最近，人工智能研究人员开始认真关注赋予机器“接地性”（groundedness）——机器的表征与实际现实之间的可靠关系——以及记忆和对因果关系的理解等项目。新的技术方法正在促进人工智能这些能力的提升，毫无疑问，未来我们在这方面还将取得更多进展。
在生成式AI和多智能体系统迅速发展的当下，谁能率先解决“可信度”和“可控性”问题，谁就能真正把AI带入生产级别的商业落地。英国AI创业公司 Portia AI，正是在这个方向上突围的代表。
视频理解的CoT推理能力，怎么评？
AI趋势正在“中场休息”，在此之前训练＞评估，在此之后评估＞训练。
让推理模型不要思考，得到的结果反而更准确？
多模态生成技术持续突破内容创作的边界。
“DeepSeek，评价一下第三届中国AIGC产业峰会”：
2025，当大模型来到应用爆发之年，越来越多的垂直行业当中，开始涌现出AI落地的经典实践案例。
最近，来自大连理工和莫纳什大学的团队提出了物理真实的视频生成框架 VLIPP。通过利用视觉语言模型来将物理规律注入到视频扩散模型的方法来提升视频生成中的物理真实性。
“人工智能数据中心的能源成本迅速上升，占据了全球头条新闻，然而硬件生命周期中其他环节对环境造成的影响却鲜少被提及。人工智能硬件的制造过程是能源密集型的，并且具有很深的环境足迹。”Digiconomist创始人、绿色和平组织所发报告《芯片制造的关键节点：追踪芯片制造中的电力消耗与碳排放》（下称报告）作者之一的Alex de Vries说。
