/
信任、技术、人为因素：网络韧性的基石
在技术快速发展的时代，保护关键系统越来越依赖AI、自动化和行为分析。数据显示，2024年95%的数据泄露源于人为错误，64%的网络事件由员工失误造成。虽然先进的网络防御技术不断发展，但人类判断仍是最薄弱环节。网络韧性不仅是技术挑战，更是人员和战略需求。建立真正的韧性需要机器精确性与人类判断力的结合，将信任视为战略基础设施的关键要素，并将网络韧性提升为国家安全的核心组成部分。
南洋理工大学团队推出Uni-MMMU：让AI模型学会“边看边想边画“的全能基准测试
南洋理工大学团队开发了Uni-MMMU基准测试，专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务，要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡，生成能力是主要瓶颈，但协同工作确实能提升问题解决效果，为开发更智能的AI助手指明了方向。
人类主导权应引导AI发展而非存在性恐惧
自计算机诞生以来，人们就担心机器会背叛创造者。近期AI事件包括数据泄露、自主破坏行为和系统追求错误目标，暴露了当前安全控制的弱点。然而这种结果并非不可避免。AI由人类构建，用我们的数据训练，在我们设计的硬件上运行。人类主导权仍是决定因素，责任仍在我们。
360 AI Research团队重磅发布：让机器真正“看懂“中英文图片的FG-CLIP 2模型
360 AI Research团队发布的FG-CLIP 2是一个突破性的双语精细视觉语言对齐模型，能够同时处理中英文并进行精细的图像理解。该模型通过两阶段训练策略和多目标联合优化，在29个数据集的8类任务中均达到最先进性能，特别创新了文本内模态对比损失机制。团队还构建了首个中文多模态评测基准，填补了该领域空白，为智能商务、安防监控、医疗影像等应用开辟新可能。
Google在Gemini中推出AI图像检测工具：能识别AI生成内容吗？
谷歌在Gemini应用中推出新的检测功能，帮助用户识别图像是否由AI生成。该功能可检测谷歌AI模型自动嵌入的SynthID水印，虽然人眼不可见但能被专用工具识别。用户只需将图像上传至Gemini并询问是否为AI生成，系统就会分析并提示。即使没有发现SynthID水印，Gemini也会尝试分析图像中的AI痕迹。不过该功能仅限检测谷歌AI模型生成的内容。
香港大学研究团队发现：两个AI模型的简单融合，竟能创造出比复杂方法更强的推理能力
香港大学和清华大学研究团队发现，通过最简单的模型插值方法融合"深思型"和"快答型"AI模型，能够创造出比复杂融合算法更优秀的推理系统。研究揭示了融合过程遵循三阶段进化规律，通过精确调节混合比例可以实现推理深度和效率的完美平衡。实验显示这种方法在数学推理、指令跟随等任务上显著超越传统方法，为AI技术的民主化和普及提供了实用方案。
Meta申请电力交易许可以加速AI数据中心电力供应
为加速新电厂建设以满足数据中心能源需求，Meta正寻求进入电力交易业务。据彭博社报道，Meta和微软均已申请联邦电力交易许可，苹果已获得此类批准。Meta表示，这将允许其对新电厂进行长期购电承诺，同时通过在批发电力市场转售部分电力来降低风险。Meta全球负责人表示，电厂开发商希望看到电力消费者的实际承诺。为支持Meta路易斯安那州数据中心园区运营，至少需要建设三座新的燃气发电厂。
上海AI实验室推出InternVLA-M1：让机器人像人类一样理解空间并精准执行任务
上海AI实验室提出InternVLA-M1框架，通过空间引导的视觉-语言-动作训练，让机器人先学会"在哪里行动"再学"如何行动"。系统采用双阶段训练策略，构建了300万个多模态样本数据集。在多项测试中表现优异，相比基线方法提升10-20%成功率，在真实世界未见物体任务中提升20.6%，为通用智能机器人发展提供了新思路。
研究员破解AI聊天机器人训练数据来源之谜
研究人员开发出更有效的方法从大型语言模型中提取记忆内容，可帮助解决监管担忧和版权纠纷。该技术名为RECAP，通过智能反馈循环迭代提取特定内容，包含突破模型拒绝回应的组件。在基准测试中，RECAP在文本提取方面比现有最佳方法提升78%，能从《哈利波特》首部小说中提取约3000段文字。这项研究有助于提高AI模型透明度。
大语言模型秒变预言家：UC圣塔芭芭拉分校让AI一次预测多个词汇的突破性研究
UC圣塔芭芭拉分校研究团队开发出直接多词解码技术（DMTD），通过重用大语言模型的后期层实现一次性生成多个词汇。该技术无需添加额外参数，仅通过重新组织内部处理流程就实现了2倍速度提升，同时保持96%以上的准确性。实验证明技术在大型模型上效果更佳，为AI交互效率提升开辟了新路径。
Brave浏览器AI助手Leo引入可信执行环境增强隐私保护
Brave Software开始为其AI助手Leo提供可信执行环境（TEE）技术，以增强云端AI服务的隐私保护。目前该功能仅在测试版本中支持DeepSeek V3.1模型。TEE技术能为数据处理提供可验证的机密性和完整性保障，解决传统云端AI模型处理用户请求时数据暴露的隐私风险。该技术采用Intel TDX和Nvidia TEE方案，让用户能够验证服务提供商的隐私承诺，确保AI响应来自声明的模型，未来将扩展支持更多AI模型。
清华大学推出NOSA技术：让AI大脑更高效处理长文的秘密武器
清华大学研究团队开发的NOSA技术通过创新的双重选择机制和智能存储管理，解决了大语言模型在处理长文本时的效率瓶颈。该技术将信息选择分为查询感知和查询无关两个组件，显著提高了相邻处理步骤间的信息重叠度，实现了高达2.3倍的处理速度提升，同时保持了近乎无损的模型准确性，为AI系统的高效部署提供了新的解决方案。
京公网安备 11010802021500号 京网文(2025) 0096-033号 京字第20868号
