Nvidia 的 GPU 技术大会 (GTC) 将于下周在圣何塞举行,与此同时在旧金山市中心举办的游戏开发者大会 (GDC) 距离并不遥远。尽管地理位置相近,但这两个会议的主题可能会有天壤之别,因为 Nvidia CEO 黄仁勋似乎更倾向于讨论 Nvidia 在 AI 领域的发展,而不是游戏领域。
在 Nvidia 的 GTC 会议目录中,主题演讲被简要描述为:"不要错过 NVIDIA 创始人兼 CEO 黄仁勋的主题演讲。他将分享 NVIDIA 的加速计算平台如何推动 AI、数字孪生、云技术和可持续计算的下一波浪潮。"
随着近期 5090 的发布,Nvidia 对新游戏图形能力保持低调是可以理解的。目前,改进可能更倾向于渐进式的小幅提升,而不是每隔几年就有一次重大革新。但这也表明 Nvidia 清楚地知道目前谁是他们的主要客户,并将重点转向这个方向。
此外,Nvidia 和黄仁勋可能迫切需要重新赢得 AI 市场的信心。自从几个月前 DeepSeek 问世以来,AI 的格局发生了巨大变化,这使得 Nvidia 关于"必须使用直接来自源头的昂贵硬件才能获得最佳效果"的论调显得有些站不住脚,这一点从股市表现中也可见一斑。
Nvidia 希望通过 GTC 获得一次胜利,而这种胜利更可能来自 AI 爱好者和投资者,而不是游戏玩家。这并不是说公司不会发布任何关于如何在 2025 年及以后的新游戏中获得最佳图形效果的信息,但至少在主题演讲中,核心焦点显然在其他地方。
好文章,需要你的鼓励
这项研究提出了R1-Searcher++框架,通过两阶段训练策略使大语言模型能像人类一样灵活利用内部知识和外部信息。该方法创新性地采用强化学习激励模型优先使用内部知识,并引入记忆机制将检索到的信息转化为内部知识,实现动态知识获取。实验表明,R1-Searcher++不仅在多步问答任务上表现优异,还大幅减少了检索次数,显著提高了推理效率。
这项研究提出了AutoRefine,一种革新性的强化学习框架,为大语言模型引入了"边思考边搜索和完善"的全新范式。与传统方法不同,AutoRefine在连续搜索调用之间添加知识完善步骤,让模型能够有效过滤和组织信息。通过结合答案正确性和检索质量双重奖励,该方法在七项问答基准测试中平均提升6.9%的准确率,特别在复杂多跳推理场景中表现突出,解决了现有检索增强推理的核心局限性。
这项研究揭示了一种新型网络安全威胁:利用普通网络广告攻击AI网页代理。中科院研究团队开发的AdInject攻击无需特殊权限,仅通过精心设计的广告内容就能误导AI代理点击恶意链接,成功率高达90%以上。研究使用严格的黑盒模型,更符合现实场景,暴露了当前AI代理面临的实际安全漏洞。实验还表明,即使添加专门的防御提示,这类攻击仍能成功率超过50%,凸显了设计更强大防御机制的紧迫性。
东北大学与快手科技联合研发的UNITE系统为多模态信息检索带来突破性进展。这项发表于2025年5月的研究首次系统分析了模态特定数据如何影响检索性能,并提出创新的模态感知掩码对比学习技术,有效解决不同模态间的竞争关系。UNITE能同时处理文本、图像、视频及其组合,在40多项测试中超越现有方法,即使与参数规模更大的模型相比也表现出色。研究发现视频-文本对在通用检索中表现优异,而文本-文本和文本-图像对对指令遵循任务至关重要,为未来多模态系统研究提供了宝贵指南。