短视频的游戏规则，彻底被改写了！9月25日，Meta突然扔出一张新牌——Vibes。刷到的不是别人拍的，而是一条条AI秒生的视频：熊猫骑摩托、猫咪打篮球，你看完还能一键remix，立刻变成你的版本，再发到全网。创作门槛被拉到最低，人人都能拍大片。但这股狂潮，是全民狂欢，还是混乱的开始？
亚马逊AI博士奖学金，正式公布了！两年共计6800万美金，计划将为全球「九所」顶尖大学，100多名博士生提供研究资金的支持。这九所顶尖大学，个个都是AI界的「扛把子」，主要包括：
当前的训练与评测范式存在一个根本性的局限：几乎所有主流 Benchmark（如 MATH500、AIME）都聚焦于孤立的单步问题，问题之间相互独立，模型只需「回答一个问题，然后结束」。但真实世界的推理场景往往截然不同： 为填补这一空白，复旦大学与美团 LongCat Team 联合推出 R-HORIZON—— 首个系统性评估与增强 LRMs 长链推理能力的方法与基准。
我们被「黑箱」困住了！深度生成模型虽能创造逼真内容，但其内部运作机制如同「黑箱」，潜变量的意义难以捉摸。埃默里大学团队提出LatentExplainer框架，巧妙地将潜在变量转化为易懂解释，大幅提升模型解释质量与可靠性。
随着 AI 能力不断增强，它正日益融入我们的工作与生活。我们也更愿意给予它更多「授权」，让它主动去搜集信息、分析证据、做出判断。搜索智能体正是 AI 触达人类世界迈出的重要一步。
人工智能模型的安全对齐问题，一直像悬在头顶的达摩克利斯之剑。 自对抗样本被发现以来，这一安全对齐缺陷，广泛、长期地存在与不同的深度学习模型中。
AI 检测准确率高达 98.9%，也防不住有人给真视频 P 上 Sora 水印。前段时间刷到一个视频，标题就是「中俄混血女明星回应地下室打婆婆传闻」，试问谁看了这个标题能不燃起熊熊的八卦之心？
大模型在强化学习过程中，终于知道什么经验更宝贵了！ 来自上海人工智能实验室、澳门大学、南京大学和香港中文大学的研究团队，最近提出了一套经验管理和学习框架ExGRPO—— 通过科学地识别、存储、筛选和学习有价值的经验，让大模型在优化推理能力的道路上，走得更稳、更快、更远。
长期以来，扩散模型的训练通常依赖由变分自编码器（VAE）构建的低维潜空间表示。然而，VAE 的潜空间表征能力有限，难以有效支撑感知理解等核心视觉任务，同时「VAE + Diffusion」的范式在训练
很疯狂，Meta AI裁员能裁到田渊栋头上，而且是整组整组的裁。田渊栋在Meta工作已超过十年，现任FAIR研究科学家总监（Research Scientist Director），他领导开发了早于AlphaGo的围棋AI“Dark Forest”
