何小鹏：首搭车型与合众07下线，大众合作电子电气架构落地

当您步入一个空间，人脑会本能地聚焦于关键信息——桌上的咖啡杯、墙角的座椅、书架上的书籍，而非均匀处理所有细节。这种“选择性注意力”机制，如今正被赋予人工智能。上海大学研究团队近期提出了一项名为SeGPruner（语义-几何视觉令牌修剪器）的创新技术，它使AI在处理三维场景时，能够模仿人眼“抓重点”的

斯坦福大学、卡内基梅隆大学与微软研究院的顶尖学者，于2026年3月联合发布了一项具有里程碑意义的预印本研究。这篇编号为arXiv:2603 23994v1的论文，精准揭示了当前大语言模型（LLM）自我优化浪潮中一个普遍存在却常被忽视的核心困境。 我们常常设想AI能像最优秀的学生一样，通过持续的练习与

这项由Google DeepMind与北卡罗来纳大学教堂山分校合作的前沿研究，已于2026年3月25日正式发布，其完整论文可在arXiv预印本平台通过编号2603 22529v1查阅。 想象一下：一个AI助手能熟练地操作网页，却对你眼前真实世界的一切视而不见。例如，你透过AR眼镜看中一款包，却无法让

这项由微软研究院联合韩国科学技术院和首尔国立大学开展的研究，发表于2026年3月，揭示了一个颠覆性的发现：在某些特定场景下，让AI进行“自我教学”，反而可能导致其性能退化，变得更“笨”。 在人工智能训练领域，一种名为“自我蒸馏”的技术备受关注。其核心逻辑是让同一个模型身兼“教师”与“学生”双重角色。

医疗AI领域迎来了一项突破性进展。由宾夕法尼亚大学牵头，联合纽约州立大学石溪分校、北卡罗来纳大学教堂山分校、南卡罗来纳医科大学等多家顶尖机构完成的研究，于2026年3月17日发表在IEEE期刊模板上。研究团队开发了一个名为TAP-GPT（表格阿尔兹海默症预测GPT）的人工智能系统。这个系统就像一个专