Meta AI联合法国团队开发深度学习模型Brain2Qwerty，无需手术植入电极，仅凭脑磁图信号即可将键盘输入时的脑活动解码为文字，最佳参与者字符错误率低至18%。

HESpotEx是一种创新的双流深度学习框架，首次实现从常规H&E染色病理切片直接预测空间基因表达。该模型通过图像编码器和图注意力自动编码器分别提取视觉特征与空间关系，再经图卷积网络解码生成5,457个基因的表达图谱。实验显示其预测准确性优于现有方法（平均MSE 0.0589，中位PCC 0.1356），并具备强可解释性，可关联基因表达与组织形态特征。该技术突破分子检测成本高、技术复杂的瓶

在多模态大模型（MLLM）的研究中，如何让模型"看清"高分辨率图像一直是个让人头疼的问题。虽然现在的模型推理能力越来越强，但面对动辄4K甚至8K的超清图像，它们往往会因为严重的下采样而变成"近视眼"，漏掉那些关键的微小细节。

SakanaAI、牛津大学等机构联合团队在《Nature》发表的论文提出首个端到端AI科研系统"AIScientist"，实现了从研究构思到论文撰写、同行评审的全流程自动化。该系统创新性地采用树搜索算法优化实验设计，整合多模态大模型协同工作，其生成论文在ICLR 2025盲审中获得6.33/10分（通过接收门槛）。研究表明自动化评审器与人类评审一致性达69%（F1=0.62）。

大模型快速发展正在重新定义AI硬件的性能需求。过去，人工智能算力竞争更多集中于GPU计算能力和制程工艺，而如今模型规模扩大以及多芯片协同计算，使互连带宽、封装密度、数据传输效率和散热能力逐渐成为影响AI系统性能的重要因素。本文从AI芯片系统工程角度出发，分析先进封装、高密度互连、2.5D/3D异构集成以及热管理技术之间的关系，并结合近期BBCube研究探讨AI算法、芯片设计和系统工程之间的融合趋势

随着AI Agent技术快速发展，人工智能正在从“回答问题”逐渐走向“自主执行任务”。相比传统大语言模型，AI Agent能够理解目标、调用工具、执行复杂流程，并在多个步骤中持续完成任务。然而，能力提升也带来了新的安全挑战。近期行业关注焦点逐渐从“AI是否足够聪明”转向“AI是否能够被可靠控制”。相关事件推动研究人员重新思考AI模型的权限管理、环境隔离、行为监测以及安全评估体系。未来人工智能的发展

随着AI Agent技术快速发展，人工智能正在从“回答问题”逐渐走向“自主执行任务”。相比传统大语言模型，AI Agent能够理解目标、调用工具、执行复杂流程，并在多个步骤中持续完成任务。然而，能力提升也带来了新的安全挑战。近期行业关注焦点逐渐从“AI是否足够聪明”转向“AI是否能够被可靠控制”。相关事件推动研究人员重新思考AI模型的权限管理、环境隔离、行为监测以及安全评估体系。未来人工智能的发展

随着AI Agent技术快速发展，人工智能正在从“回答问题”逐渐走向“自主执行任务”。相比传统大语言模型，AI Agent能够理解目标、调用工具、执行复杂流程，并在多个步骤中持续完成任务。然而，能力提升也带来了新的安全挑战。近期行业关注焦点逐渐从“AI是否足够聪明”转向“AI是否能够被可靠控制”。相关事件推动研究人员重新思考AI模型的权限管理、环境隔离、行为监测以及安全评估体系。未来人工智能的发展

当人们习惯向AI询问工作、学习、生活甚至人生建议时，一个反常识的问题开始出现：如果聊天机器人背后根本没有人工智能，我们是否仍然会相信它？ChatTJB正是围绕这一问题展开的讽刺性实验。它看起来像普通AI聊天工具，但实际上由项目创建者Tucker Bryant亲自回答用户问题，并通过“AI=Average Individual”的概念反向调侃人类对人工智能的过度依赖。这个项目真正值得关注的并不是“假

大模型快速发展正在重新定义AI硬件的性能需求。过去，人工智能算力竞争更多集中于GPU计算能力和制程工艺，而如今模型规模扩大以及多芯片协同计算，使互连带宽、封装密度、数据传输效率和散热能力逐渐成为影响AI系统性能的重要因素。本文从AI芯片系统工程角度出发，分析先进封装、高密度互连、2.5D/3D异构集成以及热管理技术之间的关系，并结合近期BBCube研究探讨AI算法、芯片设计和系统工程之间的融合趋势