shù)據(jù)集實(shí)現(xiàn)仇恨言論無毒化
這項(xiàng)研究創(chuàng)新性地利用大語言模型(LLM)代替人類標(biāo)注者，創(chuàng)建了PARADEHATE數(shù)據(jù)集，用于仇恨言論的無毒化轉(zhuǎn)換。研究團(tuán)隊(duì)首先驗(yàn)證LLM在無毒化任務(wù)中表現(xiàn)可與人類媲美，隨后構(gòu)建了包含8000多對(duì)仇恨/非仇恨文本的平行數(shù)據(jù)集。評(píng)估顯示，在PARADEHATE上微調(diào)的模型如BART在風(fēng)格準(zhǔn)確性、內(nèi)容保留和流暢性方面表現(xiàn)優(yōu)異，證明LLM生成的數(shù)據(jù)可作為人工標(biāo)注的高效替代方案，為創(chuàng)建更安全、更具包容性的在線環(huán)境提供了新途徑。
Pro3D-Editor：一種實(shí)現(xiàn)3D模型一致精準(zhǔn)編輯的漸進(jìn)式視角方法
這項(xiàng)研究由中國(guó)科學(xué)技術(shù)大學(xué)的研究團(tuán)隊(duì)提出了Pro3D-Editor，一種新型3D編輯框架，通過"漸進(jìn)式視角"范式解決了現(xiàn)有3D編輯方法中的視角不一致問題。傳統(tǒng)方法要么隨機(jī)選擇視角迭代編輯，要么同時(shí)編輯多個(gè)固定視角，都忽視了不同編輯任務(wù)對(duì)應(yīng)不同的"編輯顯著性視角"。Pro3D-Editor包含三個(gè)核心模塊：主視角采樣器自動(dòng)選擇最適合編輯的視角，關(guān)鍵視角渲染器通過創(chuàng)新的MoVE-LoRA技術(shù)將編輯信息傳遞到其他視角，全視角精修器修復(fù)并優(yōu)化最終3D模型。實(shí)驗(yàn)證明該方法在編輯質(zhì)量和準(zhǔn)確性方面顯著優(yōu)于現(xiàn)有技術(shù)。
ComposeAnything：來自INRIA的人工智能新突破，讓AI圖像生成理解復(fù)雜空間關(guān)系
這項(xiàng)研究提出了ComposeAnything，一個(gè)無需重新訓(xùn)練的框架，可顯著提升AI圖像生成模型處理復(fù)雜空間關(guān)系的能力。該技術(shù)由INRIA、巴黎高師和CNRS的研究團(tuán)隊(duì)開發(fā)，通過三個(gè)創(chuàng)新步驟工作：首先利用大型語言模型創(chuàng)建包含深度信息的2.5D語義布局，然后生成粗略的場(chǎng)景合成圖作為先驗(yàn)指導(dǎo)，最后通過物體先驗(yàn)強(qiáng)化和空間控制去噪引導(dǎo)擴(kuò)散過程。在T2I-CompBench和NSR-1K基準(zhǔn)測(cè)試中，該方法遠(yuǎn)超現(xiàn)有技術(shù)，特別是在處理復(fù)雜空間關(guān)系和多物體場(chǎng)景時(shí)表現(xiàn)卓越，為AI輔助創(chuàng)意設(shè)計(jì)開辟新可能。
OmniResponse：打破對(duì)話隔閡的全方位響應(yīng)系統(tǒng)——KAUST團(tuán)隊(duì)實(shí)現(xiàn)在線多模態(tài)對(duì)話生成重大突破
OmniResponse是由KAUST和�？巳卮髮W(xué)研究團(tuán)隊(duì)開發(fā)的創(chuàng)新系統(tǒng)，首次實(shí)現(xiàn)了在線多模態(tài)對(duì)話響應(yīng)生成（OMCRG）任務(wù)。該系統(tǒng)能夠?qū)崟r(shí)處理說話者的視頻和音頻輸入，并生成與之同步的聽眾面部表情和語音反饋，通過引入文本作為中間模態(tài)并利用Chrono-Text和TempoVoice兩個(gè)關(guān)鍵模塊解決了多模態(tài)同步生成的難題。研究團(tuán)隊(duì)還構(gòu)建了ResponseNet數(shù)據(jù)集作為評(píng)估基準(zhǔn)，實(shí)驗(yàn)表明OmniResponse在語義內(nèi)容、音視頻同步和生成質(zhì)量方面顯著優(yōu)于基線模型，為人機(jī)交互、元宇宙體驗(yàn)和心理健康干預(yù)等應(yīng)用領(lǐng)域開辟了新可能。
思考再三！測(cè)試時(shí)計(jì)算對(duì)大型語言模型偏好、觀點(diǎn)和信念的影響
IBM研究院AI團(tuán)隊(duì)開發(fā)的POBs基準(zhǔn)測(cè)試揭示了大型語言模型在主觀話題上表現(xiàn)出明顯偏好，尤其傾向于進(jìn)步-集體主義觀點(diǎn)。研究發(fā)現(xiàn)，增加測(cè)試時(shí)計(jì)算（思考時(shí)間）對(duì)減少模型偏見效果有限，且更新版本的模型反而表現(xiàn)出更強(qiáng)烈的立場(chǎng)和更低的一致性。這項(xiàng)研究提供了評(píng)估AI系統(tǒng)意識(shí)形態(tài)傾向的工具，幫助用戶和企業(yè)做出更明智的選擇。
WebChoreArena：東京大學(xué)研究團(tuán)隊(duì)推出更具挑戰(zhàn)性的網(wǎng)頁(yè)代理任務(wù)評(píng)估基準(zhǔn)
東京大學(xué)研究團(tuán)隊(duì)開發(fā)的WebChoreArena是一個(gè)全新的網(wǎng)頁(yè)代理評(píng)估基準(zhǔn)，它包含532個(gè)精心設(shè)計(jì)的任務(wù)，專注于測(cè)試AI代理處理繁瑣、復(fù)雜網(wǎng)頁(yè)任務(wù)的能力。研究結(jié)果顯示，即使是最先進(jìn)的語言模型（如Gemini 2.5 Pro）在這些挑戰(zhàn)性任務(wù)上的表現(xiàn)也比常規(guī)任務(wù)降低了約14個(gè)百分點(diǎn)，證明了這一基準(zhǔn)有效區(qū)分了不同模型的能力。WebChoreArena通過設(shè)計(jì)海量記憶、計(jì)算、長(zhǎng)期記憶等類型的任務(wù)，為評(píng)估AI代理在實(shí)際應(yīng)用場(chǎng)景中的表現(xiàn)提供了更嚴(yán)格的標(biāo)準(zhǔn)。
低秩矩陣揭示真相：利用主要權(quán)重提升大語言模型的推理能力
這項(xiàng)研究提出了一種名為L(zhǎng)IFT的新型微調(diào)方法，通過在低秩近似后識(shí)別大語言模型中的主要權(quán)重進(jìn)行稀疏微調(diào)。研究表明，僅更新5%的主要權(quán)重就能在推理任務(wù)上超越全參數(shù)微調(diào)，同時(shí)保持與LoRA相當(dāng)?shù)膬?nèi)存效率。LIFT在常識(shí)推理、算術(shù)推理等多項(xiàng)任務(wù)上表現(xiàn)優(yōu)異，還能更好地平衡學(xué)習(xí)新知識(shí)與保留原有能力。這一方法揭示了大語言模型中關(guān)鍵參數(shù)的重要性，為資源高效的模型定制提供了新思路。
從理論到實(shí)踐：阿拉伯語言模型評(píng)估的新范式
這篇研究從王子蘇丹大學(xué)的學(xué)者團(tuán)隊(duì)提出了阿拉伯語言模型評(píng)估的新范式，首先建立了全面的理論指南，然后分析了現(xiàn)有評(píng)估數(shù)據(jù)集的不足，并引入了阿拉伯深度迷你數(shù)據(jù)集(ADMD)作為解決方案。ADMD包含490個(gè)涵蓋10個(gè)領(lǐng)域的挑戰(zhàn)性問題，用于評(píng)估五大頂級(jí)語言模型。結(jié)果顯示Claude 3.5 Sonnet表現(xiàn)最佳(30%準(zhǔn)確率)，而所有模型在需要深度文化理解的領(lǐng)域表現(xiàn)欠佳。研究強(qiáng)調(diào)了將文化能力與技術(shù)精確性結(jié)合的重要性，為阿拉伯語NLP提供了新方向。
SRPO：通過反思增強(qiáng)強(qiáng)化學(xué)習(xí)，讓多模態(tài)大語言模型推理能力更上一層樓
該研究提出了SRPO框架，一種兩階段反思感知強(qiáng)化學(xué)習(xí)方法，用于增強(qiáng)多模態(tài)大語言模型的推理能力。通過構(gòu)建高質(zhì)量的反思數(shù)據(jù)集進(jìn)行監(jiān)督微調(diào)，并設(shè)計(jì)專門的獎(jiǎng)勵(lì)機(jī)制鼓勵(lì)有效反思，SRPO成功解決了現(xiàn)有模型在復(fù)雜推理任務(wù)中缺乏自我反思和自我糾錯(cuò)能力的問題。實(shí)驗(yàn)表明，SRPO在MathVista等多個(gè)基準(zhǔn)測(cè)試上顯著優(yōu)于現(xiàn)有最先進(jìn)模型，證明了反思導(dǎo)向訓(xùn)練可以有效擴(kuò)展模型的推理能力邊界。
使用多模態(tài)技術(shù)自動(dòng)給語音貼情緒標(biāo)簽：MIKU-PAL如何突破情感語音合成的瓶頸
這項(xiàng)研究介紹了MIKU-PAL，一種突破性的自動(dòng)化多模態(tài)情感語音標(biāo)注系統(tǒng)，能以低成本、高一致性(Fleiss κ達(dá)0.93)自動(dòng)標(biāo)注語音情感。研究團(tuán)隊(duì)基于心理學(xué)理論擴(kuò)展了情感分類系統(tǒng)至26種類別，并發(fā)布了131.2小時(shí)的MIKU-EmoBench數(shù)據(jù)集。系統(tǒng)在MELD上達(dá)到68.5%的人類水平準(zhǔn)確率，為情感語音合成領(lǐng)域解決了長(zhǎng)期存在的數(shù)據(jù)瓶頸問題，推動(dòng)語音合成技術(shù)邁向更自然、豐富的情感表達(dá)。
超越80/20法則：少數(shù)高熵詞決定了大模型推理能力的提升
來自阿里巴巴Qwen團(tuán)隊(duì)和清華大學(xué)LeapLab的研究人員通過分析詞元熵模式，揭示了大型語言模型推理能力背后的關(guān)鍵機(jī)制。研究發(fā)現(xiàn)只有約20%的"高熵少數(shù)派"詞元像思維路徑上的"岔路口"，決定著推理方向。驚人的是，僅對(duì)這20%的詞元應(yīng)用強(qiáng)化學(xué)習(xí)，不僅保持了性能，在大模型上甚至超越了傳統(tǒng)方法，在Qwen3-32B上提高了AIME測(cè)試集11.04分。這一發(fā)現(xiàn)超越了經(jīng)典80/20法則，提供了優(yōu)化大模型推理能力的全新視角。
-
Gartner發(fā)布企業(yè)構(gòu)建智能應(yīng)用的五項(xiàng)基本原則
-
Gartner發(fā)布企業(yè)構(gòu)建AI就緒型員工隊(duì)伍的五個(gè)步驟
-
Gartner：2025年全球GenAI支出將達(dá)到6440億美元
-
Gartner發(fā)布2025年數(shù)據(jù)和分析重要趨勢(shì)
-
Gartner：中國(guó)企業(yè)彌合基礎(chǔ)設(shè)施和運(yùn)營(yíng)內(nèi)部云技能差距的三大舉措
-
Gartner發(fā)布2025年及未來中國(guó)企業(yè)實(shí)現(xiàn)AI價(jià)值的重要預(yù)測(cè)
-
Gartner：使用國(guó)產(chǎn)基礎(chǔ)設(shè)施軟件，避免業(yè)務(wù)中斷風(fēng)險(xiǎn)
-
Gartner發(fā)布2025年及未來中國(guó)CIO數(shù)字領(lǐng)導(dǎo)力的重要預(yù)測(cè)
京公網(wǎng)安備 11010802021500號(hào) 京網(wǎng)文(2025) 0096-033號(hào) 京字第20868號(hào)
