MLA-Trust 是首个专门针对图形用户界面（GUI）环境中多模态大模型智能体（MLAs）的可信度评估框架。该研究构建了一个全面的评估体系，涵盖真实性、可控性、安全性和隐私性四个关键维度，并设计了34个高风险的交互任务，覆盖网页端和移动端两个测试平台。通过对13个最先进的商用和开源多模态大语言模型智能体的深入评估，研究揭示了 MLAs 在从静态推理向动态交互转变过程中可能出现的可信度风险。
vivo在人工智能领域取得了显著进展，成功克服了手机端AI部署的关键挑战。通过与香港中文大学及上海交通大学的合作，vivo AI研究院绕过了MoE架构的限制，使搭载骁龙8 Elite芯片的智能手机能够高效运行AI应用。研究团队从训练数据和模型结构两个维度出发，系统性地探索了如何在大规模语言模型（MLLM）训练中保持纯粹的语言能力。基于这一研究，他们推出了GenieBlue，这是一种专为移动设备NPU设计的高效率MLLM结构方案，极大提升了移动端AI的表现力。
近日，五款大型AI模型参与了山东高考相关分析工作，引发了广泛关注。为了全面了解这些AI模型在涵盖9个科目的测评表现，相关人员不得不逐项分析测评明细表，整个过程既繁琐又耗费精力。面对这一挑战，迫切需要一个能够一键完成表格分析的智能工具，以提升效率并减少人工负担。这种高效、精准的智能处理能力，将成为推动AI在教育评测领域深入应用的重要助力。
在人工智能领域，大语言模型（LLM）以其强大的文本生成能力而闻名。然而，如何确保这些模型生成的内容符合预期，即所谓的“听话”，是一个复杂的问题。为了解决这一挑战，基于人类反馈的强化学习（RLHF）方法被提出来。在RLHF中，奖励模型（RM）扮演着关键角色，它负责评估LLM生成的内容，并提供反馈，指导模型区分高质量和低质量的输出，从而确保模型的输出符合正确的价值观。
最新研究揭示，大型AI模型在解题过程中展现出的“顿悟时刻”并非简单模仿人类语言行为，而是其内部信息处理能力显著增强的结果。研究表明，当AI模型面对复杂问题时，会输出类似“Hmm…”、“Wait, let me think”等模拟人类思考过程的词汇，这反映出其推理和逻辑构建能力正在经历深度激活与优化。这种现象表明，AI在逐步逼近更接近人类认知的处理方式，标志着人工智能发展进入新阶段。
近年来，学术界对基于智能体的强化学习（Agent+RL）和智能体优化技术表现出浓厚兴趣。然而，要训练一个能够调用工具的端到端智能体，面临的首要挑战是缺乏高质量的任务数据。这种数据的稀缺性限制了智能体在复杂环境中的泛化能力和实用性。为解决这一问题，研究人员正在探索多种方法，包括合成数据生成、跨领域迁移学习以及利用人类示范来增强训练集的质量和多样性。尽管取得了一些进展，但如何高效构建并利用任务数据仍然是一个亟待突破的关键问题。
李飞飞在分享中详细介绍了她在创业招聘中的标准，并总结了培养AI领域杰出学生的经验。她强调，博士生如果仅依赖算力来解决问题，而不具备空间智能，将不适合从事研究工作。她认为，缺乏空间智能的参与，通用人工智能（AGI）将是不完整的。她的观点为AI教育和人才培养提供了新的视角和方向。
谷歌公司近日推出了一款名为Gemini CLI的开源AI命令行界面工具，旨在为开发者提供更高效、灵活和透明的工作流程。该工具集成了Gemini 2.5 Pro模型的强大功能，并通过轻量级且支持本地访问的界面，将自然语言AI技术直接带入开发者的终端环境。Gemini CLI以开发者为中心设计，致力于提升编程效率并优化人机交互体验。
在过去的几年中，一名来自印度的工程师Parekh在硅谷的多家科技初创公司同时任职，而这些公司对此毫不知情。他通过提交虚假简历，成功欺骗了超过10家AI公司，并因此获得了多份薪水。然而，最终他的行为被揭露，面临了相应的惩罚。尽管如此，Parekh辩称自己每周工作140小时，感到非常绝望，暗示他的不道德行为是出于无奈。
本文讲述了一位“00后”印度开发者在无团队与资金支持的背景下，独立打造开源项目 Perplexity 的创业历程。该项目作为某软件的替代品，凭借出色的性能和用户体验，逐渐从无人问津发展为广受关注的热门作品，并在 GitHub 上获得了超过 9000 颗星的高评价。文章深入介绍了该开发者如何克服重重困难，将个人兴趣转化为技术成果，并在全球范围内赢得认可的过程。
微盟与腾讯云进一步加强技术合作，致力于打造高效的私域多活架构和全面的全链路防护体系。此次合作聚焦于小程序作为私域消费核心渠道的安全性保障，旨在提升整体技术能力和服务水平。通过整合双方的优势资源和技术积累，微盟与腾讯云将共同推动私域流量管理的创新与发展。
在2024年6月10日至12日于美国旧金山举办的Databricks Data+AI峰会上，Databricks宣布将Delta Live Tables（DLT）的核心技术贡献给Apache Spark项目，并将其命名为“Spark声明式管道”（Spark Declarative Pipelines）。这一举措旨在简化Spark用户在开发和维护流式数据管道时的复杂性，提高工作效率。通过此次技术贡献，Databricks再次展现了其对开源社区发展的坚定支持与承诺。
ICONIQ Capital发布的《2025年人工智能现状报告》深入探讨了硅谷企业级人工智能（AI）的盈利模式，揭示了企业在这一领域如何通过技术创新实现商业价值和收入增长。报告显示，超过70%的企业已将AI整合到核心业务中，从而显著提高了运营效率和客户体验。此外，AI驱动的自动化解决方案使企业在成本控制方面取得了突破性进展，平均节省了20%的运营支出。随着市场需求的增长和技术的不断成熟，企业级AI正成为推动全球经济发展的关键动力之一。
近期，一份联邦文件披露了Meta公司（前Facebook）多个关键岗位的基本薪资情况，其中包括人工智能研究科学家、软件工程师和产品经理。数据显示，随着人工智能领域的快速发展，相关岗位的人才需求持续上升，薪资水平也水涨船高。这一趋势反映了科技行业对人工智能专业人才的高度重视，同时也揭示了企业在激烈竞争中通过薪酬优势吸引顶尖人才的战略。
十年前，Ilya的一段录音被曝光，揭示了他在大学二年级时就加入了Hinton的门下。在那个Transformer和ChatGPT尚未出现的年代，Ilya已经对深度学习的未来展现出深刻的洞察力。他意识到机器学习是反直觉的，并且预见到了深度学习的巨大潜力，这段录音充分体现了Ilya的远见与清醒，以及他对当今AI时代的到来的准确预言。
基于对4000万个样本的深入分析，我们成功开发出一种先进的AI技术，能够精准捕捉和理解人类偏好。该技术在七个评估基准上均取得最佳成绩（SOTA），展现出卓越的性能。作为项目的一部分，我们开源了最强版本的“人类偏好感应器”，以推动社区的发展与创新。此外，我们构建了一个包含千万级高质量样本的数据库，为AI系统的训练提供了坚实基础。项目还提供了8种不同规模的模型，参数范围从6亿到80亿不等，证明即使是较小参数规模的模型也能实现与大型模型相媲美的效果。