LeCun创办的Advanced Machine Intelligence（AMI）估值247亿，专注于世界模型，强调开源和理解真实世界的重要性。他批评Meta的决策失误，认为其难以将研究转化为产品。AMI计划在多个城市设立机构，吸引顶尖人才。

谢赛宁团队的新论文iREPA源于一次推特辩论，研究空间结构对生成性能的影响。结果表明，空间结构对生成质量的影响超过全局语义，iREPA实现简单，仅需3行代码，显著提升性能。

寒武纪项目由谢赛宁、李飞飞和LeCun主导，推出了Cambrian-S模型，专注于提升AI的空间感知能力。该模型通过多模态视频理解，解决了传统模型在长视频处理中的不足，取得了显著进展。

字节Seed的康炳易团队推出Depth Anything 3（DA3），该模型利用单一Transformer实现任意视图的3D重建，提升了相机定位和几何重建的准确性。通过简化架构和核心预测，DA3能够从单图、多图或视频中提取深度和光线信息，展现出强大的性能和广泛的应用潜力。

谢赛宁团队的新研究表明，VAE时代已结束，RAE（表征自编码器）将取而代之。RAE结合预训练编码器与轻量解码器，提供高质量重建和快速收敛，尤其在图像生成方面表现优异，克服了VAE的多项局限。

机器之心数据服务现已上线，提供高效稳定的数据获取，简化数据爬取流程。

机器之心数据服务现已上线，提供高效稳定的数据获取服务，帮助用户轻松获取所需数据。

谢赛宁团队推出的MetaCLIP 2模型打破了“多语言诅咒”，支持300多种语言，并提升了英语性能。该模型通过全球数据训练，优化了数据筛选和模型结构，现已开源数据和代码。

机器之心数据服务现已上线，提供高效稳定的数据获取，简化数据爬取流程。

近期，AI审稿人在期刊中被广泛使用，部分作者在论文中插入隐藏指令以操控AI给出好评。日本经济新闻报道，17篇论文中发现此类秘密指令，涉及多个国家的高校。这一事件引发了对AI审稿伦理的讨论，专家呼吁重新审视AI在学术中的应用界限。

机器之心数据服务现已上线，提供高效稳定的数据获取，简化数据爬取流程。

AI时代，是时候重新思考学术伦理问题了

Blender Fusion框架结合图形工具与扩散模型，实现了对图像生成的精准控制。用户通过物体分层、Blender编辑和生成式合成，灵活操控图像中的物体，提升创作自由度，使AI图像合成更加直观，像搭积木一样编辑细节。

谢赛宁领导的华人团队推出了LiveCodeBench Pro编程竞赛基准，测试显示多款大模型在编程题上表现不佳，均得0分。该基准每日更新题库，旨在防止模型“背题”。结果表明，模型在逻辑和知识密集型问题上表现较好，但在观察密集型问题上能力不足，反映出算法推理和案例分析的短板。

机器之心数据服务现已上线，提供高效稳定的数据获取服务，简化数据爬取流程。

机器之心数据服务现已上线，提供高效稳定的数据获取服务，简化数据爬取流程。

机器之心数据服务现已上线，提供高效稳定的数据获取服务，帮助用户轻松获取所需数据。

谢赛宁的论文《深度监督网络》在被NeurIPS拒稿11年后，获得AISTATS 2025时间检验奖。他希望鼓励遭遇评审打击的学者，强调拒稿并不意味着失败。该论文提出的中间层监督方法已成为深度学习领域的重要成果，影响深远。