速览：AI与军事智能防务资料精选汇总
精选推荐！【DARPA终身学习机器（L2M）】《面向自主系统感知与行动的终身学习》美空军、宾大2022年最新234页技术报告《多智能体交互中的深度强化学习》爱丁堡大学十余位作者2022年最新论文《以无人机为主导的海军力量投送新时代》最新报告欧洲、威慑以及远程打击能力推荐阅读！全面掌握美陆军AI版图 |《人工智能的战场运用》130页报告人机协同：《基于强化学习的有人-无人机编队任务规划：敌防空压制（SEAD）任务》最新论文《综述：多智能体系统（MAS）中的任务分派技术》获美国空军项目支持重点推荐！《人工智能
高功率微波对抗无人机蜂群的人工智能策略
本报告由美海军发布，探讨了通过人工智能（AI）技术提升高功率微波（HPM）系统效能，以有效应对自主无人机蜂群的战术研究。以下是报告的主要内容概述。一、 研究背景与核心目标二、 三个核心子项目的研究内容与发现三、 总结报告指出，在开发生成分布式神经网络控制器以高效击退攻击蜂群的强化学习框架方面取得了关键性进展：·点击左下角“阅读原文”或复制以下网址查阅https://www.zhuanzhiai.com/vip/f4f108772d842dfc920076b1817cfa28了解专知防务·欢迎微信添加专知助
上汽大众ID. ERA 9X首发搭载Momenta R7强化学习系统
3月16日，上汽大众举办以“人本科技”为主题的ID. ERA技术发布会，首次展示了ID. ERA系列智能辅助驾驶等核心技术。会上，Momenta CEO曹旭东宣布：Momenta R7强化学习世界模型即将面世，并将全球首发搭载于上汽大众全新旗舰SUV ID. ERA 9X。 上汽大众ID. ERA 9X 全球首发搭载Momenta R7强化学习世界模型，标志着‘物理AI’正式迈入实际应用阶段。全新的Momenta R7强化学习世界模型，通过在强化学习中加入世界模型，提升了对物理世界的理解能力，包括物体属性
机器人从实验室走向生活
“请整理一下客厅，并为客人准备一杯奶茶。”随着指令发出，机器人开始环视四周，迅速识别出散落的物品。它熟练地拿起扫帚，按照规划好的路径清扫地面；任务完成后，它转向操作台，取杯、加茶、加奶、搅拌、递送，动作流畅自然，一气呵成。整个过程完全无需人工干预，就像一位经验丰富的管家。 这是记者日前在天津大学深度强化学习实验室目睹的一幕。机器人的“智慧”来源于天津大学具身团队自主研发的具身基座模型Embodied-R1.5。在这个实验室里，一群年轻人正努力推动人工智能从“会计算”迈向“会行动”，加速实验室成果的产业化进
AI入门读物精选合集
这是一本融合理论与实践的AI基础读物，专为高校通识课程设计，也适合希望全面了解人工智能的各类读者。本书无需深厚的技术或数学背景，语言简洁明了，简化了复杂的数学推导，具备跨学科特性，文、理、工各专业读者均可轻松阅读。全书内容体系完整，覆盖人工智能的核心知识与最新动态，包括人工智能的定义、历史、伦理等基础介绍，以及知识推理、知识图谱、机器学习、深度学习等核心技术，还拓展了计算机视觉、具身智能、智慧医疗、生成式AI、大模型等前沿应用领域，全面展示了人工智能的完整框架。本书旨在培养读者的AI科学素养与科技思维，并
机器学习基础与核心概念
01）机器学习的关键理念是（）。A. 让计算机按照固定规则运行 B. 让计算机从数据中自主发现规律 C. 让计算机存储海量信息 D. 让计算机进行快速运算答案：B解析：机器学习的核心在于让计算机通过数据自主总结规律，而非依赖预设规则。利用大量数据和正确结果，使计算机自行归纳模式。02）监督学习与无监督学习的显著差异是（）。A. 是否需要大规模数据 B. 数据是否带有标签 C. 是否需要人工参与 D. 是否能处理连续值答案：B解析：监督学习与无监督学习的主要区别在于训练数据是否包含标签。监督学习的数据附带正
机器学习基础问答
01）机器学习的基本理念是（）。A. 让计算机遵循固定规则 B. 让计算机自动从数据中学习规律 C. 让计算机存储海量信息 D. 让计算机执行快速计算02）监督学习与无监督学习的区别在于（）。A. 是否需要大量数据 B. 是否包含标签数据 C. 是否需要人工干预 D. 是否能够处理连续值03）关于监督学习的说法，正确的是（）。A. 训练数据没有标签 B. 训练数据包含输入特征及正确输出标签 C. 仅适用于分类问题 D. 不需要训练过程04）无监督学习的任务不包括（）。A. 聚类 B. 降维 C. 分类 D
阿里通义发布：PrismAudio 利用AI生成更优音频
近日，香港科技大学、阿里巴巴通义实验室、香港中文大学联合发表一篇论文《PrismAudio: 分解思维链与多维奖励的视频转音频方法》，提出了一种全新框架，巧妙解决现有难题。其核心理念为：“分而治之，协同优化”。论文首先指出当前V2A技术的三大瓶颈：为攻克这些问题，PrismAudio构建了一个全新框架，首次将强化学习（RL）与专业化思维链（CoT）深度结合。其创新之处在于：PrismAudio的最大亮点是将“全面”的思维链拆分为四个专业化、模块化的子思维链，每个子链专注一个感知维度：这种设计如同组建专家团
AI再次击败人类：这次是在电子竞技
最近，一则消息在电竞圈和科技圈引起了轰动！由埃隆·马斯克创办的人工智能公司宣布：他们的AI已经在电子游戏中击败了世界顶尖的1%人类玩家！与OpenAI Five对决的人类选手（图源：OpenAI）人类又一次败给AI了吗？让我们从头说起。首先，OpenAI是一家非盈利的人工智能研究机构，由特斯拉创始人埃隆·马斯克创立。（图源：fossbytes.com）这场AI碾压人类的比赛是在DOTA2这款游戏中进行的。对于不熟悉这款游戏的朋友来说，DOTA是当今电竞界最受欢迎的游戏之一，其奖金池已超过1500万美元。（
杨植麟展望AI研发新纪元
3月25日，月之暗面创始人杨植麟在2026中关村论坛年会全体会议上发表演讲。杨植麟表示，大模型的核心在于将能源转化为智能，规模化是AI发展的关键基础，但规模化并非简单增加算力与能源，而是以提升效率为核心。为此，Kimi从三个方面制定规模化策略：Token（词元）效率、长上下文处理和Agent（智能体）集群，在有限资源中实现智能最大化。杨植麟指出，有效数据量是有限的，提高Token效率意味着采用更优网络架构与优化器，从相同数据中学习更多智能。同时，Kimi通过自主研发的Kimi Linear架构扩展长上下文
深度探索！AI在现代防务中的革命性报告集合
精选！《DARPA的终身学习机器：塑造自学习系统》2022年，美空军与宾大联合发布，234页深入剖析。《深度强化学习在多智能体互动中的突破》爱丁堡大学力作，群英荟萃。《无人机引领海军新时代》最新视角解读。欧洲防御与远程打击能力的智能化升级。《人工智能战场实践全景》美陆军核心策略，130页详尽报告。协同创新：《强化学习在人机编队中的SEAD任务规划》2022最新进展。《多智能体系统任务分配技术综述》美国空军专项研究。《AI武器系统应用深度洞察》DSIAC权威报告，92页精华。《集群无人机与海军战术新视野》1
杨植麟：大模型训练迈入AI主导研发新阶段
新浪科技讯 3月25日上午消息，今日举办的2026中关村(4.890, 0.07, 1.45%)论坛年会上，月之暗面Kimi创始人杨植麟分享指出，大模型训练正进入第三个阶段——AI主导研究。 杨植麟指出，三年之前，大模型训练更多地是使用从整个互联网获取的天然数据，加上一些少量的人工标注数据是否符合你的价值观或者偏好。到去年，大家更加重视大规模的强化学习系统，在这里面人会去精选一些高质量的任务，但是这些任务还是由人来确定，然后通过在这些任务上做强化学习，得到更好的效果。 “但是从今年到明年以及接下来的若干年