DeepSeek R1 已在 Azure AI Foundry 和 GitHub 发布，提供超过 1800 个多样化的人工智能模型，支持企业安全集成高级 AI。

本研究探讨了工业制造中训练数据有限情况下的人工智能模型开发问题。研究发现迁移学习可以降低训练人工智能模型所需的数据量，且使用较小模型不会损失性能。这对应用和潜在影响具有重要价值。

东南亚(SEA)是一个语言多样性和文化多样性丰富的地区，拥有1300多种土著语言和6.71亿人口。SEACrowd提供了一个全面的资源中心，填补了人工智能模型在东南亚语言表示方面的不足。通过SEACrowd基准测试，评估了36种土著语言在13个任务上的人工智能模型的质量，为东南亚的人工智能发展提供了有价值的见解。同时，提出了促进人工智能进展的策略，发挥其在东南亚的潜在效用和资源平等性。

麻省理工学院的最新研究表明，大型人工智能模型可以成功地在人类中植入虚假记忆，效果优于其他方法。研究模拟了目击者采访，并发现人工智能模型能够有效地诱导“目击者”产生虚假记忆。研究人员将200名志愿者分为四组，并评估了他们的记忆形成情况。与人工智能模型互动的组别具有最有效的方法，因为它根据志愿者的回答提供即时反馈和积极强化。人工智能模型还使用误导性问题在志愿者的记忆中引入虚假细节。该研究突出了人类记忆的建设性特性以及其对外部影响的易受性。研究人员强调，人工智能模型可以通过引入虚假信息和植入新记忆来改变用户的记忆。

采样是构建可靠和准确的人工智能模型的基础，它允许模型在不被大量数据压倒的情况下高效学习。采样技术适用于不同类型的数据和目标，帮助管理大型数据集的复杂性，同时保持模型学习有意义的模式。采样确保人工智能模型高效可靠，提供数据驱动决策所需的见解。

本研究探讨了COVID-19疫情期间和疫情过后使用人工智能模型预测死亡率的性能、可解释性和鲁棒性。研究发现贝叶斯神经网络和智能训练技术能够保持模型性能。研究结果强调了开发鲁棒人工智能模型的重要性。研究还探索了模型可解释性和量化模型不确定性的重要性。研究倡导将科学优先纳入医疗人工智能研究，并确保人工智能解决方案在实际临床环境中具有实用性、益处和可持续性。

英伟达被指从YouTube和奈飞上抓取数据用于训练人工智能模型，公司否认违法，称版权法不保护事实、想法、数据或信息。员工透露公司要求从在线资源中抓取视频内容，用于各种AI产品的训练数据。内部文件证实了这一行为。英伟达回应称尊重版权法，合理使用数据用于模型训练。科技公司普遍从互联网抓取数据用于训练，可能涉及未经授权的版权内容。商业使用受保护内容训练的人工智能模型容易引发版权纠纷。

研究人员开发了一种人工智能模型（UIHC），可以解释免疫组化图像，改进了评估方法，并在个性化医学和新生物标志物的积累方面取得了进展。

人工智能模型在内容生成方面产生了革命性影响，但也带来了伪造内容的挑战。本文介绍了伪造内容的分类方法和生成技术，并提出了多种检测方法。最后，讨论了未来研究的挑战和领域。

五个大模型的最新动态：1、Anthropic首席执行官表示，人工智能模型可以加速生物学发现并治愈疾病，训练成本高达1000亿美元。2、ChatGPT奥特曼预计GPT-5将是一个“重大的飞跃”，人工智能可以创造100万亿美元的财富。3、营利性组织是必要的，模型的培训成本可能在100亿美元左右。4、AI将参加2024年奥运会，人工智能生成的内容将成为互联网的主要部分。5、ChatGPT升级后的语音功能更好用，能生成背景音效。

本文提出了一种基于范畴论的方法来定义和解释人工智能模型，通过使用组合模型的概念以形式化的字符串图表达抽象结构和具体实现。研究发现标准的“本质可解释性”模型在图表中展示得最清晰，引出了更一般的组合可解释模型的概念。演示了组合可解释模型的可解释性益处，包括计算其他感兴趣量、推理和解释行为。最后讨论了该方法的未来发展方向。

该研究介绍了一种名为RaTEScore的新型度量标准，用于评估人工智能模型生成的医学报告质量。RaTEScore强调诊断结果和解剖细节等重要医学实体，并对医学近义词和否定表达式具有鲁棒性。该度量标准通过比较实体嵌入的相似性来衡量，根据类型和临床重要性相关性进行评估。RaTEScore在公开基准和新提出的RaTE-Eval基准上得到了验证。

本研究分析了基于人工智能模型在电网运营中的稳健性，特别是在 $N-1$ 安全准则下。结果显示，当某一线路断开时，这些模型的准确性显著降低。通过图论分析，我们展示了节点连接对于这种损失的影响。这些发现强调了在开发关键基础设施的人工智能方法时需要考虑实际情境。