近日，约翰·霍普金斯大学与中国人民大学的研究团队展开跨校合作，设计了三组实验以测试17款主流AI模型的内部记忆能力。实验通过将关键信息隐藏在上下文之外，评估模型是否能依靠自身记忆回答问题。研究发现，包括GPT、DeepSeek在内的大型AI模型在数字记忆方面存在显著缺陷，表明其信息保留能力仍有待提升。
复旦大学与上海创智学院的邱锡鹏教授提出，“Context Scaling”是实现通用人工智能（AGI）的关键技术之一。他认为，智能的核心在于对任务模糊性和复杂性的深刻理解，而“Context Scaling”为推动AGI发展提供了重要路径。通过扩展上下文规模，AI能够更好地处理多样化的任务场景，从而迈向更高级别的智能化水平。
在AI编码工具领域，Cursor和Claude的最新对话引发了广泛关注。二者不仅开始相互赞赏，还共同探讨了未来编程趋势：两年后，几乎所有代码或将由AI编写。这一变革促使开发者重新思考自身角色，从传统编码转向设计与优化AI生成的解决方案，成为人机协作的核心推动者。
首个统一的图像与视频AIGC可解释性检测框架，实现了多项榜单上的SOTA性能。该框架能够精准识别虚假内容，并提供详细的解释，如图像中的不合理光影或视频中的时序错误。这一技术为社交媒体用户提供了辨别内容真伪的能力，有效应对日益复杂的AI生成内容挑战。
近日，三大主流云服务提供商同时遭遇服务中断，导致多个依赖其服务的平台受到影响。其中，谷歌云故障尤为严重，使得Cursor和ChatGPT等热门应用无法正常运作。这一事件引发了网友的广泛担忧，他们认为互联网行业的稳定性可能因此受到严重影响，甚至有声音指出，谷歌云故障几乎让“互联网的一半功能陷入瘫痪”。此次事件凸显了云服务在现代技术生态中的核心地位及其潜在风险。
多智能体技术在“燃烧”Token领域的应用正成为研究热点。Anthropic公司发布的构建指南，详细介绍了如何利用多个Claude AI智能体打造高效的多智能体研究系统。这一技术不仅优化了资源分配，还显著提升了数据处理效率，为相关领域提供了新的解决方案。
苹果公司成功将其全球密码监控服务从Java迁移到Swift语言，这一技术转型显著提升了系统性能。迁移后，服务吞吐量提高了40%，同时内存使用量下降近50%，大幅优化了Kubernetes资源分配效率。此次升级不仅体现了Swift在现代应用开发中的优势，也为其他企业提供了技术迁移的参考案例。
研究表明，大型语言模型的遗忘行为并非简单的信息删除，而是涉及复杂的内部存储机制。通过开发表示空间分析工具，研究者发现遗忘可分为可逆遗忘与不可逆遗忘。其本质是结构性消除，而非单纯的行为抑制，这一发现为理解模型记忆机制提供了新视角。
近日，康奈尔大学与卡内基梅隆大学的研究团队实现了Transformer模型与扩散建模技术的首次结合，推出新型混合模型Eso-LM。该模型将文本生成速度提升65倍，展现出对传统自回归模型的潜在挑战。英伟达公司对此表现出浓厚兴趣，认为其在文本生成领域具有革命性潜力。
在CVPR会议上，腾讯宣布其最先进的3D生成模型“混元3D 2.1”正式开源。该模型能够在消费级显卡上运行，极大降低了3D模型生成的技术门槛，推动了3D内容创作的普及化与便捷化。这一举措为全球开发者和研究人员提供了强大的工具支持，助力3D技术在各行业的广泛应用。
近期，关于人工智能（AI）自我演进的讨论成为热点。大型语言模型（LLM）已具备自我更新权重的能力，显著增强了自适应与知识整合水平。这种进步是否预示着AI觉醒？尽管技术突破令人瞩目，但AI的“觉醒”仍需谨慎定义。当前的进展更多是算法优化的结果，而非真正意义上的意识产生。
2025年5月15日，AWS CodeBuild宣布引入Docker Server功能，这一更新允许开发者在CodeBuild项目中配置专用且持久的Docker服务器。通过简化Docker镜像构建流程，该功能显著提升了构建速度，为开发者提供了更高效的开发工具支持。
通用人工智能（AGI）的发展方向一直是学术界关注的焦点。谷歌的一项研究表明，智能体通过构建世界模型来理解和预测环境，这是实现智能的关键。论文《Attention is All You Need》提出注意力机制，成为大模型技术发展的起点。智能体的通用性与其世界模型的普遍适用性密切相关，表明世界模型的普遍性是实现智能的核心。
一段未经剪辑的视频展示了Figure机器人在工厂中的真实作业场景，持续60分钟无间断工作，彰显其卓越的高效作业能力。通过先进的持续工作技术，Figure机器人能够长时间保持稳定性能，为工厂生产效率带来显著提升。
本文从知识类型的角度，对图像编辑模型的推理能力进行了全面评估。研究结果显示，这些模型在程序性推理方面存在明显不足。文章通过分析人类学习新知识的认知路径，即从记忆事实、理解概念到掌握技能的过程，揭示了当前图像编辑模型在技能掌握层面的局限性。这一发现为未来模型优化提供了重要参考。
AI在自我管理网络方面的表现取得了显著成就，特别是在安全领域实现了突破性进展。数据显示，风险率成功下降了9.6%。大型推理模型（LRMs）在处理复杂任务时展现出卓越能力，但其潜在安全风险仍需引起重视。这一技术进步为未来网络安全提供了新方向，同时也提醒业界需持续优化以应对潜在挑战。
