本文介绍了一种基于大型语言模型的新颖性推荐算法，被选为AAAI-PerFM的一部分。研究团队通过分析用户在移动应用中的搜索行为构建兴趣挖掘模型，以应对信息过载背景下的个性化推荐挑战。鉴于搜索行为数据存在稀疏性问题，未来工作将整合点击、浏览和收藏等多种用户交互行为，探索大型语言模型在多行为融合场景下对用户潜在兴趣的刻画能力，并进一步验证兴趣建模是否遵循与数据规模相关的扩展规律。
近年来，一种新型神经网络架构——液态神经网络（Liquid Neural Networks）在人工智能领域取得显著进展。该架构具备强大的动态推理能力，能够在资源受限的设备上高效运行，仅需900M内存即可支持小模型推理，为边缘计算提供了新的可能性。在此基础上，研究人员进一步提出液态基础模型（Liquid Foundation Models, LFM），旨在推动液态神经网络向更广泛的应用场景拓展。LFM结合了液态网络的灵活性与基础模型的泛化能力，展现出在时序建模、自适应推理和跨任务迁移中的潜力。这一技术的发展标志着神经架构在轻量化与智能化方向的重要突破。
近日，AI技术在科学研究领域取得突破性进展，一项关于多尺度结构逆向设计的研究实现了128倍的加速，并发表于《Nature》子刊。该研究首次系统性解决了双连通多尺度结构在描述、设计与制造中的关键难题，提出了一种全新的数据驱动方法，显著提升了复杂工程系统的智能化设计效率。研究成果有望广泛应用于骨植入物、渗透器件及力学隐身结构等领域，推动高性能功能结构的设计革新。
Node.js创始人Ryan Dahl近日发表观点，认为手写代码的时代正在走向终结，这一言论迅速引发广泛关注，吸引了超过400万人参与讨论。他指出，随着AI编程工具的迅猛发展，开发者将逐渐从繁琐的手动编码中解放出来，转而依赖智能系统生成高效、准确的代码。Ryan强调，未来的编程重心将不再是编写代码本身，而是对逻辑设计、系统架构和需求理解的把控。作为JavaScript运行时环境Node.js的缔造者，他的观点在技术圈内具有重要影响力，进一步推动了关于AI替代传统编程模式的深度探讨。
AI Clone长期记忆基准旨在通过三年时间深入理解用户行为与记忆演化，突破当前AI记忆评测在数据源单一、忽视动态变化及成本高昂等方面的局限。为此，研究提出CloneMem框架，采用层次化生成方法构建“合成人生”，模拟真实生活场景中的多维度记忆需求。该框架设计了覆盖多种问题类型的评测任务，有效还原个体记忆的复杂性与演进特征，推动AI系统在长期记忆能力上的可评估性与实用性提升。
APEX框架是一种基于自然语言指令实现学术海报局部可控编辑的创新方法，旨在提升内容修改的精准性与效率。该框架支持用户通过自然语言描述对海报特定区域进行修改，如调整图表位置、更新文字内容等，实现细粒度控制。为增强编辑过程的可靠性，APEX引入了审查—调整机制，自动检测语义歧义与布局冲突，并反馈优化建议。实验表明，该机制显著提升了编辑指令的执行准确率，用户满意度提高达37%。APEX降低了非专业用户的设计门槛，推动了学术可视化内容的高效迭代。
jina-clip-v2是一项在多模态Embedding技术领域实现显著迭代进步的创新技术。该模型支持多达89种语言，具备出色的多语言处理能力，能够广泛应用于全球化的文本与视觉任务中。通过灵活调整嵌入维度，jina-clip-v2可适配不同场景对性能与效率的需求，在文本检索和视觉文档理解等关键任务中表现卓越。相较于前代技术，它在精度、兼容性和扩展性方面均实现了全面升级，为跨模态内容理解提供了强有力的技术支撑。
Microsoft Agent Framework目前处于公共预览阶段，预计将于2026年初正式发布。尽管部分API在正式版中可能进行小幅调整，但其核心设计已趋于稳定，完全适用于新项目的开发实践。该框架为构建AI智能体提供了结构化、可扩展的技术路径，显著降低了智能体开发门槛，支持开发者高效集成多模态能力与自主决策逻辑。
牛津大学与南洋理工大学联合提出了一种名为Mesh4D的前馈模型，仅需单目RGB视频输入，即可重建完整的动画3D网格及其随时间演化的几何变形，在多项基准测试中达到当前最佳性能（SOTA）。该模型摒弃了迭代优化或隐式表示，通过端到端前馈架构实现高效、实时的4D几何建模，显著提升了单目动态场景理解的精度与泛化能力。
2025年ACM Fellow名单正式公布，全球共有71位计算机领域的杰出学者入选，彰显了他们在计算科学与技术领域的卓越贡献。该荣誉授予对计算机行业发展产生深远影响的顶尖人才，代表了全球计算机领域公认的最高学术成就之一，仅有约1%的ACM会员能获此殊荣。本年度入选者来自学术界、工业界和科研机构，涵盖人工智能、系统架构、网络安全、数据科学等多个前沿方向，充分体现了计算机学科的多元发展与全球创新活力。
本文介绍Dash 3.4.0及以上版本中新增的调试增强功能，该特性显著提升了回调函数开发过程中的问题定位效率。通过内置的回调追踪与错误上下文高亮机制，开发者可快速识别输入依赖异常、输出赋值不匹配等常见问题，减少手动排查时间。这一改进直接优化了Dash应用的开发效率，尤其适用于复杂多回调交互场景。
研究团队提出了一种名为推理时工具演化（Test-Time Tool Evolution，简称 TTE）的新型框架，推动人工智能在科学领域实现从被动调用工具到主动发明工具的范式跃迁。TTE 框架通过动态推理机制，在任务执行过程中自主演化并生成适配性工具，显著提升了模型应对复杂科学问题的灵活性与效率。该方法突破了传统工具使用模式的局限，标志着人工智能在科学探索中角色的根本转变。
Spring AI引入了一种基于Agent的人机交互模式，使AI在执行任务前能够通过多轮询问充分理解用户需求。该框架将这一交互机制带入Java生态系统，提升了开发效率与用户体验。其核心优势在于大型语言模型（LLM）的可移植性，开发者只需定义一次问题处理器，即可在OpenAI、Anthropic、Google Gemini等多种模型间无缝切换，降低了平台依赖与迁移成本。
去年，全国共召回存在安全隐患的充电宝数量达139.77万台，引发社会对移动电源产品质量与使用安全的广泛关注。此次大规模召回主要涉及部分品牌充电宝在过充保护、电池热稳定性等方面存在缺陷，可能引发起火或爆炸等安全事故。相关监管部门已督促企业落实主体责任，加强产品出厂检测，保障消费者使用安全。专家提醒，消费者在选购充电宝时应优先选择符合国家标准的品牌产品，并注意查看是否有完整安全认证标识，避免因使用劣质产品而造成人身与财产损失。
在数字化转型加速的背景下，提升公众的数字素养与技术理解能力成为社会发展的关键。据中国互联网络信息中心数据显示，截至2023年，我国网民规模达10.79亿，但具备基本数字技能的人群比例不足60%。加强智能应用教育、推动人机协同模式普及，有助于缩小“数字鸿沟”。同时，完善AI治理机制，建立透明、可问责的技术监管体系，是实现人工智能可持续发展的保障。通过政策引导、教育普及与技术优化三者协同，可全面提升社会对数字技术的理解与应用水平。
随着《AI应用指引》的发布，AI教育正加速融入课堂教学实践。数据显示，超过60%的教师在尝试智能教学工具后，教学效率提升显著。通过技术融合，AI可协助教师完成作业批改、学情分析与个性化教学设计，实现教学优化。同时，教师赋能成为关键路径，帮助教育者掌握AI工具的应用逻辑与教学场景适配方法。专家指出，未来教师角色将从知识传授者转向学习引导者，借助AI实现因材施教，提升课堂互动质量与学习成效。
