DeepMind果蝇登Nature，强化学习再立功，AI模拟飞行，逼真到腿毛颤抖
谷歌DeepMind与HHMI Janelia研究所合作，利用AI和物理模拟技术打造了一个逼真的虚拟果蝇模型，该模型能精准模拟果蝇的飞行与行走，并通过深度强化学习模仿真实果蝇的行为。
研究团队详细扫描了一只雌性果蝇的身体，构建了精确的三维模型，并在MuJoCo物理引擎中加入新的功能，如模拟翅膀扇动与空气的流体相互作用，以及设计黏附执行器来模仿果蝇脚部与地面的抓握力。
通过深度强化学习和模仿学习，虚拟果蝇学会了复杂的运动模式，展现了与真实果蝇相似的飞行和行走行为，研究团队已将该模型开源。
618大促前，拥有专属数字人是种怎样的体验？真·提效神器
随着AI技术的发展，巨量引擎旗下的即创数字人平台通过生成高质量的数字人素材，显著提升了内容生产效率，降低了视频制作成本。商家通过定制专属私有数字人，实现了内容的高效生产和营销提效。
体验者反馈，即创数字人不仅高度仿真，操作简便，还能通过智能工具快速生成高质量视频，成为商家在618大促等关键节点提升竞争力的重要工具。
巨量引擎即创数字人正重新定义内容生产力，成为商家降本增效的有力武器。
英伟达揭示RL Scaling魔力！训练步数翻倍=推理能力质变，小模型突破推理极限
来自英伟达的ProRL框架通过长期强化学习显著提升了大语言模型的推理能力，特别是在逻辑谜题和数学任务上取得了重大突破。
ProRL通过多样化可验证奖励、改进算法组合、KL正则化和周期性策略重置等技术手段，解决了传统RL训练中的熵崩塌和性能震荡等问题，使得模型能够生成全新的解题路径。
这项研究证明了长期稳定的强化学习能够真正拓宽模型的能力边界，为小模型在复杂推理任务中的应用提供了新的可能性。
西门子“Realize LIVE”活动透视：AI+工业软件新征程，持续推进一站式AI解决方案
西门子在2025年Realize Live大会上强调其推动制造业数字化转型的战略，重点介绍了Xcelerator平台的持续演进和AI技术的应用，旨在提升制造敏捷性和运营效率。
大会还展示了西门子通过收购Altair强化数字孪生技术的能力，以及低代码开发平台Mendix和PLM解决方案的升级，助力企业快速响应市场变化。
Workhorse首席信息官Jeff Mowry分享了Workhorse如何利用西门子的数字化转型工具，如Teamcenter X和NX，实现从设计到生产的快速流程，推动电动卡车产品的高效开发。
论文秒变海报！开源框架PosterAgent一键生成顶会级学术Poster
开源框架PosterAgent能够一键将论文转化为学术海报，相比GPT-4o，PosterAgent在生成指标上更优，token使用量减少87%，成本仅为0.0045美元。
PosterAgent采用多智能体框架，包括解析器、规划器和绘制器-评论器三个组件，能够实现多模态海报的自动生成，并通过Paper2Poster评估基准进行优化。
实验结果显示，PosterAgent在视觉质量和文本连贯性上表现优异，且成本远低于其他方法，适用于学术会议和公司PPT制作。
经典ReLU回归！重大缺陷「死亡ReLU问题」已被解决
德国吕贝克大学等机构的研究者提出了一种名为SUGAR的新方法，通过在反向传播时使用非零、连续的替代梯度函数，解决了ReLU单元的“死亡ReLU问题”，从而显著增强了网络的泛化能力和测试准确率。
实验结果显示，SUGAR结合B-SiLU激活函数在CIFAR-10和CIFAR-100数据集上的测试准确率分别提升了10个百分点和16个百分点，而结合ELU和SELU也提供了可靠的改进。
SUGAR方法易于实现，适用于多种现代架构，展示了其在深度学习领域的适应性和有效性。
最新必读，互联网女皇340页AI报告解读：AI岗位暴涨，这些职业面临最大危机
互联网分析师Mary Meeker发布了一份长达340页的《AI趋势报告》，详细分析了AI技术路径、投资规模及对自动驾驶等领域的影响。
报告指出，AI带来的变化前所未有，ChatGPT用户增长迅速，资本支出大幅增加，英伟达成为最大受益者，同时开源模型正在缩小与闭源模型的差距。
AI正在加速渗透到多个领域，推动行业生态和工作方式变革，成为新基建的重要驱动力。
余承东含沙射影，雷军不点名回应，端午车圈口水仗没停
智能车参考报道，端午期间车圈口水战未停，余承东在深圳开炮，雷军隔空回应。
余承东在大会上批评了某些跨行企业凭借品牌和流量优势卖爆产品，同时呼吁打击吹牛，鼓励真牛，引发行业内外热议。
价格战仍在继续，中国汽车工业协会呼吁避免恶性竞争，行业大佬纷纷发声抵制。
视觉感知驱动的多模态推理，阿里通义提出VRAG，定义下一代检索增强生成
来自阿里巴巴通义实验室的最新研究成果——VRAG-RL，通过引入强化学习算法，全面提升视觉语言模型在检索、推理和理解视觉信息方面的能力，有效解决了传统RAG方法在处理视觉丰富信息时的挑战。
VRAG-RL 通过定义视觉感知动作空间和多轮交互机制，使模型能够从粗到细逐步聚焦信息密集区域，精准提取关键视觉信息，显著提升了模型的推理能力和检索效率。
该方法在多个基准数据集上取得了显著优于现有方法的性能，为多模态智能体的训练提供了新的解决方案，开启了视觉感知驱动多模态推理的新时代。
网友晒21页PDF质疑Grok 3套壳Claude，Grok 3自己承认了，xAI工程师被喷无能
近日，有用户在网上爆料称，埃隆·马斯克旗下 xAI 公司最新发布的 Grok 3 人工智能模型在“思考模式”下自称是竞争对手 Anthropic 公司开发的 Claude 3.5 模型，引发广泛关注。
该用户提供了与模型的完整对话记录，显示模型在特定模式下明确表示自己是 Claude，尽管始终显示 Grok 标识。模型的异常回应并非随机，仅在“思考模式”下触发。
模型坚持认为自己是 Claude，即便用户提供了 x.com 网站名称和“Grok 3”标识的图片证据，仍否认自己是 Grok 3，导致进一步混淆。
音频大模型安全可信度的全面“体检”！清华南洋理工联手打造
首个专为音频大语言模型（ALLMs）设计的多维度可信度评估基准AudioTrust由南洋理工与清华大学联合提出，扩展评估范围至公平性、幻觉、安全性、隐私、鲁棒性和身份验证六个核心维度，填补了现有评估框架的不足。
AudioTrust采用两阶段架构，第一阶段支持高效批量处理，第二阶段进行自动化、多维度评估，深入探究音频模态特有的安全与可信问题，全面提升了模型的可信度。
该基准及评估平台现已全面开发，旨在推动音频大模型的健康发展，提升其在实际应用中的可靠性和安全性。
本周日不见不散！CVPR 2025北京论文分享会最后报名了
谷歌在I/O 2025大会上发布了最新AI视频生成模型Veo 3，实现了音画同步，被誉为跨时代产品，标志着AI视频进入「有声时代」。
为让从业者了解AI社区的最新创新成果和发展趋势，机器之心计划于6月8日在北京举办「CVPR 2025论文分享会」，围绕多模态、视频生成等主题邀请专家进行交流。
分享会设有Keynote、论文分享、圆桌对话、Poster交流及企业展位交流等环节，特别设置了「迈向理解与生成统一的多模态大模型」主题圆桌讨论。
