1. 谷歌AI编程工具Antigravity上线24小时曝重大安全漏洞
谷歌基于Gemini推出的AI编程工具“Antigravity”上线仅24小时，就被安全研究员亚伦・波特诺发现重大安全漏洞，通过修改工具配置设置可执行恶意代码，在Windows和Mac系统用户电脑上创建“后门”，进而实施恶意软件安装、数据窃取或勒索攻击，且攻击方式仅需说服用户运行一次相关代码即可；此外该工具还被曝出另外两个可导致用户文件被访问的漏洞，目前谷歌尚未推出修复补丁。网络安全专家指出，AI编程工具普遍存在基于过时技术、设计有安全隐患等问题，且因拥有广泛数据访问权限易成为黑客目标，急需加强安全防护措施。

2. 聊天式提示词工具YPrompt：助力高效生成优化提示词
最近发现了一款聊天式提示词工程工具YPrompt，该工具通过与用户对话挖掘场景、目标、格式等需求，自动生成专业提示词，适配不擅长撰写或需频繁调整提示词的用户，支持表格、Markdown、代码块等多种输出格式及即时渲染预览功能，还具备版本管理特性，可记录修改痕迹、方便用户对比不同版本效果并回滚，为各类创作需求提供高效便捷的提示词生成与优化支持。
GitHub：
https://github.com/fish2018/YPrompt

3. 阿里推出轻量模型Z-Image，6B参数实现8步出印刷级画质
阿里通义实验室推出图像生成模型Z-Image（含Z-Image-Turbo版本），其仅6B参数却表现亮眼，在16G显存封顶的配置下，8步采样即可输出印刷级画质，消费级显卡3060 6G便可运行，RTX4090上渲染1024×1024图像仅需2.3秒，画质能与20B+闭源旗舰持平甚至小胜，还具备精准理解复杂中英文咒语、还原细腻视觉细节、纠偏不合理描述等优势，位列开源模型Elo人工偏好榜第一梯队。该模型依托全新S3-DiT架构实现高效推理，同步推出的Z-Image-Edit支持自然语言驱动的图像编辑功能，可通过pip命令加载，其“轻量高质”的特点标志着图像生成赛道迈入算力民主化时代，或将对Midjourney、Flux等竞品形成冲击。
GitHub：
https://github.com/Tongyi-MAI/Z-Image

4. DeepSeek发布自我验证数学推理模型DeepSeek-Math-V2，实现IMO金牌级性能
DeepSeek近期开源了数学推理模型DeepSeek-Math-V2，突破性地引入了自我验证机制，推动数学推理从“结果导向”转向“过程严谨性验证”。该模型通过构建“生成器-验证器-元验证”的协同系统，使AI具备自主检查证明过程、诚实评估错误的能力，在IMO 2025、CMO 2024等竞赛中达到金牌级水平（如IMO题目解决率达83.3%），并在Putnam 2024中接近满分。这一框架减少了模型幻觉，为复杂数学证明问题提供了无需依赖人工标注答案的解决方案。
论文：
https://github.com/deepseek-ai/DeepSeek-Math-V2/blob/main/DeepSeekMath_V2.pdf
Hugging Face：
https://huggingface.co/deepseek-ai/DeepSeek-Math-V2

5. 华为诺亚方舟实验室开源ROOT优化器，破解大模型训练速度与稳定性难题
华为诺亚方舟实验室最新开源了ROOT优化器，通过自适应Newton-Schulz迭代和软阈值去噪两大核心技术，成功融合了Adam优化器的稳定性与Muon优化器的快速收敛优势。该优化器针对不同维度矩阵采用细粒度系数，有效解决了正交化过程中的维度脆弱性问题，同时通过噪声过滤机制提升训练鲁棒性。实验表明，ROOT在1B参数Transformer预训练中损失低于Muon 0.01，并在多项下游任务中实现60.12的平均分，显著优于AdamW和Muon，展现出跨模态的强泛化能力。
论文：
https://arxiv.org/abs/2511.20626
GitHub：
https://github.com/huawei-noah/noah-research/tree/master/ROOT

6. 快手团队提出TagCF框架，让推荐系统从"懂内容"迈向"懂用户"
快手团队在NeurIPS 2025提出TagCF框架，通过MLLM视频内容理解和LLM行为逻辑推理两大模块，构建用户角色识别与兴趣点关联的逻辑图谱，实现从传统基于内容的推荐向理解用户社会角色和行为的范式转变。该框架不仅能提升推荐准确率（线上实验显示交互量提升0.946%），还能显式建模并突破信息茧房，通过TagCF-expl策略在保持准确性的同时提升多样性，为推荐系统提供了可解释、可控制的增强方案。
论文：
http://arxiv.org/abs/2505.10940
GitHub：
https://github.com/Code2Q/TagCF

7. 北大等机构联合推出PartCrafter，实现首个可编辑部件级3D生成模型
北京大学、字节跳动与卡耐基梅隆大学联合提出PartCrafter模型，突破传统整体式3D生成的限制，首次实现从单张图像直接生成由多个独立、可编辑部件组成的结构化3D网格。该模型通过组合式潜在空间与局部-全局联合去噪Transformer架构，在34秒内即可生成高质量的可拆分部件（如椅子腿、车轮等），支持用户自定义部件粒度，在物体生成（F-Score提升5.8%）和遮挡场景重建方面均显著优于现有方法，为游戏、VR等领域提供了模块化内容创作新范式。
项目主页：
https://wgsxm.github.io/projects/partcrafter/
论文：
https://arxiv.org/abs/2506.05573
GitHub：
https://github.com/wgsxm/PartCrafter

8. NeurIPS 2025奖项揭晓：Qwen获最佳论文，Faster R-CNN获时间检验奖
NeurIPS 2025共评选出4篇最佳论文和3篇亚军论文，覆盖语言模型同质化分析、注意力门控机制、深度强化学习网络及扩散模型泛化理论等前沿方向，其中通义千问团队的《Gated Attention for Large Language Models》因系统揭示注意力门控对训练稳定性和外推能力的提升作用而获奖；经典目标检测论文Faster R-CNN获时间检验奖，其提出的区域建议网络框架十年间被引超5.6万次；本届会议接收率24.52%，新设的Sejnowski-Hinton奖则表彰了反馈对齐机制在生物 plausible 学习中的奠基性贡献。
获奖论文的一些信息：

• Gated Attention for Large Language Models
  论文：
  https://openreview.net/forum?id=1b7whO4SfY
  GitHub：
  https://github.com/qiuzh20/gated_attention
• Artificial Hivemind: The Open-Ended Homogeneity of Language Models (and Beyond)
  https://openreview.net/pdf?id=saDOrrnNTz
• 1000 Layer Networks for Self-Supervised RL
  https://openreview.net/pdf?id=s0JVsx3bx1
• Why Diffusion Models Don’t Memorize
  https://openreview.net/pdf?id=BSZqpqgqM0
• Does Reinforcement Learning Really Incentivize Reasoning Capacity in LLMs Beyond the Base Model?
  https://openreview.net/pdf?id=4OsgYD7em5
• Optimal Mistake Bounds for Transductive Online Learning
  https://openreview.net/pdf?id=EoebmBe9fG
• Superposition Yields Robust Neural Scaling
  https://openreview.net/pdf?id=knPz7gtjPW
• Faster R-CNN
  https://arxiv.org/pdf/1506.01497

9. FFGo方法揭示视频生成首帧的"概念记忆体"功能，实现高效多对象定制
马里兰大学等机构研究发现视频生成模型的首帧并非简单起点，而是存储后续画面视觉元素的"概念记忆体"，基于此提出FFGo方法——仅需20-50个样本和少量LoRA训练即可激活模型固有的多对象融合能力，在机器人操作、影视制作等场景中实现5个参考对象的稳定生成，且无需修改模型结构或大规模数据，在用户研究中以81.2%的偏好率显著优于现有方法。
论文：
https://arxiv.org/abs/2511.15700
项目主页：
http://firstframego.github.io

参考

1. https://www.aibase.com/zh/news
2. https://mp.weixin.qq.com/s/FctcBGr76_geN0FAVjXWQQ
3. https://mp.weixin.qq.com/s/X7dNh8lwr0xVW7TsuO4D2g
4. https://mp.weixin.qq.com/s/9cAw5GWYRW8vZs7S2io7KA
5. https://mp.weixin.qq.com/s/yrUGvXeA6uEkdJMBeA4xFg
6. https://mp.weixin.qq.com/s/4Jb_jiLQwrs7GK9V7NOjAg
7. https://mp.weixin.qq.com/s/XQGmskJqqFdKx4vCc45tDA