AI资讯
站长实战经验 · SEO 优化 · 建站技术 · 推广运营，每日更新
AI资讯
共 125 篇AI让大模型学会"换个角度看问题"：SpatialASM如何补上空间推理的最后一块拼图
论文提出SpatialASM框架，通过训练时使用允许中心视角生成器模拟空间场景，让大型视觉语言模型学会主动规划观察视角并在脑中想象画面，在七个空间推理基准上实现全面提升，同时保持通用视觉能力几乎不受损失。
relevance不等于applicability：手机智能助理为什么总在第一步之后就不中用了
论文指出手机智能助理依赖历史记录做个性化，但检索出来的相关历史只在任务开场有用，后续步骤和主动建议环节帮助有限。研究团队提出免训练框架ExpActivator，让每一步执行实时匹配适用的历史动作，建议环节按时间场景判断是…
人类的第六感：当AI在视觉智力测试里全军覆没
这篇研究提出了HSS基准,测试AI能否像人一样从图像视频中推断隐含信息。结果显示最强AI模型仅得53.6%,远低于人类93.1%,暴露出视觉直觉推理这一被忽视的能力短板。
给AI装一个"读心术"：当机器开始猜测你在想什么
本文介绍了一种让AI学会推测对方隐藏信念和意图的心智模型框架，通过递归式信念建模和奖励联合训练，在社交互动、信念追踪、议价谈判等多个测试场景中显著提升了AI智能体的协作与博弈表现。
混合专家模型的隐藏风险：当"分工"遇上"分配不均"
本文解读了DRMoET方法，一种让混合专家模型训练更稳健的分布鲁棒优化框架。它不只追求专家流量均衡，更关注专家在被错误路由选中时的实际表现，在746M和10.3B参数规模实验中均带来下游任务提升。
医生真实用AI的方式，和体检它的考题，完全对不上
纽约大学团队分析12.7万条医生对AI助手的真实提问，发现文书和查资料占近三分之二，诊断仅占3.7%，而58个主流医疗AI测评题库与真实用法重合度中位数仅31%，揭示评估体系与临床实际严重脱节。
一个模型，循环四次：Elastic Latent Recurrence如何让AI模型既快又聪明
NVIDIA团队提出Elastic Latent Recurrence训练方法，让循环语言模型循环一次时媲美普通模型，循环越多次表现越好，彻底摆脱"单循环税"，并验证于4B及30B-A3B模型与实际产品Koi-4B。
视频里的手，为什么总是"猜不准"
这篇论文提出JoHan框架，通过联合生成二维与三维手部动作序列，摆脱对逐帧姿态估计的依赖，在遮挡场景下实现更准确、更流畅的手部运动重建，兼顾精度与速度。
编程助手评测的尺子，可能一直量错了方向
JetBrains团队分析4782次真实编程助手会话，发现真实用户的任务类型和交互方式与现有评测基准差异巨大，并提出SWE-TaskFlow方法，通过拆分需求和插入仓库问答，把老基准改造成更贴近真实场景的多轮交互评测。
当AI给自己出考题：SWE-Duel如何让编程智能体互相"决斗"
SWE-Duel是一个让AI编程智能体互相出题解题的自我进化评测体系,任务在评测当下现场生成,杜绝提前泄露,难度随参赛者水平自动提升,11个主流大模型参与千回合对决验证其有效性。
InstantFusion：当不同的AI画师开始互相接力画画
本文解读InstantFusion，一种让SD3、FLUX.1、Qwen-Image等异构图像生成模型共享潜在空间的轻量接口，通过对齐状态与去噪动态实现模型间无缝接力，支持生成加速、跨架构蒸馏、多偏好组合等应用。
AI能不能自己让自己变得更聪明：一个关于预测和反思的实验
RSI-Anything提出用预测性世界模型驱动AI的递归自我改进，在代码修复、GUI操作、实验室规划、化学反应优化及免疫科学假说生成等场景中均取得显著效果提升，同时严格控制外部反馈成本。
蚂蚁集团把一个OCR模型练到能同时读懂发票、翻译招牌、还会做数学题
蚂蚁集团推出统一OCR基础模型PolyOCR,通过大规模数据构造引擎和竞争力引导的策略优化训练框架,让单个模型同时胜任文字识别、定位、文档解析、信息提取与推理,多项基准测试表现超越更大规模的通用模型。
当声音学会跟着画面走：一场关于立体声的技术探险
这篇论文提出StereoBind框架，首次让AI生成的立体声音频能跟随视频画面中物体的运动而动态变化空间位置，并配套构建了大规模数据集StereoWorld-29K和专用评测基准StereoWorldBench。
机器人学了三个动作，能自己拼出第四个吗
研究团队提出EmbodiedCLBench，首个具身仿真持续学习基准，用组合泛化评测AI智能体能否把基础任务经验迁移到未见过的复杂高级任务，发现经验显著提升成功率但无法随样本量持续扩展。
AI写歌给你的歌，到底对不对味？
本文解读了MuRA-Bench音乐意图评测基准和MIRA优化智能体，前者把用户需求拆成可逐条核查的清单，后者通过工具补全、树状搜索与分支记忆反复修改提示词，使开源音乐生成模型的意图对齐表现追平甚至超越Suno、MiniM…
当模型比你更自信，却比你更容易错
本文解读爱立信团队提出的MARGIN方法：通过按信心区间分段统计并动态校正模型自报信心，解决多AI模型协作时自信度不可比、任务切换后失效的问题，并揭示了编程任务中信心与准确率负相关的反常现象。
教AI新本领，却教不会它新知识
香港科大研究发现,在线策略蒸馏能让大模型学会新推理技巧,却几乎学不到新事实知识。通过人工设计的查表与树形结构实验及真实问答数学任务双重验证,揭示反向KL散度是知识迁移失败的根源,正向KL可显著改善这一问题。
AI搭积木，能拼出一台能用的车，却拼不出一台让人惊艳的车
研究者推出BrickBench基准，测试AI编程智能体能否根据文字描述设计可搭建的乐高套装。结果显示AI已能满足大部分物理与语义要求，但设计感仍远逊于人类，真人盲测中323/360次准确识别出人类作品。
AI能不能真的从经历中学到东西，而不是本来就知道答案？
新加坡国立大学团队提出Learn2Play Bench，用20个规则反常识的新设计游戏，首次干净地检验AI智能体能否真正从互动经历中学习，而非依赖预训练知识蒙混过关。