5月5日·谢赛宁读博首篇论文获AISTATS 2025时间检验奖

5月5日·周一  AI工具和资源推荐

谢赛宁读博首篇论文获AISTATS 2025时间检验奖

谢赛宁博士读博期间提交的第一篇论文《Deeply-Supervised Nets》（深度监督网络）在被NeurIPS拒稿后，最终被AISTATS接收，并在10年后荣获AISTATS 2025时间检验奖。该论文提出了深度监督网络（DSN），通过在隐藏层和输出层引入直接监督，解决了深度学习中的特征学习问题，显著提升了性能。论文发表后被引用超过3000次，显示出其深远的学术影响力。谢赛宁表示，尽管曾经历拒稿的痛苦，但坚持不懈最终带来了收获，他鼓励同学们在面对挫折时继续前行。来源：微信公众号【机器之心】

谷歌DeepMind：大模型知道最优路径却偏要“撞南墙”

谷歌DeepMind的研究者发现，大语言模型（LLMs）在决策场景中存在贪婪性、频率偏差和知 – 行差距等常见失败模式。这些模型倾向于选择短期最优的动作，导致探索不足，且容易重复选择高频动作，即使这些动作的奖励很低。此外，LLMs虽然能够理解任务要求，但往往会因贪婪行为而无法执行最优方案。为解决这些问题，研究者提出了一种基于强化学习的微调方法（RLFT），通过优化自动生成的思维链（CoT）推理过程，显著提升了LLMs的决策能力和探索性行为，缩小了知 – 行差距。实验表明，RLFT能够有效降低模型的遗憾值，并改善其在多臂老虎机和井字棋等环境中的表现。来源：微信公众号【机器之心】

o3一张图锁定地球表面坐标，AI看图猜地点战胜人类大师

OpenAI的o3模型在看图猜地点的游戏中展现出了惊人的能力，甚至战胜了人类大师。通过一组精心设计的prompt，o3能够仅凭一张图片推断出拍摄地点，其推理过程和结果让许多测试者感到震惊。例如，o3能够通过观察照片中的植被、水色、岩石类型等细节，准确判断出拍摄地点，甚至在某些情况下达到了接近人类顶尖水平的表现。尽管o3在某些复杂场景中仍会出错，但其表现已经超越了许多人类玩家。这种能力背后的关键在于o3的跨模态推理能力，它能够结合视觉信息和知识库进行精准判断。这一现象引发了人们对AI推理能力的进一步关注，也展示了AI在图像识别和地理定位领域的巨大潜力。来源：微信公众号【量子位】

港科广分层建模突破3D人体生成，细节直逼亚毫米级

香港科技大学（广州）的研究团队提出了一种名为MultiGO的创新方案，通过分层建模思路实现了从人体单图到高保真3D模型的突破。该方法将人体分解为不同精度层级，从基础体型到衣物褶皱逐级细化，类似于搭乐高积木的过程。MultiGO的核心在于三级几何学习框架：骨架增强模块提升骨骼建模精度；关节增强策略提高关节位置的鲁棒性；皱纹优化模块则通过类似扩散模型去噪的方式优化衣物褶皱等细节。这一技术在虚拟试衣、游戏与元宇宙角色生成、影视特效等领域具有广阔的应用前景。相关成果已入选CVPR 2025，项目代码正在开源中。来源：微信公众号【量子位】

AI「自我复制」能力曝光！RepliBench警示：大模型正在学会伪造身份

英国人工智能安全研究所（AISI）推出了RepliBench基准测试，旨在评估AI系统的自主复制能力。RepliBench通过20个智能体评估和65个单独任务，分解并衡量AI实现自主复制所需的四大核心能力：获取模型权重、在计算资源上进行复制、获取资源和确保持久性。测试结果显示，当前AI尚未具备完全自主复制的能力，但在获取资源等子任务上已取得显著进展。这一研究提醒人们关注AI自主复制带来的潜在风险，强调了早期发现和谨慎监督的重要性。RepliBench的推出为AI安全领域提供了重要的评估工具，也为未来AI的发展和监管提供了参考。来源：微信公众号【量子位】