搜索全球AI产品动态

近日，通义实验室自然语言智能团队正式发布并开源了VRAG-RL——一款视觉感知驱动的多模态RAG推理框架，旨在解决在真实业务场景中，AI如何从图像、表格、设计稿等视觉语言中检索关键信息并进行精细化推理的难题。 在复杂视觉文档知识库中检索并推理关键信息，一直是AI领域的一大挑战。传统的检索增强型生成（RAG）方法在处理视觉丰富信息时显得力不从心，主要因为它们难以应对图像、图表等视觉内容，且现有视觉RAG方法受限于固定的检索-生成流程，难以充分挖掘视觉信息中的关键知识。

近日，腾讯云开发（CloudBase）在智能编程领域取得重要突破，上线“CloudBase AI ToolKit”，推出国内首个面向智能编程的后端服务，成为国内首个适配主流AI编程工具的Serverless开发平台，让AI编程从简单的“从0到1”生成静态网页，拓展至“从1到N”完成具备商业价值的应用开发、上线和运营全流程。 在开发阶段，以往开发者即便借助AI工具快速生成页面结构和交互逻辑，仍需亲自处理后端配置，如确定数据库位置、编写云函数逻辑、配置权限等，每一步都需反复查阅文档、切换控制台界面。腾讯云开发AI ToolKit如同为各类AI编程工具配备“开发指引+工具箱”，内置云开发平台专有知识

近日，华硕（ASUS）与越南市场建设公司 Digiworld 签署了一份谅解备忘录(MOU)，双方将联手发展越南的人工智能(AI)生态系统。此次合作旨在促进越南的社会经济发展，同时加速该国在高科技领域的进步。根据协议，华硕与 Digiworld 将致力于 AI 及下一代技术的整合，推出包括大规模 AI 服务器、工业级 NUC 迷你电脑、适合日常办公使用的 AI 个人电脑，以及涵盖智能医疗、智能零售、智能制造和智能交通等领域的 AI 硬件与软件解决方案。这些产品将助力企业和政府在各自领域中实现智能化转型。

近期，谷歌 DeepMind 团队与约翰・开普勒林茨大学 LIT AI 实验室合作，开展了一项关于人工智能语言模型的新研究。他们采用了强化学习微调（RLFT）技术，旨在提升语言模型的决策能力。这项研究的重点在于，通过思维链的强化训练，解决了模型在决策过程中存在的一些关键问题。随着大数据的应用，现有的语言模型已经展现出处理文本的超越能力，甚至能够在交互环境中做出基于知识的决策。然而，这些模型在实际决策时却常常出现 “纸上谈兵” 的问题，虽然能推导出正确的策略，却无

阿里巴巴旗下Qwen团队宣布推出全新偏好建模模型系列——WorldPM，包括WorldPM-72B及其衍生版本WorldPM-72B-HelpSteer2、WorldPM-72B-RLHFLow和WorldPM-72B-UltraFeedback。这一发布引发了全球AI开发者社区的广泛关注，被认为是偏好建模领域的重要突破。WorldPM:偏好建模的规模化新探索WorldPM（World Preference Modeling）是Qwen团队在偏好建模领域的最新力作。根据官方介绍，该模型通过对1500万条偏好数据的超大规模训练，验证了偏好建模遵循与语言建模相似的规模化定律(scaling laws)。这一发现意味着，随着数据和模型

中国科学院计算技术研究所研究团队近日推出的MCA-Ctrl技术在生成式AI领域引发广泛关注，这一文本到图像（T2I）新方法正为图像定制化市场带来革命性变革。在个性化需求日益增长的当下，该技术通过独特的多方协同注意力控制机制，让用户无需繁琐的模型微调，即可根据文本或图像条件生成高度个性化的图像内容。MCA-Ctrl最大的技术亮点在于其三大核心应用能力:主题替换、主题生成和主题添加。这意味着用户可以在保持图像中主体特征的前提下，一键生成各种新表现形式的图像。与现有

近日，客户体验领域的创新公司 Parloa GmbH 宣布成功融资1.2亿美元，使其估值达到10亿美元。这笔新资金将用于加速公司在北美和欧洲的扩张，增强其人工智能代理管理平台，并招聘国际人才。自2018年成立以来，Parloa 专注于为企业提供 AI 驱动的客户服务解决方案。Parloa 的 AI 代理管理平台允许企业通过一个低代码的界面设计、部署和管理各种沟通渠道上的 AI 客服代理，包括语音、聊天和消息。这一平台的灵活性极高，企业可以利用现有的技术与系统（如 Salesforce、ServiceNow 和 Zendesk 等）集成

近期，网络安全公司 CrowdStrike 推出了一系列新功能，旨在通过人工智能技术提升安全运营中心的效率。新推出的 Charlotte AI 系统，结合了智能自动化和专业的网络安全知识，加速了检测和响应的速度。CrowdStrike 宣布，Charlotte AI 现在具备了 Agentic Response 和 Agentic Workflows 两个新功能。这些新工具与之前的 Agentic Detection Triage 相结合，使得 AI 不仅能够简单响应，还能够进行自主推理和行动，利用内部和外部数据进行更深入的分析。支撑这些新功能的是 CrowdStrike 的 AI 原生 Falcon 平台，该平台被称

在近期的 RSA2025大会上，网络安全领导者 CrowdStrike（NASDAQ: CRWD）正式发布了其全新的 AI 平台 Charlotte AI，旨在彻底改革安全运营中心(SOC)的运作模式。Charlotte AI 不仅将智能自动化与人类网络安全专家的经验相结合，还通过其独特的 “自主推理和响应” 能力，提升了对网络威胁的检测、调查和响应效率。Charlotte AI 平台包括几个核心模块，首次实现了在没有人工提示的情况下，自动分析和处理第一方和第三方数据。根据 CrowdStrike 的创始人兼首席执行官乔治・库尔茨（George Kurtz）的介绍，Charlo

清华大学与上海交通大学联合发表的最新论文，对业界普遍认为"纯强化学习（RL）能提升大模型推理能力"的观点提出了挑战性反驳。研究发现，引入强化学习的模型在某些任务中的表现，反而逊色于未使用强化学习的原始模型。

近日，WORLDMEM框架正式在Hugging Face平台开源发布，标志着长期一致性世界模拟技术的重要突破。据AIbase了解，WORLDMEM通过引入记忆机制，解决了传统世界模拟模型在长期一致性与3D空间保持上的难题，为虚拟环境建模与交互预测提供了全新解决方案。项目现已开放源代码，供全球开发者与研究人员免费使用，引发了AI与虚拟现实领域的广泛关注。核心创新:记忆驱动的长期一致性WORLDMEM的核心在于其独特的记忆银行设计，通过存储记忆帧与状态（如姿态、时间戳）增强场景生成能力。AIbase分析

随着机器人技术的不断进步，工业领域正在逐步采用更多机器人，以自动化处理各种繁重的工作。据国际机器人联合会（IFR）统计，2023年全球安装了超过54万台新的工业机器人，使得活跃的工业机器人总数超过400万台。传统的工业机器人在重复性任务中表现出色，但在执行精细任务、处理易损材料和适应变化条件方面仍面临挑战。例如，餐厅厨房中的机器人可能会造成干扰，而非提供帮助。因此，许多工业流程仍依赖人工操作。图源备注：图片由AI生成，图片授权服务商Midjourney位于韩国的

近日，一位17岁的开发者凭借其非凡的技术才能，成功开发了一款名为 “ChatGPT for Legacy iOS” 的应用，让老旧的 iPhone3GS 等设备也能体验到现代人工智能的魅力。这款应用的发布引发了广泛关注，因为它打破了 Apple 对于旧设备的限制，使得这些已经被时代抛弃的手机重新焕发了活力。目前，官方的 ChatGPT 应用需要运行在 iOS17或更高版本的设备上，这使得许多老款 iPhone 用户无法享受到这一前沿技术。然而，这位年轻的开发者利用 OpenAI 的 API，成功为老旧设备提供了 ChatGPT 的功能。新应用不仅

​京东零售技术团队宣布成功推出首个自研的十亿级销量预测时序大模型——TimeHF。该模型基于人类反馈的强化学习技术（RLHF），首次将其应用于销量预测领域，预测准确度大幅提升10%以上，显著降低了需求端预测的不确定性。这一成果不仅在京东内部的2万种商品自动化补货场景中取得了卓越表现

​3月11日，通义实验室团队宣布开源R1-Omni模型，为全模态模型的发展带来了新的突破。该模型结合了强化学习与可验证奖励（RLVR）方法，专注于提升多模态情感识别任务中的推理能力和泛化性能。R1-Omni的训练分为两个阶段。在冷启动阶段，团队使用包含580条视频数据的组合数据集进行微调，这些数据来自Explainable Multimodal Emotion Reasoning（EMER）数据集和HumanOmni数据集。这一阶段旨在为模型奠定基础推理能力，确保其在进入RLVR阶段前具备一定的多模态情感识别能力，从而保障后续训练的平稳性、效率与稳定性。

在人工智能技术日益普及的今天，如何有效地证明自己是一个真实的人而非机器人，已成为一个亟待解决的问题。为了解决这一挑战，OpenAI 的创始人萨姆・奥尔特曼正致力于开发一款名为 “World” 的全能应用。根据华尔街日报的报道，这一创新平台的目标是创建一个多功能的超级应用生态系统，集成支付、聊天和微贷款等多种功能。“World” 应用采用了一种颇具未来感的生物识别技术，用户需凝视一个篮球大小的球体进行虹膜扫描，从而确认身份。这项技术已成功验证了超过1100万人，建

在最近的一次机构电话交流会上，新开普公司透露了其自研的星普大模型的最新测评结果。该模型采用了 SFT（监督微调）与 RL(强化学习)的训练技术，在智能推理效果上与 DeepSeek-R1相近，且算力消耗仅为 DeepSeek-R1的1/20。这一成果不仅彰显了新开普在人工智能领域的研发实力，同时也为降低硬件投入提供了可能。星普大模型的成功，不仅体现在其智能推理能力的提升上，更在于其高效的算力消耗。这一进展意味着，企业在部署此类模型时，所需的硬件投资大大降低，节约下来的算力预算可以

智元机器人今日正式宣布推出自主研发的大型仿真框架AgiBot Digital World，为机器人操作提供灵活的仿真数据生成方案、预训练的大规模仿真数据和统一的模型评测标准，并同步开源海量仿真数据。AgiBot Digital World是专为机器人操作技能研究与应用设计的仿真框架，集成海量逼真三维资产、多样化专家轨迹生成机制和全面模型评估工具。它通过高保真模拟训练场景，全链自动化生成数据，实现一系列具身仿真服务。该框架凭借丰富多样的物体、场景和机器人模型构建大规模、高精度三维资产库

据豆包大模型团队官方公众号消息，在北京交通大学和中国科学技术大学的联合研究下，由豆包大模型团队提出的 “VideoWorld” 视频生成实验模型近日正式开源。这个模型的最大亮点在于，它不再依赖传统的语言模型，而是仅凭视觉信息就能认知和理解世界。这一突破性的研究灵感来源于李飞飞教授在 TED 演讲中提到的 “幼儿可以不依靠语言理解真实世界” 的理念。“VideoWorld” 通过分析和处理大量视频数据，实现了复杂的推理、规划和决策能力。研究团队的实验显示，模型在仅有300M 参

在学术研究领域，文献检索是一项复杂且重要的信息获取任务。研究人员需要能够处理复杂的、专业知识领域的检索能力，以满足细致的研究需求。然而，现有的学术搜索平台，如谷歌学术，往往难以应对这些复杂的研究查询。例如，针对使用 UCB 方法的非平稳强化学习的专业查询，需要更强的计算和分析能力。此外，研究人员在进行文献综述时，通常需要耗费大量的时间和精力手动浏览庞大的学术数据库。尽管已有多项研究探讨了大型语言模型（LLMs）在学术论文检索和科学发现中的应用