AI本周热讯精选:《时代》AI架构师

新闻

作者：微信文章


时代年度人物揭晓：AI架构师

《时代》杂志（TIME）将2025年的年度人物称号授予“AI的架构师们”，正式确认生成式AI已成为定义这个时代的核心力量。这一选择不仅赞扬了技术本身的惊人创新和潜力，更是对少数推动者（包括NVIDIA的黄仁勋、OpenAI的奥特曼等）所肩负的巨大影响力和伦理责任的认可。

2025年是AI潜力全面爆发的一年，其发展速度和采用率前所未有，影响力渗透到医疗、生产力和科学研究的方方面面。黄仁勋表示，这是“我们时代最具影响力的技术”。然而，快速发展也伴随着巨大的权衡：能源消耗、工作岗位流失、信息真伪挑战（如Deepfakes）以及权力的高度集中。这一评选旨在聚焦于这些塑造AI未来走向的关键人物，他们正带领人类进入一个由“思考机器”主导的新纪元，其后果将是显著进步与更大不平等的交织。

https://time.com/7339621/person-of-the-year-2025-ai-architects-choice/

开源Kandinsky ！图像视频全能，效率暴涨2.7倍！

一个代号为Kandinsky 5.0的基础模型家族横空出世，旨在提供高分辨率图像和最长10秒视频生成的顶尖能力。该框架包含三款核心模型：Image Lite（60亿参数）负责图像生成和编辑；Video Lite（20亿参数）轻巧且快速，是开源文生视频领域的佼佼者；而Video Pro（190亿参数）则致力于实现超高质量HD视频。Kandinsky 5.0的关键突破在于其效率优化：它采用了名为NABLA（邻域自适应块级注意力）的新机制。这一创新稀疏注意力算法能将高分辨率视频的训练和推理速度提高2.7倍，同时保持90%的稀疏率。此外，该模型利用了包括强化学习（RL）在内的多阶段训练流程来提升生成质量和连贯性。更重要的是，Kandinsky 5.0是一个开源项目，使用Apache 2.0许可证发布，向全球研究者和商业应用敞开大门。

https://arxiv.org/abs/2511.14993

告别“玄学”提问！微软Promptions让AI对话更可控

微软研究院发布了Promptions（Prompt + Options），这是一个解决AI提示词低效、重复试错问题的动态UI框架。现有的大语言模型（LLM）用户常因提示词不精确，导致AI输出不符合预期。Promptions作为用户和LLM之间的轻量级中间件运行，能根据用户的原始输入和对话历史，自动生成一系列动态的精炼选项（如“解释的详细程度”、“关注点”、“响应格式”）。用户无需撰写冗长复杂的提示词，只需通过交互式控件（如滑块、复选框）来即时调整AI的生成方向，大幅提高了提示词的精度和可控性。研究发现，动态控件不仅减轻了提示工程的负担，还能提示用户思考更多定制化的需求，从而帮助他们更专注于内容的理解而非交互管理。Promptions已在MIT许可证下开源，旨在帮助开发者构建更智能、更具响应性的AI应用。

https://www.microsoft.com/en-us/research/blog/promptions-helps-make-ai-prompting-more-precise-with-dynamic-ui-controls/?lang=zh-cn

图像检索新范式：多向量RAG如何读懂“图”？

DeepLearning.AI推出关于“多向量图像检索”的短课程，揭示了多模态RAG（检索增强生成）系统的关键技术突破。传统的图像检索系统通常只用单个向量来表示整个图像，但在处理复杂文档（如图文混排）时精度不足。多向量检索则将图像分解为多个“补丁级嵌入”（Patch-level Embeddings），为图像的每个局部细节创建单独的向量。这种细粒度的表示允许模型更精确地匹配文本查询和图像局部，大幅提升了搜索质量。

课程将教授如何应用ColPali模型进行图像检索，以及使用量化和池化等优化技术来降低内存消耗。最终目标是结合MUVERA嵌入实现高速搜索，并构建一个完整的多模态RAG管线，让AI系统能真正“读懂”包含图像的复杂文件，为AI应用开发者提供了进阶工具。

https://learn.deeplearning.ai/courses/multi-vector-image-retrieval/information

Google新框架：聊天记录不泄密，也能读懂AI用户！

谷歌研究院推出名为Urania的差异化隐私（DP）框架，解决了在分析AI聊天机器人大规模使用情况时保护用户隐私的关键难题。以往的方法依赖启发式地删除个人信息（PII），但缺乏严格的隐私保证。Urania框架提供端到端的DP数学保证，确保单个用户的对话内容不会过度影响最终结果。其核心流程包括：

DP聚类：使用差异化隐私算法对对话嵌入进行分组。

DP关键词提取：通过加噪直方图机制，确保只选择多人共有的通用关键词，屏蔽敏感的个人术语。

LLM摘要：大模型仅依据私有化后的关键词生成高层级摘要，全程不接触原始对话。

测试结果显示，Urania框架相比非私有化基线能提供更强的隐私保护，并且其生成的摘要因聚焦于通用话题，反而经常被评估者认为更简洁、更聚焦。这证明了在严格保护隐私的同时，仍能获取有价值的用户洞察。

https://research.google/blog/a-differentially-private-framework-for-gaining-insights-into-ai-chatbot-use/

LangChain重磅发布！Deep Agents迈向工程化，首推标准化评估基准。

核心AI Agent开发框架LangChain正全力推动“Deep Agents”（深度智能体）的工程化和标准化。Deep Agents指的是具备复杂多步规划、自主推理和自我修正能力的下一代AI智能体。LangChain通过其LangGraph模块，实现了对Agent复杂行为流的精确构建和控制。更关键的是，LangChain发布了新的评估方法和Terminal Bench 2.0基准测试，旨在首次量化Deep Agents在真实命令行环境下解决问题的能力。LangChain同步开放了相关课程和CLI工具，这极大地加速了开发者将AI Agent从简单的提示脚本升级为可工程化、可测试、可信赖的复杂系统的进程。

https://blog.langchain.com/evaluating-deep-agents-our-learnings

https://blog.langchain.com/evaluating-deepagents-cli-on-terminal-bench-2-0

https://luma.com/voz2b5h3

https://academy.langchain.com/courses/deep-agents-with-langgraph

NeurIPS上新 | AI创新应用：驱动科学发现与垂直领域突破

微软亚洲研究院在 NeurIPS 2025 大会上的研究成果，聚焦于将 AI 打造成“科学引擎”，以驱动科学发现并在垂直领域实现突破。研究重点在于解决通用基础模型难以处理高度结构化、高复杂度专业数据（如医疗时间序列、基因组信息、物理仿真）的挑战。

研究院通过开发领域专用的基础模型和高效的数值分析算法，系统性地解决了多个专业领域的关键难题：

精准医疗与健康： 推出 MIRA，一个面向真实世界健康数据的统一医学时间序列基础模型。

基因组学： 研发 Omni-DNA，一个支持序列理解、长上下文和文本注释的基因组模型。

工程设计： 提出 CADMorph 框架，通过“规划-生成-验证”循环，实现了几何驱动的参数化 CAD 编辑，简化了复杂工程模型的迭代设计。

物理仿真与预测： 探索从不规则的稀疏观测中，生成物理动态全场演化的方法。

这些突破性工作加速了人类对生命科学和自然规律的认知，为 AI 赋能千行百业提供了强大的工具和方法论。

https://www.microsoft.com/en-us/research/articles/new-arrival-in-research-35/?locale=zh-cn