AI驱动淘金热：大模型、行业应用与政策新风向
AI驱动的行情里，AI成为淘金工具；NeurIPS 2025提出DynaAct和OWL，探索大模型推理新路径；世界模型接近ChatGPT时刻；AI在航空、快递、货运、医疗等领域应用广泛；ICLR清零rebuttal事件引发争议；NeurIPS提出REG让Diffusion训练更快；AI监管竞赛引发联邦与州之争；OpenAI和Google预测AI改变市场策略；特斯拉计划在数据中心旁建设小型太阳能农场...
行业新闻（重要新闻、公司动态）
AI驱动的行情里，AI终于成了淘金的铲子
AI的股票，最终还是让AI炒了。AI 这一波，会上升到什么高度？最近，一张资本内循环的示意图在硅谷疯传，箭头从投资者指向 OpenAI，从 OpenAI 指向英伟达，再从英伟达绕回 OpenAI 的股东名单。钱在几家科技巨头之间画了一个圈，成为了 AI 繁荣在市场层面的写照。一系列交易与合作，撑起了万亿美元的市值。这个圈子看上去很复杂？公司都是我们耳熟能详的公司，但在推动人工智能技术前进的过程中，它们不断合作，有着复杂的内在联系。复杂精密的资金网络...阅读更多
热门开源项目（GitHub项目、工具推荐）
DynaAct：大模型推理的新思路
来自蚂蚁和香港大学自然语言组的研究团队提出了 DynaAct，该工作已经被 NeurIPS 2025 接收。DynaAct 提出以 Action Space Optimization 为核心的 TTS 范式，即在每一步推理中动态构建可选动作集合，并通过学习算法从中选择最优动作，从而让推理路径更高效、更具结构化。这种方法与传统 token-by-token 式的 CoT 不同，旨在解决当前主流 TTS 方法通过「更长的思维链」来提升性能时伴随而来的搜索空间爆炸与冗余思考的问题。DynaAct 的核心思想是将动作空间学习问题转化为集合选择问题，并通过子模优化（Submodular Optimization）来实现线性复杂度的算法。...阅读更多
学术论文（最新研究、论文摘要）
OWL：双路径注意力干预缓解多模态大模型物体幻觉
该论文提出 Owl，一种基于因果关系的双路径注意力干预框架，用于缓解视觉语言大模型中的物体幻觉。首先，该论文提出一个结构因果模型，将分解后的视觉与文本注意力形式化为关键的中介变量，模型清晰地表明，视觉与文本先验这两个混杂因子，会通过扭曲对应的注意力来影响输出，最终导致幻觉。其次，该论文提出了 VTACR 指标，通过计算当前生成 token 对所有视觉 token 的平均注意力与对所有文本 token 的平均注意力之比，...阅读更多
技术趋势（技术突破、创新应用）
REG加速生成模型训练收敛
REG 是一种简单而有效的方法，仅通过引入一个 class token 便能大幅加速生成模型的训练收敛。其将基础视觉模型（如 DINOv2）的 class token 与 latent 在空间维度拼接后共同加噪训练，从而显著提升 Diffusion 的收敛速度与性能上限。在 ImageNet 256×256 上，REG 相比 SiT 和 REPA 分别实现了 63 倍和 23 倍的收敛加速，如下图所示。REG 方法的核心在于将 low-level latent 与预训练视觉模型的 high-level class token 纠缠，并在训练中对二者同时加噪、联合去噪优化，...阅读更多
