LeCun因对Meta的不满选择离职，计划创业，导致Meta市值蒸发1400亿人民币。他与Meta在AI战略上存在分歧，主张基础研究的LeCun与Meta的快速产品导向相悖，标志着FAIR的黄金时代结束。

LeCun因Meta对AI部门的组织调整和学术自由限制感到不满，考虑辞去FAIR首席科学家职务。Meta的新审核制度使FAIR团队失望，导致内部不满加剧，许多员工选择离职。

Meta宣布FAIR论文需经TBD实验室审核，首席AI官Alexandr Wang加强内部控制，引发FAIR员工不满，部分员工选择跳槽。重组后，FAIR与TBD关系平行，Wang的干预引发争议，影响研究独立性。

这波操作，LeCun看了都得懵

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。

2025年8月16日，机器人全产业链接会FAIR plus 2026媒体见面会在北京召开，旨在构建全球智能制造生态。会议强调中德机器人产业链互补，FAIR plus 2026将于2026年4月在深圳举行，预计吸引5万名专业观众，推动行业协同创新与国际交流。

90后华人科学家赵晟佳被任命为Meta超级智能实验室首席科学家，负责AI战略。他将与FAIR首席科学家LeCun合作。FAIR经历多次重组，逐渐向应用研发转型。赵晟佳曾在OpenAI工作，推动推理模型发展，未来与Meta的合作备受期待。

本研究提出VariFace，通过二阶段扩散方法生成公平且多样的人脸合成数据集，显著优于现有合成数据集，并在多个评估数据集上超越真实数据，树立新标准。

Meta的FAIR实验室与阿姆斯特丹大学联合推出FlowLLM模型，结合大语言模型和黎曼流匹配，提升材料生成效率300%，S.U.N.材料效率提高50%。该模型有效弥合离散与连续变量建模的差距，显著优于现有模型。

本研究提出了一种新的神经网络分配机制，旨在解决不可分资源的公平分配问题。该机制在学习过程中严格遵循公平性约束，并在可取性方面优于现有算法，展现出良好的应用前景。

本文介绍了一个新的计算病理学数据集，包含头颈鳞癌患者的数字化图像，展示了染色方法的等效性。研究提出了建模肿瘤微环境对药物效应影响的方法，并验证了其优越性能。此外，介绍了基于光学相干断层扫描的影像系统，标志着组织筛选领域的重大进展，具有潜在的药物研发应用。

该研究介绍了一种通过自动索引和语义增强来提高临床 CT 图像系列的可发现性、可访问性、可互操作性和可重用性的方法，使用 HL7 FHIR 资源对元数据进行标准化，以提供医学影像数据的易发现性并促进互操作性，为医疗人工智能应用的大规模集成和索引提供了基础。

本文探讨了使用本体论方法构建FAIR数学研究数据，介绍了MEDFAIR框架用于医学成像模型的公平性评估。研究提出了MIDA方法，以应对多工作流数据分析的挑战，并展示了FAIM框架在减少性别和种族偏见方面的有效性。此外，介绍了FlexDM多模态学习模型和基于本体的多标签分类系统，以支持FAIR和TRUST原则。

本文介绍了全能多退化图像恢复网络（AMIRNet）和频率感知图像恢复（FAIR）等多种图像恢复方法，旨在解决不同的退化问题。研究表明，这些方法通过学习退化表示和优化策略，能够有效恢复高质量图像，并在多个数据集上取得了先进的性能。

FAIR是一种联邦学习模型，用于处理设备异构存储容量，实现推荐系统和广告的联合训练。该模型在多个数据集上验证了其收敛性和设备之间的无缝协作，同时考虑了数据隐私和GDPR等法规的影响。

本文提出了一种增强 VQ-VAE 结构的频率补全模块和动态频谱损失，用于平衡频率以获得最佳重建。FA-VAE 进一步扩展到文本到图像合成任务中，并提出了交叉注意力自回归变换器以获得更精确的文本语义属性。实验结果表明，FA-VAE 能够更忠实地恢复细节，CAT 在图像文本语义对齐方面也显示出更好的生成质量。