1. 研究背景与团队
本文由浙江大学、中南大学、上海交通大学、Tiktok、北京大学、南洋理工大学联合完成，第一作者为浙江大学王浩（发表多篇顶会论文），通讯作者为北京大学李昊轩和南洋理工大学陶大程教授。研究聚焦时间序列预测在气象、工业、医疗等领域的应用价值。

2. 核心问题与创新
现有方法忽略标签序列的自相关性，导致训练目标有偏。论文提出频域标签训练新范式FreDF，仅需一行代码即可在主流模型（如Transformer、MLP）上稳定提升预测精度。

3. 关键理论与方法
• 定理3.1证明：时域标签相关性>0时，传统损失函数有偏；频域中相关性被抑制，损失函数无偏。
• FreDF通过添加频域损失实现：融合时域与频域损失（α=0.8~0.9时效果最佳），显著提升序列高频成分捕捉能力。

4. 实验结果
• ETTm1数据集：iTransformer的MSE降低0.019，相当于过去1.5年该数据集性能提升总和。
• M4数据集：FreTS模型在3项指标上全面超越基线。
• 消融实验显示：仅频域损失即可显著改进性能，时频域融合进一步优化。

5. 普适性与意义
FreDF在iTransformer、DLinear等不同架构上均有效，具有模型无关性，为时序预测提供通用解决方案，可成为性能优化的”最后一棒”。

1. ICLR 2025时间检验奖结果公布

冠军论文：2015年提出的Adam优化算法（被引超21万次），因其革命性地提升神经网络训练效率，成为深度学习领域最广泛应用的优化器之一。作者Diederik P. Kingma（OpenAI创始成员）第二次获此殊荣，其另一贡献VAE曾获2024年该奖项。
亚军论文：《Neural Machine Translation by Jointly Learning to Align and Translate》，比Transformer早三年提出注意力机制，为现代序列模型奠定基础，作者包括图灵奖得主Yoshua Bengio。

2. Adam算法的核心贡献

– 结合动量法与RMSProp，通过动态调整学习率实现高效收敛；
– 适用于CV、NLP、强化学习等领域，成为SOTA模型的默认优化器；
– 论文作者还包括多伦多大学助理教授Jimmy Lei Ba（Geoffrey Hinton学生）。

3. 亚军论文的里程碑意义

– 首次提出软性注意力机制，解决传统编码器-解码器的固定向量瓶颈；
– 灵感源自翻译时的”目光移动”，被Yoshua Bengio命名为”Attention”；
– AI专家Andrej Karpathy曾为其影响力未被充分认可鸣不平。

4. 作者背景亮点

– Diederik P. Kingma：VAE、Glow、扩散模型贡献者，现任职Anthropic；
– Dzmitry Bahdanau（亚军论文一作）披露研究细节：注意力机制灵感来自中学英语翻译练习；
– Kyunghyun Cho（合著者）现为纽约大学教授兼Genentech研究总监。

（注：所有论文链接及参考来源已省略，保留于原摘要中）

1. 新品发布与战略布局
小鹏汽车于4月15日在香港举办全球发布会，推出2025款旗舰MPV小鹏X9，共四个版本（售价35.98万-41.98万元），并宣布以技术创新和本地化战略加速全球化。同步展示飞行汽车、AI机器人技术成果，强调AI与能源技术为核心竞争力。

2. 技术突破与未来规划
• AI智驾：全栈自研72B参数大模型，2025年实现L3级智驾；推出图灵AI芯片（算力提升3倍），支持汽车、机器人及飞行汽车。
• 飞行汽车：分体式“陆地航母”获近4000订单，2026年量产，年产能1万台。
• 机器人：IRON机器人仿人设计，已投入工厂应用。

3. 全球化与补能体系
• 充电网络覆盖31国207万桩，5C超充技术实现“12分钟充80%”。
• 鲲鹏电动体系2025年落地，综合续航1400km。
• 2023年出口销量中国新势力第一，2025款X9将进军欧洲60国。

4. 2025款小鹏X9核心升级
• 舒适性：全系标配零重力座椅、三排180°躺平、百万级静谧底盘，496项细节重构。
• 智能化：标配图灵智驾（端到端大模型）、AI底盘（自适应路况）、6D防晕算法。
• 三电安全：全域800V平台、防弹装甲电池、46000N·m/deg车身刚度。
• 配置：21.4英寸娱乐屏、车载冰箱、静感空调等。

核心发现总结：

1. 强化学习训练导致长响应现象
研究揭示，当模型获得负奖励（答案错误）时，PPO算法会通过数学机制鼓励生成长响应，因为更长的回答能稀释每个token的惩罚，降低损失值。即使额外内容无助于解题，模型仍会”学习”这种策略。

2. 两阶段训练法的突破
提出两阶段强化学习策略：
– 第一阶段：用高难度问题训练（响应变长）
– 第二阶段：用可解问题优化（响应缩短且准确度提升）
实验证明该方法能显著减少响应长度30%，同时保持或提高准确度。

3. 关键数据验证
– 简洁性与准确度正相关：短回答往往正确率更高
– 小数据集有效性：仅用4个问题训练即可提升模型性能
– 温度敏感性改善：后训练模型在零温度下表现更稳健

4. 理论机制解析
将推理问题建模为马尔可夫决策过程（MDP），揭示PPO损失函数与响应长度的动态关系。错误答案会触发”损失最小化”机制，导致响应自动延长，而非模型主动选择复杂推理。

5. 实际应用价值
该研究对降低大模型计算成本具有重大意义，同时指出当前强化学习存在的根本问题：模型优化目标是奖励最大化而非问题解决本身。

AI技术推动数据库智能化转型：从ChatGPT到GPT-4o的多模态跨越，揭示了数据质量决定智能高度的底层逻辑。OceanBase作为分布式数据库领军者，通过一体化架构（如HTAP混合负载、SQL+AI融合）重新定义AI原生数据库，实现交易与分析的无缝衔接。

OceanBase AI黑客松大赛启动：4月10日开启报名，由OceanBase与蚂蚁开源联合主办，设置10万奖池。赛事聚焦两大方向：1）以OceanBase为数据基座构建AI应用；2）探索OceanBase+AI生态共创（如与CAMEL AI、FastGPT等合作开发问答/诊断系统）。

参赛规则与激励：个人或团队（1-5人）需提交RFC+演示视频+PPT，评审标准包括创新性、技术挑战等。优胜者可获奖金、社区积分、线下展示机会及认证讲师资格。所有参赛者将获得技术导师全程支持。

资源支持：提供OceanBase官方文档、GitHub仓库、AI工作坊等学习资源，并开放专属技术论坛。大赛强调”技术共享，生态共创”，获奖作品将亮相2025 OceanBase开发者大会。

1. AI技术重构全球格局：前沿技术如”存算一体””云边端协同”正推动智能制造、智慧城市等领域的突破性应用，2025 AI算力产业大会聚焦行业痛点。

2. 九章云极技术方案：提出”弹性调度+智能开发+资源普惠”全栈布局，核心产品包括：
– 弹性容器集群VKS：基于Serverless架构实现秒级扩缩容，降低50%集群成本
– 大模型工具Aladdin：提升4倍开发效率，降低75%算力成本
– 创新算力包：业内首创”按度计量”模式，实现供需动态平衡

3. 技术协同效应：VKS动态伸缩+算力包按量计费+Aladdin开发插件形成完整解决方案，特别适合科技企业快速迭代。

4. 未来愿景：以”算力+算法”双核驱动，构建”弹性、流动、共生”的算力网络生态，突破行业能力边界。

1. 研究背景与问题
扩散模型在视频生成中性能卓越，但传统方法（如HunyuanVideo）需大量推理步骤去噪，导致生成5秒720p视频耗时3234秒（单A100），存在效率瓶颈。

2. 创新解决方案
上海AI Lab提出AccVideo框架，通过合成数据集SynVid和高效蒸馏技术实现：
– 8.5倍加速：推理速度提升至教师模型的8.5倍
– 低资源训练：仅需8块A100训练12天（3.84万条合成数据）
– 质量保持：生成5秒720p视频质量与教师模型相当

3. 关键技术突破
3.1 SynVid数据集构建
利用教师模型生成高质量视频及去噪轨迹，避免传统蒸馏中的无效数据点问题，显著提升训练效率。
3.2 少步指导机制
通过5个关键扩散时间步学习噪声-视频映射，推理步数减少10倍（m=5）。
3.3 对抗训练策略
噪声感知判别器+时间步投影头设计，避免前向扩散操作，稳定提升生成质量。

4. 实验结果
– 定性对比显示伪影更少（如手部细节）
– 较CogVideoX1.5提升画面保真度和背景效果
– 文本匹配度优于HunyuanVideo（如复古SUV呈现）

5. 开源与影响
– 已集成ComfyUI并支持Lora
– 获Reddit等社区广泛关注
– 开源地址：github.com/aejion/AccVideo