还在为 LoRA 训练不稳定、模型融合效果差、剪枝后性能大降而烦恼吗？来自香港城市大学、南方科技大学、浙江大学等机构的研究者们提出了一种简单的渐进式训练策略，CoTo，通过在训练早期随机失活一部分适配器，并逐渐提高其激活概率，有效缓解了层级不均衡问题，并显著增强了模型在多任务融合和剪枝等操作上的鲁棒性和有效性。该工作已被机器学习顶会 ICML 2025 接收。
这大概是大家玩得最开心的一届WAIC。在上海世博展览馆里，你能看到：机器狗托着AI眼镜“哒哒哒”走，机器人被绑了绳子“遛”机器狗，人们给自己绑上感应器，小心翼翼“遥操”着机器人搭积木、玩迷宫。
多模态大模型 (MLLM) 驱动的 OS 智能体在单屏动作落实（如 ScreenSpot）、短链操作任务（如 AndroidControl）上展现出突出的表现，标志着端侧任务自动化的初步成熟。
CostFilter-AD通过构建异常代价体并滤波来优化异常检测，能精准识别微小缺陷，无需缺陷样本训练。可作为通用插件提升现有检测系统，帮助工厂提前发现缺陷，提高产品质量。
当前最强大的大语言模型（LLM）虽然代码能力飞速发展，但在解决真实、复杂的机器学习工程（MLE）任务时，仍像是在进行一场“闭卷考试”。它们可以在单次尝试中生成代码，却无法模拟人类工程师那样，在反复的实验、调试、反馈和优化中寻找最优解的真实工作流。
2025年7月17日，在GenAI Assembling 第五期硅谷Meetup上，最近火热的明星AI Agent 公司Genspark、Lovart、和Simular.ai的创始人，以及新一代基础设施公司SambaNova的Agent技术负责人，一起讨论了他们在今天AI Agent发展第一线所观察和感受到的一切。
“今年无趣许多。去年有很多特别有想象力的东西，但今年大家都变得极其务实，所有人都在求稳。”一位头部科技公司核心人士在WAIC现场直言不讳地吐槽。
如果你因为太热、太懒、太忙，没法来WAIC；或者是来到展馆，却不知从何逛起，在这份指南里，我们帮你把重点划好了。7月26日，世界人工智能大会（WAIC 2025）在上海世博展览馆开幕。这是一年一度中国AI领域最重要的盛会，没有之一。
今年WAIC上出现了一位新玩家钛动科技，有着8年行业Know-how积累，8万+企业都是他的客户。首次亮相WAIC，就放出大招——首个全球营销AI Agent产品Navos，并非简单的自动化工具，而是在创意、投放、数据分析等营销全链路环节提供赋能。
国内 AI 创企 RockAI 提出的非 Transformer 架构 Yan 2.0 Preview。这个架构极大地降低了模型推理时的计算复杂度，因此可以在算力非常有限的设备上离线运行，比如树莓派。
就在刚刚，Meta 宣布，清华校友赵晟佳（Shengjia Zhao）将正式担任其超级智能实验室（ MSL）首席科学家。
前几天逛 X 的时候，偶然间刷到一个声称“彭博终端”的替代品，不仅免费而且开源。
一年一度的 WAIC 在明天就要开始了，在正式开展之前，我跟随官方的 city walk 路线探访了一番。 我探访的这条「AI+智慧生活路线」一共有三个目的地：上海发那科机器人有限公司、上海腾讯滨江大厦、模速空间的智能产品体验中心。
在硅谷最新一波 AI 创业热潮中，有一家公司的成就让我彻底震惊。Swan AI 创下了几乎所有创业常识都认为不可能的记录：仅用 3 位创始人，没有任何员工，在短短 9 周时间内从零客户、零收入，飙升至 80 个付费客户和接近 100 万美元的年化收入。更令人难以置信的是，他们实现这一切没有筹集大量资金，没有雇佣一个销售人员，没有投放一美元广告，甚至没有建立客户支持团队。
Surge AI 成立于 2020 年，是一家专注于数据标注的公司。自成立以来，主创团队都极为低调，社交平台上鲜有公开动态。即便如此，Surge AI 仍在短短几年内实现了业绩大爆发，并成为业内公认的“领域最大且最好的玩家”。截至 2024 年，Surge AI 的 ARR 已突破 10 亿美元，超越了行业巨头 Scale AI 的 8.7 亿美元收入，成为其最大的竞争对手。
ShellAgent 2.0， 没有选择卷复杂华丽的前端页面，而是闷头把后台交互卷到极致。 也就是说，我们写生成应用提示语的难度降到了有嘴就会的级别。
机器人能通过普通视频来学会实际物理操作了！ 来看效果，对于所有没见过的物品，它能精准识别并按照指令完成动作。
人工智能和数学是密不可分的。 AI 的发展离不开数学的进步，同时 AI 的进步也离不开解决数学问题的能力。
10天前Amazon发布了他们自己的开发平台，Kiro IDE，其中有一个很厉害的交互功能“Spec（Specification）”，强调的是规范的文档，说明书，以一套非常结构化的方法确保开发过程的系统性、可控性和质量，堪称现代软件工程的最佳实践。让vibe coding有一个规范的范式。
一觉醒来发现扣子直接开源了！以后本地部署一个扣子不再是梦！而且采用的是 Apache 2.0 许可证，支持商用！这次开源的是扣子两大核心业务：Coze Studio（扣子开发平台）和 Coze Loop（扣子罗盘）。
今天下午，阶跃星辰在 WAIC 2025 开幕前夕发布新一代基础大模型 Step 3，并宣布将在 7 月 31 日面向全球企业和开发者开源。MoE 架构，321B 总参，38B 激活
就在刚刚，阿里正式发布全球最强开源推理模型——Qwen3-235B-A22B-Thinking-2507。就在刚刚，阿里正式发布全球最强开源推理模型——Qwen3-235B-A22B-Thinking-2507。
AI Coding太火，微软也坐不住了。 GitHub放大招，新工具GitHub Spark只需自然语言，就能把你的想法变成APP。
伦敦政治经济学院的Jeremy Coller动物感知中心以400万英镑的资助，集结神经科学、哲学与AI专家，研究从猫狗到章鱼的动物意识。研究中心正用科学揭开动物意识之谜，探索AI在宠物交流中的潜力与风险。
谷歌DeepMind不信邪。 这不前脚，谷歌刚获IMO金牌，小扎就光速挖走三名核心团队成员。 如此抓马又无语，更多人都劝谷歌DeepMind小心点儿吧，要不以后论文署名都匿名吧，实在不行学习中国互联网公司用花名吧……
前两周，广东某国企发了篇万字标文，以预算四十万招标一台DeepSeek一体机。 近乎30页的文档里，采购明细表短短6行，所需的芯片类型等关键指标，只字未提。“看这个标就知道，大家完全没把一体机用起来”，业内人士直言。
又到了一年一度“中国AI春晚”WAIC，各家大厂动作频发的时候。 今年会有哪些看点？你别说，我们还真在扒论文的过程中，发现了一些热乎线索。 比如蚂蚁数科的金融推理大模型，发布会还没开，技术论文已悄咪咪上线。 金融领域的推理大模型，你可以理解为金融领域的DeepSeek，带着SOTA的刷榜成绩来了。
那是 1964 年，德国南部的小城爱尔兰根，阳光洒落在西门子数据中心的窗格上，一台名为 Zuse Graphomat Z64 的绘图仪静静运转着。 它并不懂何为艺术，却在工业数学家 Georg Nees 的指令下，画出了世界上最早一批由计算机生成的图像。
等了50年，AI教父Hinton终于「真人现身」中国了！这位图灵奖+诺奖教父级大神，不仅亲自踏上魔都土地，还与市委书记同框合影，瞬间刷屏全网！最近他再次预言，AI已进入觉醒倒计时。现在全网都在翘首以待，准备迎接明天他的高能演讲。
近期，夸克技术团队和浙江大学联合开源了OmniAvatar，这是一个创新的音频驱动全身视频生成模型，只需要输入一张图片和一段音频，OmniAvatar即可生成相应视频，且显著提升了画面中人物的唇形同步细节和全身动作的流畅性。此外，还可通过提示词进一步精准控制人物姿势、情绪、场景等要素。
