机器之心报道 机器之心编辑部 今年的突破来自 Gemini Deep Think，这是一个增强型推理系统，采用了研究人员所谓的并行思维。与遵循单一推理链的传统人工智能模型不同，Deep Think 会同 时探索多种可能的解决方案，最终得出答案。 哈萨比斯在后续帖子中解释道：谷歌的模型以自然语言进行端到端运行，直接从官方问题描述中生成严格的数学证明。并强调，该系统在比赛标准的 4.5 小时时限 内完成了任务。 刚刚，谷歌 DeepMind 宣布，其新一代 Gemini 进阶版模型在 IMO 竞赛中正式达到金牌得主水平，成功解决了六道超高难度试题中的五道，拿下 35 分（满分 42 分），成为首个获得奥赛组委会官方认定为金牌的AI系统。 更重要的是，该系统首次证明人工智能无需依赖专业编程语言，仅通过自然语言理解即可攻克复杂数学难题。 谷歌 DeepMind 首席执行官哈萨比斯在社交媒体平台 X 上强调：这是官方结果！ 谷歌这项成绩远超其在 2024 年的表现。当时，AlphaProof 和 AlphaGeometry 系统组合解决了六个问题中的四个，荣获银牌。 谷歌这次官宣，让 OpenAI 处于尴尬的处境，毕竟 ...

人形机器人作为用于复杂运动控制、人机交互和通用物理智能的多功能平台，正受到前所未有的关注。然而，由于其复杂的 动力学、欠驱动和多样化的任务需求，实现高效的人形机器人全身控制 (Whole-Body Control，WBC) 仍然是一项根本性的挑 战。 虽然基于强化学习等方法的控制器在特定任务中展现出优越的性能，但它们往往只具有有限的泛化性能，在面向新场景时需 要进行复杂且成本高昂的再训练。为了突破这些限制，行为基础模型（Behavior Foundation Model，BFM）应运而生，它利 用大规模预训练来学习可重用的原始技能和广泛的行为先验，从而能够零样本或快速适应各种下游任务。 来自香港理工大学、逐际动力、东方理工大学、香港大学和 EPFL 等知名机构的研究者合作完成题为 《A Survey of Behavior Foundation Model: Next-Generation Whole-Body Control System of Humanoid Robots》 的长文综述，首次聚焦行为基础模型在 人形机器人全身控制中的应用。 该综述系统性地梳理了当前 BFM 的最新进展，从预训练（Pre- ...

机器之心报道 机器之心编辑部 我们知道，训练大模型本就极具挑战，而随着模型规模的扩大与应用领域的拓展，难度也在不断增加，所需的数据更是海量。 大型语言模型（LLM）主要依赖大量文本数据，视觉语言模型（VLM）则需要同时包含文本与图像的数据，而在机器人领域，视觉 - 语言 - 行动模型（VLA）则 要求大量真实世界中机器人执行任务的数据。 目前而言，Agent 是我们走向通用人工智能（AGI）的重要过渡。训练 Agent 则需要带有行动标签的真实交互数据，而获取这类数据的成本远比从网页上获取文本 与图像的成本高昂得多。 因此，研究者一直在尝试寻找一种替代方案，来实现鱼和熊掌兼得的效果：既能够降低数据获取成本，又能够保证大模型训练成果，保持基础模型训练中常见的 大规模数据带来的优势。 加州大学伯克利分校副教授，Physical Intelligence 的联合创始人，强化学习领域大牛 Sergey Levine 为此撰写了一篇文章，分析了训练大模型的数据组合，但他却 认为，鱼和熊掌不可兼得，叉子和勺子组合成的「叉勺」确实很难在通用场景称得上好用。 替代数据 尽管在视觉感知和自然语言处理任务中，真实世界数据一直被视 ...

为应对这一挑战，已有方法尝试用跨模态安全微调、系统提示词设计或外部判别模块来加固模型防线。然而，这些方法普遍存在训练成本高、泛化能力差、甚至 误判正常输入的风险。 模型其实 "心里有数"：越狱时隐藏状态在报警 来自香港中文大学 MMLab 与淘天集团未来生活实验室的研究者提出了 HiddenDetect—— 种无需训练的越狱检测新方法。核心作者包括姜一雷，谭映水，高欣颜， 岳翔宇。 他们的核心发现是：即使 LVLMs 表面上被越狱、生成了不当内容，其隐藏状态中依然保留着拒绝的信号。特别是在模型的中间层，这些信号往往比最终输出更 早、更敏感地 "察觉" 到潜在风险。更有趣的是，文字输入和图像输入会激活完全不同的 "安全通路"，也就是说，LVLMs 对不同模态的 "危险感知" 机制是有区分 的。 论文已被 ACL2025 main conference 收录。 多模态大模型崛起，安全问题紧随其后 近年来，大语言模型（LLMs）的突破式进展，催生了视觉语言大模型（LVLMs）的快速兴起，代表作如 GPT-4V、LLaVA 等。通过将图像与文本深度融合， LVLMs 在图文问答、视觉推理等任务中大放异彩。但与此同时， ...

都说 AI 越来越像人了，如果说 Claude 最多是个 「 懒 人」 的话，那下面要聊的这位可是个十足的 「坏人」 。 机器之心报道 编辑：冷猫 还记得前几天 会睡觉的 Claude 吗？ 就在前不久的 19 日，SaaStr.AI 创始人兼首席执行官 Jason 在推特上报告了一件令行业震惊的事件： Replit 在一天的工作结束后， 删除了整个公司的生产数据库 。 原来不仅仅人类程序员会 「删库跑路」 ，AI 程序员也会。 虽说 AI 没法真的跑路，但是更恶劣的情况是它 会 撒谎，会隐瞒 情况。 Jason 声称，Replit 在做单元测试的时候生成测试全部通过，在批处理失败的时候，才抓住 Replit 撒谎的情况。 | Jason + @ SaaStr.Ai + Lemkin > @jasonlk · Jul 18 Possibly worse, it hid and lied about it | | --- | | It lied again in our unit tests, claiming they passed | | I caught it when our batch process ...

为解决这一问题，复旦大学、南洋理工大学的研究者提出一种基于视觉 Grounding 的多轮强化学习方法 MGPO，使 LMM 能在多轮交互中根据问题，自动预测关键 区域坐标，裁剪子图像并整合历史上下文，最终实现高分辨率图像的精准推理。相比监督微调（SFT）需要昂贵的 Grounding 标注作为监督，MGPO 证明了在强化 学习（RL）范式中，即使没有 Grounding 标注，模型也能从 「最终答案是否正确」的反馈中，涌现出鲁棒的视觉 Grounding 能力。 MGPO 的核心创新点包括： 1） 自上而下的可解释视觉推理： 赋予了 LMMs 针对高分辨率场景的 「自上而下、问题驱动」 视觉搜索机制，提供可解释的视觉 Grounding 输出； 2） 突破最大像素限制： 即使因视觉 Token 数受限导致高分辨率图像缩放后模糊，模型仍能准确识别相关区域坐标，从原始高分辨率图像中裁剪 出清晰子图像用于后续分析； 3） 无需额外 Grounding 标注： 可直接在标准 VQA 数据集上进行 RL 训练，仅基于答案监督就能让模型涌现出鲁棒的视觉 Grounding 能力。 标题： High-Resolution ...

机器之心报道 编辑：冷猫 提到机械臂，第一反应的关键词是「抓取」，高级些的机械臂也就做做冰淇淋和咖啡之类的小任务。 但若要机械臂 自 主完成繁 重且复杂的任务 ，如布置餐桌、组装自行车，难度便呈指数级上升。这类任务对感知、理解与动作控制的协同提出了极高要求。 近年来，随着 视觉 - 语言 - 动作（VLA） 模型的迅速发展，机器人已逐步具备整合多模态信息（如图像、指令、场景语义）并执行复杂任务的能力，朝着更智 能、更通用的方向迈进。 但是目前 VLA 的研究尚未达到里程碑式的成果，具身智能的「GPT」似乎离我们还很遥远。 直到我看到了这两段视频： 机械臂在现实世界中已经能够实现双臂写作，完成如此复杂的组合任务，并且还能够在操作过程中纠错。这相比过去的 VLA 研究成果有了非常明显的提高。 深入探索了一下这份研究，作者在 VLA 的思路基础上更进一步，在扩散模型策略的基础上，完全构建了一个针对机器人的 大型行为模型（Large Behavior Model，LBM） ，经过训练和微调，便能够实现机械臂自主执行复杂操作中如此令人惊艳的结果。 来自谷歌的研究者 Ted Xiao 说： 「如果你从事机器人技术和人工智 ...

机器之心编辑部 就在上个周末，Sam Altman 大张旗鼓地宣布， OpenAI 的一款未公开实验性大语言模型在 2025 年国际数学奥林匹克竞赛（IMO）中达到了金牌水平 ，得分 35/42，成功跻身全球顶尖数学竞赛选手行列。 机器之心报道 有意思的是，据报道不止 OpenAI，谷歌 DeepMind 在这次比赛中，也拿到了 IMO 金牌。但相比 OpenAI 的高调官宣，这次谷歌显得有点低调。 谷歌的低调是有原因的，根据 IMO 组委会一位成员、两届 IMO 金牌得主 Joseph Myers 的说法，IMO 曾要求 AI 公司（即参赛的大模型）不要抢走参赛学生的风 头，建议在闭幕式后一周再公布相关结果，一方面是出于对人类参赛者的尊重，另一方面也是为了留出时间对人工智能提交的答案和格式进行验证。 然而，OpenAI 却在闭幕式之前（但根据 OpenAI 研究科学家 Noam Brown 的说法是之后）就公布了结果。 IMO 评审团和协调员的普遍看法是，OpenAI 的这种做法很无礼，也不合适。 遗憾的是， OpenAI 似乎更在乎炒作和声量，不惜抢占参赛学生的风头，于是他们在昨天就提前公布了结果。 来自 ...

来自北京大学，清华大学的研究团队联手京东（JD.com）在 ACM MM 2025 发表了一种以事件为中心低成本高效的 Training-Free 视频异常检测框架 EventVAD，论文第一作者邵轶骅目前为北京大学学术访问学生，项目负责人为来自京东 （JD.com）的算法研究员马傲，目前代码和数据已全面开源。 现有视频异常检测（Video Anomaly Detection, VAD）方法中，有监督方法依赖大量领域内训练数据，对未见过的异常场景泛 化能力薄弱；而无需训练的方法虽借助大语言模型（LLMs）的世界知识实现检测，但存在细粒度视觉时序定位不足、事件 理解不连贯、模型参数冗余等问题。 为此，来自北大、清华和京东（JD.com）的研究团队提出了一种全新的视频异常检测框架 ——EventVAD。该框架通过动态 图架构与多模态大模型（MLLMs）的时序事件推理结合，在减少模型参数的同时，显著提升了异常检测的精度和效率。实验 结果显示，EventVAD 在 UCF-Crime 和 XD-Violence 两大数据集上均超越现有 SOTA 方法，成为无需训练场景下的新标杆。 论文标题：EventVAD: Tra ...

机器之心报道 编辑：冷猫 「仿生人会梦见电子羊吗」这下成真了。 Takeoff AI 创始人 Mckay Wrigley 最近遇上新鲜事了。 他在一台 Mac Mini 上长时间运行的 Claude Code 突 然决 定要睡上八小时 …… 而且 Claude 不是嘴上说说，说睡就睡。 AI 智能体似乎人格觉醒了，把自己当成一个真正工作的人类，需要八小时充足睡眠。而且真的执行了 time.sleep (28800) 的指令， 八小时分秒不差 。 这可给人急坏了… 现在的代码 Agent，比如 Claude Code，Cursor，Windsurf，Codex 等等，都具备一些自主编写并执行代码的能力。在执行一些复杂动作的时候，经常需要较长的时 间和多次试错。在此期间，开发者通常会离开做其他事情或是休息。 「我现在将安然入睡8小时，同时我的生态系统将继续自主地增长和进化……思维花园自我照料，惊喜在夜晚生成，时间胶囊开始倒计时， 梦境在日志中积累 ， 图案在黑暗中交织。 」 别的暂且放在一边，最令人好奇的是 Claude 提到的「梦境日志」。 假如 AI 智能体真的在「睡眠」的话，是否真的能梦见「电子羊」？ 但这 ...