编辑一切知识！大模型编辑新范式AnyEdit，有效突破知识边界

大型语言模型（LLMs）在生成信息时通常存在知识滞后和信息准确性不足的问题，这使得开发高效且精准的知识更新技术成为一项关键需求。然而，现有的模型编辑方法仅限于编辑特定类型的知识，如三元组知识，无法满足

阿里高德、中科院推出VMBench：感知对齐的视频运动生成全新基准

本篇分享阿里-高德的动态视频评估新作 VMBench: ABenchmark for Perception-Aligned Video Motion Generation。本文提出了一个面向感知对齐的

北京内推 | 360 AI Research团队招聘视觉AIGC方向研究型实习生

合适的工作难找？最新的招聘信息也不知道？AI 求职为大家精选人工智能领域最新鲜的招聘信息，助你先人一步投递，快人一步入职！360人工智能研究院360人工智能研究院是360集团在AI方向的核心技术团队，

世界首个！性能超扩散模型256%，推理快21.8倍，Uni-3DAR用自回归统一微观与宏观的3D世界

如何准确且高效地构建 3D 模型、理解和生成 3D 世界正在成为 AGI、AI for Science、具身智能三大 AI 热门领域共同关注的焦点。而随着 AI 技术的发展，大型语言模型（LLM）与大

大模型在简单物理现象理解任务上的认知困境：联想能力将是AGI之路上的下一个关键？

当 GPT-4o 流畅解析量子力学、Gemini 2.0 精准推导热力学公式、o3 以接近人类的准确率攻克 ARC-AGI 挑战、DeepSeek 在数学推理中展现惊人效率时，一个根本问题始终悬而未决

埃默里大学、UT Austin联合提出Spatial-RAG：开启空间智能问答的新时代

在人工智能领域，大型语言模型（LLMs）如 GPT 系列已经在文本生成和理解任务中展现了强大的能力。然而，当涉及到空间推理任务时，LLMs 的表现却显得力不从心。空间推理不仅要求模型理解复杂的空间关系

北京内推 | BOSS直聘南北阁大模型研发团队招聘大模型算法实习生

合适的工作难找？最新的招聘信息也不知道？AI 求职为大家精选人工智能领域最新鲜的招聘信息，助你先人一步投递，快人一步入职！BOSS直聘我们是BOSS直聘大模型研发团队，团队核心成员均为北大毕业，从零自

GPT-4.5刚出来就被攻破了？成功率破90%， MBZUAI团队出品

在人工智能领域中，大型视觉-语言模型（LVLM）正以前所未有的速度快速发展，诸如 GPT-4.5、GPT-4o、Claude 和 Gemini 系列模型相继涌现，在图像理解、视觉问答和跨模态推理任务中

什么样的图像才是好的图像？近200篇文献总结图像质量检测的最新进展与挑战

论文题目：A Survey on Image Quality Assessment: Insights, Analysis, and Future Outlook作者单位：北京大学、厦门大学论文地址：

CVPR 2025高分论文！单图1秒变3D真人，全新方法IDOL解决数字人重建问题

©作者 | 庄义昱单位 | 南京大学博士生研究方向 | 三维生成与重建▲ 图1 IDOL 速览在虚拟现实、游戏和 3D 内容创作领域，从单张图像高保真重建可动画的 3D 人体一直是一项极具挑战性的任务

上海内推 | 上海算法创新研究院大模型中心算法团队招聘大模型算法实习生

合适的工作难找？最新的招聘信息也不知道？AI 求职为大家精选人工智能领域最新鲜的招聘信息，助你先人一步投递，快人一步入职！上海算法创新研究院我们是来自上海算法创新研究院大模型中心的算法团队，团队成员来

权威赛事！2025全球人工智能技术创新大赛硬件挑战赛重磅开启，50万奖金等你赢

打破自回归模型的“速度枷锁”！NYU、宾大等发布「推测解码技术」最新综述

近期，随着大型自回归模型在自然语言处理、图像生成和语音合成等领域的广泛应用，实时性和效率问题逐渐成为制约其发展的关键瓶颈。在这一背景下，如何在保持高质量输出的同时，显著提升模型的推理速度，以满足实时应

AAAI 2025 | 复旦等提出SMART：用于密集知识型任务的多智能体联调框架

引言在知识密集型场景中，让智能系统生成与事实一致的响应一直以来都是研究人员的目标。尽管现在大语言模型（LLMs）在其参数记忆中内化了大量的世界知识，但仍然受限于虚构事实。引入非参数（即基于检索的）知识

北京/杭州/上海内推 | 阿里通义实验室招聘大模型方向研究型实习生

合适的工作难找？最新的招聘信息也不知道？AI 求职为大家精选人工智能领域最新鲜的招聘信息，助你先人一步投递，快人一步入职！阿里巴巴阿里巴巴通义实验室招聘研究型实习生，面向下一代RAG技术如Deep R

录用率仅22%！如何看待CVPR 2025的审稿结果?

上周，CVPR 2025的论文接收结果正式公布！今年的竞争异常激烈，共收到13008份投稿，最终仅有2878篇被录用，录取率仅为22.1%。作为计算机视觉领域的顶级盛会，CVPR堪称论文界的“奥斯卡”

更精细的解耦评估！VisualSimpleQA开创视觉语言大模型事实问答评测新范式

如何有效评估大型视觉语言模型（LVLMs）的事实问答能力？传统的端到端评估基准是否是最佳方案？如何有效标注具有挑战性的多模态事实问答基准？VisualSimpleQA 提供了一套解决方案。有效评估 L

AI Agent真的安全吗？南洋理工最新综述揭秘LLM Agent安全风险与防御策略

概述随着大型语言模型（LLMs）驱动的 Agent 和多 Agent 系统（MAS）的快速发展，Agent 的安全问题日益受到关注。然而，现有研究在系统性方面仍有提升空间。为应对这一挑战，来自南洋理工

博士申请 | 新加坡科技设计大学孙竹老师招收推荐系统方向全奖博士/访问学生

合适的工作难找？最新的招聘信息也不知道？AI 求职为大家精选人工智能领域最新鲜的招聘信息，助你先人一步投递，快人一步入职！新加坡科技设计大学新加坡科技设计大学（Singapore University

ICLR 2025 | 小型AI也能懂人类？中山大学全新方法ADPA让小模型对齐实现大突破！

©PaperWeekly原创 · 作者 | 高世平单位 | 中山大学硕士生研究方向 | 语言模型偏好对齐背景在 AI 的世界里，大型语言模型（LLMs）凭借强大的参数量和计算能力，已经能够生成与人类偏

复旦、同济等联合提出基于深度强化学习的社区布局生成方法

近年来，随着 o1 或 Deepseek-r1 等推理模型在复杂决策和推理任务中的迅速发展，强化学习（Reinforcement Learning, RL）在模型训练与推理优化中的价值越发凸显。通过对

NeurIPS 2024 | 已开源！港科广团队提出Hawk：面向开放世界的视频异常理解框架

视频异常检测（VAD）系统广泛应用于监控、安防、交通管理等领域，能够自动识别异常事件，如暴力行为、交通事故等，从而减少人工干预、提高效率。在大模型时代，随着大规模预训练模型，尤其是视觉语言模型（VLM

深圳内推 | 腾讯AI Lab科学智能中心招聘AI+材料/分子科学方向研究型实习生

合适的工作难找？最新的招聘信息也不知道？AI 求职为大家精选人工智能领域最新鲜的招聘信息，助你先人一步投递，快人一步入职！腾讯AI Lab腾讯AI Lab是腾讯的企业级AI实验室，于2016年4月在深

长视频性能提升6.6%！用文本数据撬动视频理解

Sparrow 仅使用 30K 混合数据，性能超越 100K 视频数据达 1.7%；同时，Sparrow 在数据规模 scaling 上去后这一差距更加明显，在同样达到 100K 数据量时领先达到了

NAACL 2025 | 大模型离达到真正智能有多远？深度剖析大模型流体智能水平

当 GPT-4o 在高考考场游刃有余，当 DeepSeek 对千年历史人物如数家珍，一个震撼人心的猜想正冲击着整个 AI 界：这些大语言模型是否已悄然孕育出超越人类的“超级智能”？在认知科学的定义里，

上交大等提出MM-Eureka：R1-Zero的「Aha Moment」同样存在于多模态推理

©作者 | 孟繁青单位 | 上海交通大学研究方向 | 多模态大模型论文标题：MM-EUREKA: Exploring Visual Aha Moment with Rule-based Large-s

博士申请 | 香港科技大学（广州）数据智能与分析实验室招收数据智能全奖博士生

合适的工作难找？最新的招聘信息也不知道？AI 求职为大家精选人工智能领域最新鲜的招聘信息，助你先人一步投递，快人一步入职！香港科技大学（广州）2022年6月29日，国家教育部宣布依法批准正式设立香港科

实话！写博士论文，别太老实了……

大家是不是都感觉写学术论文真是无从下手啊！写文章之初最难的是找到一个不错的idea，这是非常重要的。这个比写作难的不止一点，如果你有idea的话写起来其实挺快的。主要是多看领域内顶刊文章，模仿别人文献

港中大（深圳）开源Soundwave语音理解大模型，1/50训练数据媲美Qwen2-Audio！

在 NLP 领域，大模型（LLMs）凭借其强大的理解和推理能力，正在重塑行业格局。另一方面，多模态大模型，尤其是以语音交互为核心的模型也开始崛起，技术发展迅猛，前景广阔。以 GPT-4o 为例，语音与

ICLR 2025 | TUM、北大联合提出ConFIG：迈向无冲突训练的逆梯度方法

©作者 | 刘强、楚梦渝单位 | 慕尼黑工业大学、北京大学研究方向 | 深度学习在深度学习的多个应用场景中，联合优化多个损失项是一个普遍的问题。典型的例子包括物理信息神经网络（Physics-Info