这项研究由上海交通大学、腾讯混元和浙江大学合作完成，提出了PolyVivid多主体视频定制框架。该技术通过视觉大语言模型融合、3D位置编码交互增强和注意力继承身份注入三大创新模块，成功解决了AI视频生成中的角色身份一致性和多主体互动难题，在各项评估指标上显著超越现有技术，为视频创作领域带来突破性进展。

这项由伊利诺伊大学香槟分校研究团队开发的突破性AI技术，首次让机器具备了类似人类的空间推理能力。通过创新的细粒度偏好优化训练方法，SpatialReasoner-R1不仅能准确判断图片中的空间关系，还能提供完整的逻辑推理过程。在空间质量和数量任务上分别实现4.1%和9.0%的性能提升，为自动驾驶、机器人导航、增强现实等领域带来重要应用前景。

蒙特利尔大学研究团队开发出EARL图像编辑系统，通过强化学习训练让AI能够理解自然语言指令并完成复杂图像编辑。该系统采用"教练式"训练方法，AI在智能评价系统指导下持续改进编辑能力，最终在综合测试中以4.80分超越了包括商业系统Omnigen在内的所有对比方法。EARL不仅能处理简单的颜色修改，还能完成空间关系调整、数量变化等复杂任务，代表了人机交互方式的重要变革，有望让图像编辑变得像聊天一样简单。

DeepSeek团队联合清华大学开发了一种革命性的AI评判方法——自主原则批评调优（SPCT），该方法让AI在推理时"多动脑筋"，通过制定评判原则并进行多角度分析来提升评判准确性。研究发现，这种"慢思考"方式的效果竟然比简单增加模型规模更好，在多个评测基准上都取得了显著性能提升，为AI发展提供了新的技术路径。

这项由哈佛医学院和浙江大学联合开发的3DIS-FLUX技术，成功解决了AI绘画中多物体精确控制的难题。通过将复杂任务分解为布局规划和精细渲染两个阶段，并采用创新的注意力控制机制，该技术实现了比现有方法高出41%的成功率。其免训练的设计让技术能够快速适配新模型，为数字创作领域带来了更可控、更高效的AI绘画解决方案。

哈工大研究团队开发的CogVLA系统通过模仿人脑认知机制，让机器人学会"智能筛选"信息，根据任务指令只关注重要内容。该系统采用三阶段渐进式处理架构，在LIBERO基准测试中达到97.4%成功率，同时训练成本降低2.5倍，推理速度提升2.8倍，为机器人技术的实用化和普及化奠定了重要基础。

阿里巴巴Quen团队发布了图像生成模型Qwen-Image，在复杂文字渲染和精准图像编辑方面实现重大突破。该模型通过创新的数据处理流程和渐进式训练策略，不仅在英文文字渲染上表现出色，更在中文字符生成方面远超现有模型，准确率达到58.30%。同时具备多任务处理能力，可进行图像编辑、深度估计、新视角合成等操作，为AI图像生成技术开启新纪元。

ByteDance Seed团队发布的Seaweed-7B研究展示了如何用相对较少的计算资源（665,000 H100 GPU小时）训练出高质量视频生成模型。这个70亿参数的模型通过精细的数据处理、创新的VAE压缩技术、混合流架构和多阶段训练策略，在图像转视频任务中排名第二，在多项评估中超越了参数量更大的竞争对手，同时推理速度快62倍，证明了中等规模模型的巨大潜力。

我们讨论大型语言模型（LLMs）的工作原理，从基础开始——假设您只知道如何加法和乘法。

滑铁卢大学研究团队开发出世界首个完全由神经网络生成的操作系统界面NeuralOS，能够根据用户输入实时生成屏幕画面，鼠标定位精度达1.6像素误差，状态转换预测准确率37.7%。虽然目前存在分辨率和速度限制，但开创了生成式操作系统的先河，预示着未来计算界面可能完全由AI实时创造，实现极度个性化的用户体验。

微软研究院突破性AI编程技术RPG能够像建筑师绘制蓝图一样规划整个软件项目，通过图形化结构替代模糊的自然语言描述，实现从零开始构建大规模代码库。ZeroRepo系统基于RPG生成的代码平均达3.6万行，比竞争对手多4倍，功能覆盖率81.5%，有望根本性改变软件开发方式。

这项由中国人民大学、百度和卡内基梅隆大学合作的研究开发出ReasonRank系统，通过创新的数据合成和两阶段训练方法，让AI具备了真正的推理能力进行文本排序。该系统在复杂推理任务中比现有最强系统高出3-5个百分点，同时运行速度提升2-2.7倍，为推理式信息检索开辟了新方向。

C2M在逐渐全球化的世界中给了我们一个再次创造的机会，因为它带来的既是一场价值链的重新布局，也是一场产业数字化的变革。

“操作系统是计算终端的灵魂，用户界面是操作系统的灵魂。”

华为第19届全球分析师大会在深圳开幕。

字节跳动Seed团队推出的Seedance 1.0是一个突破性的AI视频生成模型，能够根据文字描述或静态图片快速生成高质量视频。该系统在权威评测平台上击败了Google Veo 3、OpenAI Sora等竞品，获得双项冠军。其核心创新包括多模态统一架构、空间时间分离设计、强化学习优化和10倍推理加速，能在41.4秒内生成5秒1080p视频，大幅降低了专业视频制作门槛。

这项由北京大学、电信人工智能研究院、耶鲁大学和新加坡国立大学联合完成的研究，提出了PSA个性化安全对齐框架，首次实现了AI图像生成的"因人而异"安全控制。通过构建包含1000个虚拟用户档案的Sage数据集，该框架能根据用户的年龄、宗教、健康状况等特征动态调整内容过滤策略，既保护敏感用户又避免过度限制，为AI安全领域从"一刀切"向个性化转变提供了重要突破。

字节跳动Seed团队推出的Seedance 1.0是一个突破性的AI视频生成模型，能够根据文字描述或静态图片快速生成高质量视频。

这项由北京大学主导、联合多家国际顶尖机构完成的研究，首次系统性地梳理了大语言模型智能体领域的完整技术图谱。研究提出了"构建-协作-进化"的统一框架，深入分析了智能体的技术架构、应用场景和发展挑战，为理解这一前沿技术提供了重要指南，对推动AI智能体技术的健康发展具有重要意义。

Nebius AI研究团队成功开发出基于强化学习的软件工程智能体，能够像经验丰富的程序员一样独立调试代码。该智能体基于Qwen2.5-72B模型训练，通过两阶段策略将SWE-bench Verified基准测试成功率从20%提升至39%，可处理长达13万令牌的复杂交互，在真实GitHub项目中进行多轮调试。研究证明开源模型通过精心设计的强化学习训练策略，无需依赖昂贵专有模型即可达到世界领先性能，为AI编程助手的实用化和普及奠定了重要技术基础。