6月14日·谢赛宁在CVPR 2025怒斥AI学术圈畸形，揭示学术激励制度缺陷

6月14日·周六  AI工具和资源推荐

谢赛宁在CVPR 2025怒斥AI学术圈畸形，揭示学术激励制度缺陷

纽约大学助理教授谢赛宁在CVPR 2025上发表演讲，批判当前AI学术界的畸形现状。他指出，学术激励制度存在巨大缺陷，导致研究者陷入内卷，精疲力竭。谢赛宁回顾了自己两篇开创性论文DiT和SiT被CVPR拒收的经历，这两项工作后来分别成为Sora和Stable Diffusion 3的奠基性成果，狠狠打脸了CVPR的评审。他认为，AI研究应是一场“无限游戏”，而非追求短期胜利的“有限游戏”，呼吁研究者追随好奇心与热情，拥抱意外与惊喜，坚持探索，为长远发展贡献力量。来源：微信公众号【新智元】

Transformer「混血」模型Eso-LM速度提升65倍，英伟达押注扩散语言模型

康奈尔大学、CMU等机构的研究者提出了一种全新的语言建模框架——Esoteric Language Models（Eso-LMs），将自回归（AR）和离散扩散模型（MDM）相结合，首次引入KV缓存机制，推理速度相比标准MDM提升了65倍，同时在低计算量场景下与离散扩散模型相当，在高计算量场景下与自回归模型相当。该研究为离散扩散模型建立了新的困惑度最优水平，缩小了与自回归模型的差距。英伟达研究院科研总监Arash Vahdat参与其中，显示出英伟达对扩散语言模型的关注与投入。来源：微信公众号【新智元】

LLM实现自我更新权重，自适应与知识整合能力显著提升

MIT发布了一种名为SEAL（Self-Adapting LLMs）的框架，使语言模型能够通过生成自己的训练数据并更新权重来自我提升。该方法通过强化学习实现自编辑，以提升模型在下游任务中的性能。实验表明，SEAL在少样本学习和知识整合任务中均取得了显著效果，分别将适应成功率提升至72.5%和准确度提升至47.0%。这一成果引发了广泛讨论，被认为可能是AI自我进化的重要一步，但也有观点认为其距离真正的持续自我改进智能体仍有差距。来源：微信公众号【机器之心】

Anthropic发布多智能体系统研究，揭示Token高效利用与系统架构设计

Anthropic近日公开了其多智能体研究系统的详细设计与发现。该系统采用“协调者-执行者”模式，通过多个Claude AI智能体协作完成复杂任务。研究发现，多智能体系统在“广度优先”任务中表现尤为出色，token消耗量是性能差异的关键因素，占80%的解释力。然而，多智能体系统也存在快速消耗Token的缺点，其token使用量是普通交互的15倍。Anthropic通过提示词工程优化智能体行为，采用并行工具调用显著提升效率，并通过LLM担任评审官的方式进行灵活评估。尽管面临工程挑战，多智能体系统在开放式研究任务中展现出巨大潜力，能够有效扩展复杂任务的处理能力。来源：微信公众号【机器之心】

40岁是大脑抗衰关键期！1.9万人脑扫描研究揭示大脑衰老“窗口期”

一项发表于《美国国家科学院院刊》（PNAS）的研究分析了超1.9万人的脑部功能性磁共振成像（fMRI）数据，发现大脑衰老并非匀速线性过程，而是呈现非线性（S形）变化特征。研究指出，大脑衰老与胰岛素抵抗密切相关，而酮体干预可在40-59岁期间显著稳定大脑网络，效果比其他年龄段更突出。这表明40岁是大脑抗衰的黄金干预期，为延缓大脑衰老提供了重要科学依据。来源：微信公众号【量子位】