机器之心报道 编辑：杨文、+0 AI挑战全套高考数学题来了! 话接上回。 高考数学一结束，我们连夜使用六款大模型产品，按照一般用户截图提问的方式，挑战了 14 道最新高考客观题，不过有网友质疑测评过程不够严 谨，所以这次我们加上解答题，重新测一遍。 本次参加挑战的选手分别是：Doubao-1.5-thinking-vision-pro、DeepSeek R1、Qwen3-235b、hunyuan-t1-latest、文心 X1 Turbo、o3，并且新增网友们非常期待的 Gemini 2.5 pro。上一次我们使用网页端测试，这次除 o3 外，其他模型全部调用 API。 在考题选择上，我们仍然采用 2025 年数学新课标 Ⅰ 卷，包含 14 道客观题，总计 73 分；5 道解答题，总计 77 分。其中第 6 题由于涉及到图片，我们就单独摘出 来，后面通过上传题目截图的形式针对多模态大模型进行评测。其他文本题目全部转成 latex 格式，分别投喂给大模型，还是老规矩，不做 System Prompt 引导， 不开启联网搜索，直接输出结果。 （注：第 17 题虽然也涉及到图片，但文字表述足够清晰，不影响答题，因此 ...

本工作来自北京大学智能学院贺笛老师课题组与蚂蚁集团武威团队。贺笛老师在机器学习领域获得过多项荣誉，包括 ICLR 2023 杰出论文奖与 ICLR 2024 杰出论 文奖提名。 扩散模型近年来在图像生成领域取得了令人瞩目的成就，其生成图像的质量和多样性令人惊叹。这自然引发了人们的思考：这种强大的生成范式能否迁移到文本 领域，挑战甚至取代目前主流的自回归语言模型？扩散语言模型（Diffusion Language Models）凭借其并行生成多个词元的潜力，似乎预示着文本生成领域的一场 效率革命。然而，这一前景是否真的如此美好？ 来自北京大学和蚂蚁集团的最新研究表明，答案远非简单的 "是" 或 "否"，在某些关键场景下，结论甚至可能恰 恰相反。 | Guhao Feng* | Yihan Geng* | Jian Guan | Wei Wu | Liwei Wang | | --- | --- | --- | --- | --- | | Peking University | Peking University | Ant Group | Ant Group | Peking University | 论文标题 ...

在构建通用人工智能、世界模型、具身智能等关键技术的竞赛中，一个能力正变得愈发核心 —— 高质量的 3D 场景生成 。过去三年，该领域的研究呈指数级增 长，每年论文数量几乎翻倍，反映出其在多模态理解、机器人、自动驾驶乃至虚拟现实系统中的关键地位。 技术路线 四大生成范式全面解析 早期的 3D 场景生成工作主要通过程序化生成实现。自 2021 年以来，随着生成式模型（尤其是扩散模型）的崛起，以及 NeRF、3D Gaussians 等新型 3D 表征的提 出，该领域进入爆发式增长阶段。方法日益多元，场景建模能力持续提升，也推动了研究论文数量的快速上升。这一趋势凸显出对对该领域进行系统化梳理与全 面评估的迫切需求。 论文标题：3D Scene Generation: A Survey 论文链接：https://arxiv.org/abs/2505.05474 精选列表：https://github.com/hzxie/Awesome-3D-Scene-Generation 在本综述中，研究团队构建了一套系统的技术分类体系，将现有 3D 场景生成方法划分为四大主流范式，每类方法均结合代表性工作进行了深入梳理。 这四大 ...

机器之心报道 编辑：欣东、陈陈 本文介绍了一种名为「嫁接」的技术，用于在小计算预算下通过编辑预训练 Diffusion Transformers（简称 DiTs）来探索新的模型架构设计。 这种方法允许研究者在不从头开始训练模型的情况下，通过替换模型中的某些算子（如 MLP）来创建新的混合架构，从而在保持模型质量的 同时减少计算量。 模型架构设计在机器学习中扮演着核心角色，与数据、算法、算力和基准测试一样重要。它定义了模型函数、算子选择（如注意力机制、卷积）和配置设定（如 模型深度、宽度）等等模型要素。 尽管如此，由于从头训练模型的成本过高 —— 尤其人们难以获得关于架构设计的深刻洞见（即哪些方案有效、哪些无效）。因此，研究新架构仍是一项挑战，对 生成模型而言尤为如此。 在本文中，来自斯坦福大学、 Liquid AI 等机构的研究者探索了这一问题，即对预训练模型进行架构编辑来研究新架构。 具体而言，该研究提出了一种编辑预训练扩散 transformer（DiT）的简单方法，即 Grafting（嫁接），该方法可以在较小的计算预算下实现新的架构。 嫁接过程如下： （i）激活蒸馏：此阶段通过回归目标（regress ...

论文第一作者为何浩然，香港科技大学二年级博士，他的研究方向包括强化学习、生成流模型（GFlowNets）以及具身智能，通讯作者为香港科技大学电子与计算 机工程系、计算机科学与工程系助理教授潘玲。 测试时扩展（Test-Time Scaling）极大提升了大语言模型的性能，涌现出了如 OpenAI o 系列模型和 DeepSeek R1 等众多爆款。那么，什么是视觉领域的 test-time scaling？又该如何定义？ 为了回答这一问题，最近 香港科技大学 联合 快手可灵团队 推出 Evolutionary Search （EvoSearch） 方法，通过提高推理时的计算量来大幅提升模型的生成质 量，支持图像和视频生成，支持目前最先进的 diffusion-based 和 flow-based 模型。EvoSearch 无需训练，无需梯度更新，即可在一系列任务上取得显著最优效果， 并且表现出良好的 scaling up 能力、鲁棒性和泛化性。 随着测试时计算量提升，EvoSearch 表明 SD2.1 和 Flux.1-dev 也有潜力媲美甚至超过 GPT4o。对于视频生成，Wan 1.3B 也能超过 Wa ...

机器之心报道 编辑：张倩、泽南 为什么语言模型很成功，视频模型还是那么弱？ 「我一直很困惑，语言模型怎么能从下一个 token 预测中学到这么多，而视频模型从下一帧预测中学到的却那么少？难道是因为大模型（LLM）其实是伪装的大脑 扫描仪？」 近日，加州大学伯克利分校副教授、强化学习大牛 Sergey Levine 发出了一记灵魂拷问。 由此进一步思索，我们目前探索 AGI 的方向，是否也到了需要调整的阶段了？ AI 技术在快速发展，人们对于 AI 能力的上限，以及人脑和电脑异同的思考也越来越深入。上周末， OpenAI 联合创始人 Ilya Sutskever 在演讲中就曾提到：既然大 脑是台生物计算机，那么数字计算机应该也能做所有同样的事。 然而在学术界，也有很多人持不同态度，Sergey Levine 就是一位这样的学者。 他在昨日发布的一篇博客中表示， 当前的大语言模型（LLM）只是对人类大脑和思维的间接「扫描」。这些模型如同被困在洞穴之中，只能看到人类智慧的「投 影」，并试图通过这些「投影」来逆向推导出产生它们的思维过程。这种「逆向工程」并不能代替真正的思维 。 他的观点在机器学习社区获得了不少认同。 ...

机器之心报道 编辑：杜伟、泽南 今年的苹果，到底有没有新活？ 北京时间今天凌晨 1 点，一年一度的「科技圈春晚」—— 苹果全球开发者大会 WWDC 在 CEO 蒂姆・库克的演讲中拉开了序幕！ 该设计灵感源自 Vision Pro 增强现实设备上的 visionOS，可以自适应明暗模式，并通过实时渲染对运动做出动态响应。 全新设计将应用于按钮、滑块、媒体控件以及标签栏和侧边栏等较大的元素，同时还将采用重新设计的工具栏和导航栏。 此次大会，苹果宣布了一系列操作系统、服务和软件的更新，其中包括 全新的系统命名规则以及名为液态玻璃（ Liquid Glass）的新设计语言 。 根据库克的说法，苹果对自身操作系统的命名方式（确切地说是编号方式）进行了全面改革， 不再以版本号来排序，而是以年份（而且是 2026 年）来命名 。 具体是这样的：今年的 iPhone 将搭载 iOS 26 系列，Mac 将搭载 macOS Tahoe 26。此外，连同 iPadOS 26、watchOS 26、tvOS 26 和 visionOS 26 一起构成了完整的 系统。未来，这些数字将随年份变更，方便用户判断 Apple 设备是否运行 ...

近期，当很多人还在纠结用什么 label 和 reward 训练大模型的时候，以及纠结用什么样的基准模型进行公平比较的时候，西湖大学 MAPLE 实验室另辟蹊径：既然 LLM 在复杂指令上表现不佳，需要引入单独的 SFT 或者 RL 过程，那为什么不让模型在推理时「临时学习」一下这 个具体的问题呢？这个看似「离谱」的想法，竟然带来了惊人的效果提升。 试想一下，如果你参加考试时，可以在答题前花几秒钟「适应」一下这道具体的题目，你的表现会不会更好？ 这正是西湖大学研究团队在最新论文中提出的核心思想。他们开发的 SLOT（Sample-specific Language Model Optimization at Test-time）方法， 把每个输入 prompt 本身当作一份「迷你训练数据」 ，让模型在生成答案前先「学习」理解这个具体问题。 更令人惊讶的是，这个方法 简单到离谱 ： Qwen2.5-7B 在 GSM8K 数学推理任务上准确率从 57.54% 飙升至 66.19% ，提升 8.65 个百分点。 DeepSeek-R1-Distill-Llama-70B 在 GPQA Diamond 上达到 68. ...

端侧大模型，正在发生质变。 端侧语言模型，终于迎来了脱胎换骨式的创新。 上周五，2025 智源大会上，国内知名 AI 创业公司面壁智能正式发布了旗下最新一代「小钢炮」模型 MiniCPM 4.0，一下子把 AI 的发展推到了「前进 四」。 机器之心报道 编辑：泽南 模型、预训练数据和端侧推理框架均已开源。 MiniCPM 4.0 系列在卫冕全球最强端侧模型的同时，也让我们看到了继 DeepSeek 之后大模型领域又一次源自底层架构的技术突破。 速度提升百倍 在发布会上，面壁智能 CEO 宣布 MiniCPM 4.0 实现了行业首个系统级上下文稀疏语言模型创新，实现了 5% 的极高稀疏度，能够在端侧跑起长文本推 理，开启了端侧长文本时代。 本次发布的 MiniCPM 4.0 分为 8B 和 0.5B 两个参数版本，均刷新了端侧模型能力的上限。 据介绍，通过架构、算法、数据及系统层面的多维度创新，新一代上下文稀疏高效架构模型 MiniCPM 4.0 8B 相较于 Qwen-3-8B、Llama-3-8B、 GLM-4-9B 等同体量模型实现了长文本推理速度稳定 5 倍， 极限场景下最高 220 倍加速 ，实现了同 ...

本文第一作者为前 阿里巴巴达摩院高级技术专家 ，现一年级博士研究生满远斌，研究方向为高效多模态大模型推理和生成系统。通信作者为第一作者的导 师，UTA 计算机系助理教授尹淼。尹淼博士目前带领 7 人的研究团队，主要研究方向为多模态空间智能系统，致力于通过软件和系统的联合优化设计实现 空间人工智能的落地。 近年来，大语言模型（LLM）持续刷新着多模态理解的边界。当语言模型具备了「看视频」的能力，视频问答、视频摘要和字幕生成等任务正逐步迈入真正 的智能阶段。但一个现实难题亟待解决—— 如何高效理解超长视频？ 为此，来自得克萨斯大学阿灵顿分校（UTA）计算机系研究团队提出了 AdaCM2 ：首个支持 超长视频理解 的跨模态记忆压缩框架。该研究已被 CVPR 2025 正式接收 ，并荣获 Highlight 论文 （接收率为 3%），展示出其在技术创新与实际价值上的双重突破。 论文标题：AdaCM2: On Understanding Extremely Long-Term Video with Adaptive Cross-Modality Memory Reduction 论文地址：https://arxiv.o ...