腾讯和清华研究团队首次从数学理论角度解释了为什么AI需要外部工具。研究证明纯文本AI存在"隐形枷锁"，无法突破预训练的能力边界，而工具集成能打破这种限制，让AI获得全新的问题解决策略。团队还开发了ASPO算法，解决了训练AI更早使用工具的技术难题。实验显示配备工具的AI在数学问题上全面超越纯文本版本，展现出三种新奇认知模式，为构建更强大的AI系统提供理论指导。

爱上一个虚拟偶像，从来就不是羞耻的事。

伊利诺伊大学研究团队开发出UGST框架，解决了用户模拟器在对话中频繁出现的目标错位问题。通过将用户目标分解为可跟踪的子组件并采用三阶段训练方法，使小型模型性能提升14.1%，甚至超越大型模型，为对话AI训练提供了更可靠的用户模拟解决方案。

ByteDance研究团队推出的M3-Agent是首个具备长期记忆能力的多模态AI代理。它能同时处理视频、音频信息，像人类一样积累经验和知识。系统采用情节记忆和语义记忆双重机制，以实体为中心组织信息，并通过多轮推理解决复杂问题。在专门构建的M3-Bench测试中，M3-Agent全面超越现有技术，为智能助手的发展开辟了新方向。

卫星在现代生活当中扮演着重要角色，对卫星的攻击亦被视为一种战争行为。但可怕的是，此类攻击也许已经出现。

以色列理工学院研究团队开发了AdaptiVocab技术，通过为大语言模型定制专业领域词汇表来提升AI效率。该方法将常见专业词汇组合（如"量子力学"）整合为单个处理单元，减少了25%以上的计算步骤，同时保持文本生成质量不变。这种"精工定制"思路为AI优化提供了新方向，有望显著降低专业领域AI应用的运营成本。

香港科技大学研究团队开发出首个开源长篇音乐生成模型YuE，能根据歌词创作5分钟完整歌曲。该系统采用双阶段架构和轨道解耦技术，在人工评估中与商业系统性能相当，支持多语言创作和风格转换，为音乐创作民主化奠定基础。

华中科技大学团队开发了mmMamba框架，通过创新的知识蒸馏方法将传统二次方复杂度的多模态模型转换为线性复杂度架构。该方法在保持相当性能的同时，实现了20.6倍速度提升和75.8%内存节省，提供纯线性和混合两种架构变体，为高效多模态AI应用开辟了新路径。

这项由苹果公司与索邦大学合作的研究首次为AI模型训练中的数据混合问题提供了科学的数学解决方案。研究团队建立了预测公式，能够通过小规模实验准确预测大规模模型的最优数据配方，在语言、多模态和视觉三种AI模型上验证了方法的有效性。这一突破有望显著降低AI模型开发成本，将训练过程从经验艺术转变为科学工程，对整个AI行业具有重要影响。

这“无疑代表着她将成为一颗冉冉升起的新星。”

在2008年首度公布比特币项目的白皮书当中，化名中本聪的神秘缔造者总结称：“我们提出了一种不依赖信任基础的电子交易系统。”他所指的正是区块链，比特币加密货币背后的底层系统。规避对信任体系的依赖无疑是一项伟大的承诺，但实际情况却并非如此。

清华大学团队开发出革命性人形机器人系统Being-0，具备类人思维能力。该系统采用创新的"三层大脑"架构：顶层基础模型负责理解指令和制定策略，中间层连接器模块负责将计划转化为具体动作，底层技能库负责执行各种操作。机器人能够理解自然语言，自主规划复杂任务如制作咖啡，并在动态环境中灵活调整策略，在长期任务中达到84.4%的成功率。

打拳、走秀、送货、踢球，WRC 2025成了人形机器人的“演武场”。

打拳、走秀、送货、踢球，WRC 2025成了人形机器人的“演武场”。

斯坦福大学推出 AI4MH 项目，聚焦利用生成式 AI 改革心理健康诊断与治疗，探讨现有体系不足及未来发展。

随着以数据为中心的转型不断深化，英特尔将以集成AI加速的至强可扩展平台为基石，提供全面的XPU芯片平台，携手产业生态，赋能“智者更强”，以改变世界的技术造福个人、企业和社会。

在制药界，流传着一个残酷的“三十定律”：一款新药的诞生，平均需要耗费十年光阴、投入数十亿美金、而最终成功率却不足10%，这是悬在每一家药企头上的达摩克利斯之剑。在这个以高投入、高风险、长周期为标签的行业里，不确定性，是永恒的主题。

边缘计算，通过直接部署在网络的接入端，成为对数据进行分布式处理和即时处理的主力军，减少数据传输所消耗的时间，其平台分布式特征还能够很好地解决海量数据处理及海量终端连接的问题。

慕尼黑大学对话AI专家：我们该如何理解机器智能？

在华为中国合作伙伴大会2024上，华为中国政企业务总裁吴辉表示，围绕“四梁六柱”，沿着三个赛道，落实六个升级，强健开放、紧密、成长的“伙伴+华为”体系。