还记得小时候玩过的“找球游戏”吗？把一个小球扣在三个杯子中的一个下面，快速移动后让你猜球在哪里。这个对人类甚至一些动物都轻而易举的游戏，最近却让一群顶尖的AI模型栽了大跟头。 新加坡国立大学的研究团队在2026年3月发布了一项研究，直指当前最先进视觉语言模型的一个核心软肋：它们几乎无法像人类一样，可

今年三月，计算机视觉领域的顶级会议CVPR迎来了一项来自上海交通大学、南京大学、复旦大学与上海人工智能实验室的联合研究成果。该团队开发了一个名为CTRL-S的革命性AI系统，它不仅能够根据文字描述或参考图片生成高质量的SVG矢量图形，其核心突破在于赋予了AI类似人类设计师的“规划与解释”能力，使其能

如何科学评估人工智能是否具备真正的想象力？纽约大学与德州大学奥斯汀分校的研究团队近期在预印本平台arXiv（论文编号：2603 09970v1）上发表了一项突破性研究，推出了名为CREATE的AI创造力评估基准。这项发表于2026年3月的工作，为量化与提升机器的创造性思维能力提供了全新的方法论与测试

这项由麦克马斯特大学与英属哥伦比亚大学联合团队主导的突破性研究，发表于2026年计算机视觉顶级会议，论文编号为arXiv:2603 22606v1。它实现了一项近乎科幻的AI视频预测能力：能够精准预测视频画面中每一个像素点在未来81帧（约2 7秒）内的完整运动轨迹。这并非简单的模糊猜测，而是为画面内

人类在观看照片时，能够本能地分辨物体的前后位置和远近关系，这种对三维空间的直观感知能力，对于计算机视觉系统而言，却是一个长期存在的核心挑战。近日，韩国科学技术院（KAIST）的研究团队在顶级学术会议上发布了一项突破性成果——名为“SpatialBoost”的创新方法。这项研究为人工智能系统真正“理解

当AI助手为我们预订航班、检索信息或处理复杂任务时，其内部正执行着一系列精密的“思考”与“操作”。这如同一位主厨烹饪佳肴，从食材准备、火候掌控到调味收汁，每个环节都直接影响最终成果。传统的AI评估方法，往往只关注“菜品是否可口”——即任务最终是否成功，却忽视了烹饪过程中的关键细节。然而，要真正提升A

这项碘伏性的研究来自麻省理工学院计算机科学与人工智能实验室，由甘雨露和菲利普·伊索拉两位研究者领衔，成果已于2026年3月发表在arXiv预印本平台（论文编号：arXiv:2603 12228v1）。 一提到训练人工智能，人们脑海中浮现的往往是复杂的算法、海量的数据和精密的调优过程。然而，MIT的这

在人工智能技术快速迭代的当下，大型语言模型的功能日益强大，但一个普遍存在的挑战也浮出水面：面对超长文本输入时，模型的处理速度会大幅降低，运算成本急剧增加。这一问题的根源，在于模型核心的“注意力机制”计算复杂度。 我们可以将注意力机制比作一位极其细致的图书管理员。每当接收到一个新词或新句子，这位管理员