在多智能体AI系统中，一旦任务失败，开发者常陷入「谁错了、错在哪」的谜团。PSU、杜克大学与谷歌DeepMind等机构首次提出「自动化失败归因」，发布Who&When数据集，探索三种归因方法，揭示该问题的复杂性与挑战性。
生成式AGI已经颠覆了人们的生活，但AI工具并没有随着用户使用场景的融合而整合。各个赛道的头部玩家依靠独家的数据库发展模型，现有算力和数据量难以支撑多模态和跨业务领域拓展，急需形成用户粘性的市场竞争也使得AI的生成稳定性被优先考虑。
如何让CLIP模型更关注细粒度特征学习，避免“近视”？360人工智能研究团队提出了FG-CLIP，可以明显缓解CLIP的“视觉近视”问题。让模型能更关注于正确的细节描述，而不是更全局但是错误的描述。
数据枯竭正成为AI发展的新瓶颈！CMU团队提出革命性方案SRT：让LLM实现无需人类标注的自我进化！SRT初期就能迭代提升数学与推理能力，甚至性能逼近传统强化学习的效果，揭示了其颠覆性潜力。
AI加速药物研发的同时引发专利泛滥问题，AI公司专利申请因缺乏体内实验数据（仅23%含体内实验，传统公司为47%），导致潜在药物后续开发受阻。专家建议提高专利门槛、允许他人二次申请未测试分子，并通过延长监管保护期平衡创新激励与公开风险。
本想练练手合成点数据，没想到却一不小心干翻了PyTorch专家内核！斯坦福华人团队用纯CUDA-C写出的AI生成内核，瞬间惊艳圈内并登上Hacker News热榜。团队甚至表示：本来不想发这个结果的。
为提升大模型“推理+搜索”能力，阿里通义实验室出手了。
人工智能搜索引擎Perplexity重磅发布新产品Perplexity Labs，这是一款面向专业版用户（20美金/月）的智能Agent工具，为用户提供了更强大的生产力解决方案。用户可以在搜索框下方一键切换至"实验室模式"，通过该模式可高效生成：专业分析报告、结构化电子表格、交互式网页应用、数据可视化图表等。
近日，NVIDIA 联合香港大学、MIT 等机构重磅推出 Fast-dLLM，以无需训练的即插即用加速方案，实现了推理速度的突破！通过创新的技术组合，在不依赖重新训练模型的前提下，该工作为扩散模型的推理加速带来了突破性进展。本文将结合具体技术细节与实验数据，解析其核心优势。
AI独角兽Builder.ai通过虚构技术能力和伪造数据骗取微软、软银等超4.5亿美元投资，最终因营收造假、技术谎言曝光而破产。文章揭露其“AI自动化”实为人工外包的骗局，并列举多个类似伪AI公司案例，提出投资者需警惕“AI包装”，加强技术验证与监管审计。
