Luma AI 押注好莱坞的“混合式”未来
Luma AI 首席运营官 Caroline Ingeborn 表示，生成式 AI 有望通过降低成本、为创作者实现雄心勃勃的项目提供新方式，推动更多影视制作回到洛杉矶。她认为 AI 是创意专业人士的工具，而非替代者。她所说的“混合式电影制作”，是将真实演员和剧组与 AI 生成的环境结合起来。
AI 新闻中心
AI 新闻中心 过去24小时分析了 156 篇文章，发现了 0 条重要报道 (分数 ≥ 5.5)
获取从可信来源聚合的最新 AI 新闻。
Factory与Cognition首席执行官因“不道德行为”指控公开交锋
人工智能编程初创公司Factory的负责人正与规模更大的竞争对手Cognition AI Inc.的高管公开争执。争议源于一项指控：Factory的一名顾问涉嫌参与了被称为与Cognition有关的“不道德行为”。
重新思考潜在视觉推理：让潜在推理建立在视觉证据之上
潜在视觉推理使多模态大型语言模型能够通过连续的潜在 token 执行中间计算，而不必将每一步推理都表达为文字。由于这些步骤无法直接观察，监督其学习较为困难。研究发现潜在 token 与视觉证据之间存在差距：即使图像变化会影响正确答案，token 的反应仍然较弱。研究人员认为，GRPO 训练缺乏明确监督可能是原因之一，并提出 ReaLVR，通过对比正确与错误答案、相关与不匹配的视觉证据来引导潜在处理
系统评估 GPT-6 Astra 作为具身控制策略的能力
一项研究在六个机器人控制领域评估了 GPT-6 Astra。Astra 能生成数值形式的动作，但结果显示，有用的任务决策与可靠的物理控制之间仍存在差距。与已训练的控制器结合时，它在受测的 RoboDojo 子集上成功率为 48%，在 DexJoCo 的十次试验中为 50%，在 RoboCasa365 上为 38.7%。导航方面，它在 RxR 指令跟随和 HM3D 物体搜索中的成功率分别达到 92%
关键不在图片展示了什么：无关语境会扰乱 VLM 评判，却没有提供信息
研究人员推出 MIST 压力测试，包含 200 个英文句子，其中的短语既可作比喻理解，也可按字面理解，评判应仅依据句子。在 13 个视觉语言模型（VLM）评判器中，尽管指示要求忽略图片，符合语境的图片和误导性图片都改变了约 20% 的标签。两种图片条件下不同的标签中，只有 37% 朝图片所呈现的含义移动。无论没有图片、图片与句意一致还是具有误导性，模型与人工标注者的一致度均未改变。结果表明，图片的
DC-SAE：深度压缩语义自编码器加速扩散模型收敛
DC-SAE是一种旨在兼顾高空间压缩率、图像重建质量和扩散模型训练速度的自编码器。该方法使用语义编码器生成紧凑的潜在表示，并通过像素级编码器保留图像细节。在ImageNet的512 × 512图像上，DC-SAE实现了32倍空间压缩，PSNR达到29.79，gFID达到3.37。研究团队表示，与高压缩率基线方法DC-AE相比，DC-SAE的PSNR提升13.5%，gFID改善54.9%，同时保持相
DyRAD：面向动态驾驶场景的雷达新视角合成
DyRAD是一种利用录制雷达数据重建动态驾驶场景的方法。它分别建模静态背景反射体和经过运动跟踪的动态点反射体，从而生成完整的距离、方位角和多普勒（RAD）张量。该方法将物体速度投影到雷达视线方向，使多普勒信息既作为渲染输出，也用于监督目标轨迹。由雷达信号处理链推导出的解析点扩散函数，可避免把传感器造成的反射扩散错误地融入场景几何。DyRAD在RADIal、Boreas和合成数据集上进行了评估；在R
跳出框架思考：语言模型能否选择性地依赖外部指导？
一项新研究探讨语言模型能否采纳有用指导，同时拒绝不可靠的指令。研究人员推出 Box²-Bench，在保持模型和任务不变的情况下，仅改变工作流程的可靠性。前沿模型通常能从可靠指导中受益，但面对误导性或逐渐失效的流程仍然脆弱。研究团队使用两个开放权重模型进行训练，发现反事实监督微调可以提升稳健性，而基于结果的强化学习则能增加对有用工作流程的使用。这种能力还延伸到同伴纠错和应对损坏的记忆，表明选择性依赖
法官驳回针对谷歌 AI 概览的反垄断诉讼
美国联邦法官驳回了 Chegg 和《滚石》母公司 Penske Media Corporation 提起的两起反垄断诉讼。两家公司指控谷歌的 AI 搜索功能导致其网站流量减少。法官 Amit Mehta 于周三作出有利于谷歌的裁决。
Suno 首席执行官：人工智能或将重塑音乐体验
Suno 首席执行官兼联合创始人迈克·舒尔曼表示，人工智能可能让音乐从主要由听众被动聆听，转变为听众能够与喜爱的艺人共同创作、混音和协作。Suno 拥有超过 1 亿用户，并与音乐行业建立了合作关系。采访中，舒尔曼谈及公司的自研人工智能模型、艺人声音和音乐的授权机会，以及他认为人工智能能够扩大音乐产业规模的看法。
Breaking Babel：用于长篇字幕翻译的自进化多智能体系统
SMART是一种自进化多智能体系统，旨在跨越整部剧集保持字幕翻译的一致性。它构建剧集级持久记忆，将动态路由和混合智能体层结合起来，并配备术语验证、字幕约束检查和上下文检索工具。评审与改进循环利用文本批评更新提示词和路由策略，无需重新训练底层语言模型。在覆盖15个语言方向的新基准Subtitle Arena上，SMART取得了最高的整体MQM分数，相比最强的竞争性多智能体系统将平均惩罚降低了6.9%
永恒的互补者
先进人工智能最重要的作用，可能在于处理支撑突破性想法的日常工作。文章探讨了执行力为何可能塑造下一代经济，并影响进步的速度。
我们利用人工智能调查美国人有多反感人工智能
一项分析显示，反对人工智能、数据中心和 Flock 监控摄像头的立场，正像少数其他议题一样将人们团结起来。这种反弹也开始在美国中期选举中显现。
索尼将 AI 超分辨率技术带到普通版 PS5
索尼将为普通版 PS5 推出一项全新的 AI 超分辨率技术。该技术名为 Quick Spectral Super Resolution（QSSR），索尼在博客文章中称其代表 AI 超分辨率技术的全新性能层级，并表示这是与 AMD 合作开展 Project Amethyst 的成果。
Shopify推出Canvas，用户可通过与AI对话创建网店
Shopify推出的网站搭建工具Canvas允许商家通过与AI助手Sidekick对话，创建并自定义网店，同时实时查看更改效果。