UC伯克利团队通过理论分析和实证研究发现，许多重要AI任务（如复杂推理、物理模拟、决策制定）本质上需要串行计算，无法通过并行加速解决。研究提出"串行缩放假说"，证明当前主流AI架构在这些问题上存在根本局限，呼吁开发支持深度串行推理的新型AI系统，为未来AI发展指明新方向。

苏黎世联邦理工学院团队通过大规模实验发现，当前主流大语言模型在预测人类标注分歧方面存在显著局限。研究对比了RLVR和RLHF两类模型，发现RLVR模型虽然擅长处理标准化任务，但在理解观点多样性方面表现不佳。这一发现对AI标注系统的实际应用具有重要指导意义。

PointArena是由华盛顿大学和艾伦人工智能研究所联合推出的多模态指向能力评测平台，分为三个互补组件：Point-Bench（包含982个指向任务的静态数据集）、Point-Battle（收集4,500多人类偏好投票的在线竞技场）和Point-Act（真实机器人操作系统）。研究发现Molmo-72B在指向任务上表现最佳，专门针对指向训练的模型明显优于未经训练模型，而语言推理（如思维链）反而降低指向准确性。三种评测方法间存在高度相关性，表明精确指向能力对桥接抽象推理与实际行动至关重要。

星火大模型V1.5和悟道3.0重磅发布，AMD发布Instinct MI300X

清华大学提出MoveGCL框架，首次实现在完全不共享敏感出行数据的前提下，多城市协作训练全球通用人工智能出行预测模型。该技术通过生成虚拟轨迹传递知识，结合混合专家系统和渐进式学习策略，在六个美国主要城市的测试中展现出优异性能，为隐私保护下的协作学习提供了新范式。

上海交大团队开发SWE-Exp系统，让AI能从过往代码修复经验中学习，通过构建"经验银行"存储成功和失败案例，采用双智能体协作模式实现智能修复。在基准测试中达到41.6%成功率，比之前最好方法提升7.2%，开创了从试错探索向经验驱动修复的新范式。

微软等机构联合开发的NaturalSpeech 3实现了革命性的语音合成突破，通过因子化编解码器和扩散模型技术，首次让AI能够生成具有真人般自然韵律和情感表达的语音。该系统具备零样本学习能力，仅需少量样本即可模仿任何人的声音特征，在主观评测中达到以假乱真的水平，为医疗康复、教育娱乐、个人助手等领域带来广阔应用前景。

腾讯混元团队通过强化学习方法革新了图像生成技术，开发出X-Omni系统，解决了传统自回归模型在图像生成中的累积误差问题。该系统实现了图像生成与理解的统一架构，在文字渲染特别是中文长文本处理方面取得突破性进展，证明了"过时"技术通过正确训练方法的巨大潜力。

Mistral AI发布了两个开源多模态语音AI模型Voxtral Mini和Small，不仅具备语音识别能力，更能理解语音内容并进行智能对话。模型支持32K上下文窗口，可处理40分钟长音频，在语音识别、翻译和理解任务中达到最先进水平。Small版本超越多个闭源模型，Mini版本可本地运行，两个版本均在Apache 2.0许可证下开源发布。

MIT研究团队发现了一个颠覆性的AI训练方法：那些通常被丢弃的模糊、失真的"垃圾"图片，竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据，不仅在ImageNet等权威测试中创造新纪录，还为解决AI发展的数据瓶颈问题开辟了全新道路。

清华大学团队开发的RoboScape是首个真正懂"物理直觉"的机器人世界模型。通过创新的双分支架构和关键点学习机制，它能够生成既视觉逼真又符合物理定律的机器人操作视频，在多项评估中显著超越现有方法，为机器人智能化发展提供了重要技术突破。

ByteDance研究团队提出TiKMiX方法，通过引入"组影响力"概念动态调整AI训练数据配比，解决传统静态配方导致的训练效率低下问题。该方法能根据模型不同训练阶段的数据偏好实时调整，仅用传统方法20%的计算资源就实现更优性能，在多项测试中平均提升2%效果，为大模型训练提供了更智能高效的解决方案。

H Company研究团队开发了开源网页操作AI系统Surfer-H，配备专门训练的Holo1视觉语言模型。该系统在WebVoyager基准测试中达到92.2%的成功率，媲美GPT-4性能但成本仅为其四分之一。研究团队还发布了专门的网页定位测试集WebClick，并完全开源模型权重，为AI技术民主化做出重要贡献。

DeepSeek-AI联合北京大学开发的NSA稀疏注意力技术，通过令牌压缩、精选保留和滑动窗口三重策略，让AI在处理长文本时实现原生稀疏化。该技术在64K文本处理中达到11.6倍解码加速，同时在多项AI能力测试中超越传统方法，为高效AI应用开辟新路径。

中科院团队首次开发出1比特视觉-语言-动作模型BitVLA，实现机器人智能操作的革命性突破。该模型将每个参数限制为{-1,0,1}三值表示，通过创新的蒸馏感知训练策略，在仅使用29.8%内存的情况下达到与先进模型相当的性能。在LIBERO机器人基准测试中表现优异，为智能机器人在资源受限设备上的部署开辟了新路径，让家用机器人成为可能。

腾讯Hunyuan3D-Omni通过统一框架整合点云、体素、边界框和骨架四种控制信号，实现精准可控的3D物体生成。采用渐进式训练策略和统一控制编码器，解决了传统单一输入源导致的几何失真问题，为3D内容创作提供了更高的精度和灵活性，在动画制作、游戏开发等领域具有重要应用价值。

上海AI实验室开发的F1机器人"大脑"实现了革命性突破，让机器人首次具备"预见未来"的能力。通过理解、生成、执行三个专家模块协作，F1能预测任务执行后的画面并据此制定行动策略。在多个机器人平台测试中，F1的成功率大幅超越传统方法，特别是在动态环境和长期规划任务中表现卓越，为机器人智能化发展开辟了新道路。

麻省理工学院研究团队开发出让AI拥有"永久记忆"的突破性技术，通过长期记忆增强生成系统解决了传统AI"健忘"问题。该技术能让AI记住用户偏好和历史对话，实现真正个性化交互。实验显示记忆准确率达85%，一致性94.2%，为AI从工具向智能伙伴转变奠定基础，有望在教育、客服、个人助理等领域产生深远影响。

这项来自加州大学戴维斯分校和俄亥俄州立大学的研究探讨了多模态AI训练的一个重要问题：让AI同时学会处理文字、图像、视频等多种信息类型时，是否会影响其原有的语言能力？研究发现，扩展模态确实存在能力权衡，模型合并技术比全模态同步训练更有效，为AI发展提供了重要启示。

ZeroEntropy团队提出zELO训练方法，借鉴象棋ELO评分系统，通过AI模型两两比较文档相关性来训练重排序器。该方法避免了传统人工标注的高成本问题，训练出的zerank模型在多个领域测试中显著超越商业竞争对手，同时开源了模型权重和训练工具，为AI搜索技术发展提供了新的训练范式。