近日，小米大模型团队在音频推理领域的研究中取得了突破性进展，成功应用强化学习算法于多模态音频理解任务，准确率达到了64.5%，这一成就使其在国际权威的 MMAU 音频理解评测中夺得了第一名。这一成果的背后，离不开团队对 DeepSeek-R1的启发。MMAU（Massive Multi-Task Audio Understanding and Reasoning）评测集是衡量音频推理能力的重要标准，通过对包含语音、环境声和音乐的多种音频样本进行分析，测试模型在复杂推理任务中的表现。人类专家的准确率为82.23%，而当前榜单上表现最好的模型是

小米技术官方微博宣布，小米大模型团队在音频推理领域取得了显著进展。他们在受到 DeepSeek-R1的启发后，率先将强化学习算法应用于多模态音频理解任务。团队在短短一周内便以64.5% 的 SOTA（State Of The Art）准确率，登顶国际权威的 MMAU 音频理解评测榜，并同步将相关技术开源。MMAU（Massive Multi-Task Audio Understanding and Reasoning）评测集是一个测试音频推理能力的重要标准，涵盖了一万条语音、环境音和音乐样本，旨在考察模型在多种技能上的表现。人类专家在该评测集上的准确率为82.23%，而

小米公司近日发布消息，令人振奋的好消息传来:小米大模型团队的两篇论文成功入选2025年北美计算语言学协会（NAACL）会议，并被列为主会长文。这一成就不仅显示了小米在人工智能领域的深厚积累，也标志着其技术应用的快速发展。这两篇论文分别聚焦于图形用户界面（GUI）代理和机器翻译方向。小米在 GUI 代理方面的研究，将手机控制任务细分为页面到达和页面操作两个子任务，使得智能代理能够更加专注于整体任务的完成能力，而不仅仅是追求每一步的最优解。这一方法提升了智能

小米公司今日宣布，其最新大模型小爱AI助手已在小米小爱音箱系列上正式推送更新。此次更新涵盖了小米Sound Pro、小米Sound Move、小米Sound以及小米小爱音箱Art电池版等多款设备，并且已经完成了全量推送。

小米公司最近升级其人工智能助手小爱同学，推出了「AI 图片编辑」功能，并同步发布了V6.126版本。该功能涵盖多种图片编辑操作，包括背景转换、风格转换、路人消除、智能扩图和图片问答。用户能通过语音指令进行图片背景元素替换、风格转换（如漫画风格）、消去路人、智能放大图片细节及获取图片问题答案（例如生成菜谱）。此外，新增的「AI文档问答」功能使用户能快速提炼并总结文档内容，享受智能文档处理服务。升级至最新版本，体验包括图片编辑在内的一系列全新功能。上述功能预计于7月底全面支持小米及红米系列的更新机型，以及小米平板系列。

["小米科技战略升级，未来主要突破方向是「轻量化、本地部署」。","小米今年研发投入超过200亿，将在业务上应用大模型技术。","小米的手机端侧大模型在部分场景的效果已经能够媲美云端。"]