伯克利提出信息驱动成像系统设计框架，可跨四类成像任务预测性能
伯克利 AI 研究团队提出一种基于互信息的成像系统评估与优化框架，仅用带噪测量和噪声模型即可量化系统信息含量，并在 NeurIPS 2025 论文中验证该指标能预测彩色摄影、射电天文、无透镜成像和显微成像四个领域的解码性能。优化该指标得到的设计可匹配 SOTA 端到端方法，同时所需内存和算力更少，且无需针对任务设计专用解码器。
全部 AI 动态
Berkeley AI ResearchAI 评分2222
DeepSeek 更新日志精选AI 评分6262 DeepSeek-V3.2 发布，deepseek-chat 与 deepseek-reasoner 同步升级
DeepSeek 将 deepseek-chat 和 deepseek-reasoner 两个 API 模型升级为 DeepSeek-V3.2。其中 deepseek-chat 对应 DeepSeek-V3.2 的非思考模式，deepseek-reasoner 对应其思考模式。
推荐理由：官方更新日志说明两个 API 模型名分别对应 V3.2 的思考与非思考模式，便于开发者调整调用方式。