Mirage向我们展示了一个令人兴奋的未来——一个AI不仅能理解我们说什么，还能理解我们如何说的世界。在这个世界里，技术不再是冰冷的工具，而是能够理解和模拟人类情感表达的智能伙伴。

KAIST研究团队开发的VideoRAG系统实现了人工智能在视频内容理解上的重大突破。该系统能够直接从海量视频中检索相关内容并生成准确答案，解决了传统方法只能处理文字和图片信息的局限。通过智能帧选择和多模态信息融合技术，VideoRAG在问答准确性上显著超越现有方法，为教育培训、技能学习等领域提供了全新的智能问答解决方案。

首尔大学团队提出QWHA方法，通过沃尔什-阿达马变换和智能参数分配策略，有效解决了AI大模型压缩后性能下降的难题。该方法在保持模型精度的同时大幅提升计算效率，特别在极低精度量化场景下优势明显，训练速度比传统方法快3-5倍，为AI技术在移动设备和边缘计算中的普及应用开辟了新路径。

IntelliGen AI推出IntFold可控蛋白质结构预测模型，不仅达到AlphaFold 3同等精度，更具备独特的"可控性"特征。该系统能根据需求定制预测特定蛋白质状态，在药物结合亲和力预测等关键应用中表现突出。通过模块化适配器设计，IntFold可高效适应不同任务而无需重新训练，为精准医学和药物发现开辟了新路径。

上海AI实验室开发的VLAC模型让机器人首次具备真实世界自主学习能力。该系统如同给机器人配备智能导师，能实时评估动作效果并从中学习。在四个操作任务测试中，机器人成功率从30%提升至90%，仅需200次练习。技术结合视觉、语言理解和动作生成，支持跨场景适应和人机协作，为家庭服务、医疗护理等领域应用奠定基础。

5月13日，在零一万物成立一周年之际，零一万物CEO李开复博士携带千亿参数Yi-Large闭源模型正式亮相，正式进军全球SOTA顶级大模型之首，在斯坦福最新的AlpacaEval 2.0达到全球大模型Win Rate 第一。除此之外，零一万物将早先发布的Yi-34B、Yi-9B/6B中小尺寸开源模型版本升级为Yi-1.5系列，每个版本达到同尺寸中SOTA性能最佳。

蒙特利尔理工大学研究团队开发了Visual-TableQA数据集，通过多AI协作生成2500个复杂表格和6000个推理问答对，仅成本不到100美元。该数据集专门训练AI理解表格图像的视觉布局和复杂推理，实验显示微调后的模型在多个基准测试中超越专有模型，为AI视觉推理能力带来重大突破。

微软推出的Phi-4-Mini-Reasoning模型仅用38亿参数就在数学推理任务上击败了70-80亿参数的竞争对手。通过创新的四阶段训练方法（大规模中期训练、监督精调、回滚偏好学习、强化学习），该模型在AIME24、MATH-500等测试中表现卓越。这项研究证明了"精巧胜于庞大"的AI设计理念，为资源受限环境下的高性能AI应用开辟了新路径，在教育、科研等领域具有广阔应用前景。

AI无法处理长文档？字节提出人工海马网络，让AI像人脑一样高效处理超长信息

这项由浙江大学和香港大学联合研究的PH-Reg方法解决了视觉Transformer模型中的"异常令牌"问题，这些异常会干扰模型对图像细节的准确理解。研究团队提出了一种不需要完全重新训练的自蒸馏方法，通过添加"寄存器令牌"来吸收这些异常。实验表明，PH-Reg在语义分割和深度预测任务上显著提升了性能，平均mIoU达到41.85%，优于现有方法。该技术为现有大型视觉模型提供了一种高效的改进路径，无需昂贵的重新训练过程。

这项由浙江大学和字节跳动联合完成的研究提出了LLM-Interleaved（LLM-I）框架，突破了现有AI图文创作系统的"单工具"瓶颈。该系统让大语言模型充当智能指挥官，根据需求调用在线搜索、图像生成、代码执行、图像编辑四种专业工具。通过创新的三重强化学习奖励机制训练，LLM-I在四个基准测试中均取得显著超越现有方法的表现，特别是在自建的LLMI-Bench基准上比GPT-4o高出25个百分点，工具调用成功率达到100%。

苹果公司研究团队开发出革命性语音AI技术RealTimeVoice，首次实现语音助手的完美记忆力和实时对话能力。该技术通过流式音频处理和创新的记忆缓存机制，让AI能够记住完整对话历史的同时保持快速响应，反应速度比传统系统提升一倍。这项突破将彻底改变人机语音交互体验，让数字助手真正成为理解用户的智能伙伴。

这项由帝国理工学院研究团队开展的创新研究，提出了一种让AI在回答问题前先自我评估知识边界的"内部置信度"方法。该方法无需额外训练，通过分析AI内部各层的自信程度来判断其是否真正了解问题答案。实验证明这种"提前体检"式的方法能有效区分AI的已知和未知领域，并在智能检索和模型级联等实际应用中显著降低计算成本while maintaining性能，为构建更诚实可信的AI系统开辟了新路径。

QuXAI是北南大学研究团队开发的首个专为混合量子-经典机器学习模型设计的可解释框架。这项创新通过结合量子特征映射和经典学习算法，解决了量子机器学习"黑箱"不透明的关键挑战。框架核心是Q-MEDLEY解释器，它能精确追踪原始特征在量子编码和经典学习过程中的影响，为模型决策提供全面解释。实验证明，该方法在多个数据集上能有效区分重要特征与噪声，并与现有XAI技术相媲美。这项工作对提高量子增强AI的透明度和可信度具有重要意义，为量子计算在科学和实际应用中的负责任使用奠定基础。

上海AI实验室联合多家机构推出MM-IFEngine系统，专门解决多模态AI的"指令遵循"难题。该系统能自动生成复杂的图片-指令训练数据，并创建了包含400题、32种约束类型的MM-IFEval评测基准。实验显示训练后的AI模型在指令遵循能力上提升10%以上，在保持原有能力的同时显著提高了对复杂要求的理解和执行能力。

抖音SAIL团队联合新加坡国立大学开发的SAIL-VL2多模态AI模型，以2B-8B的紧凑参数实现了超越大型模型的性能。通过精心的数据筛选、渐进式训练和架构优化，在106个数据集测试中表现卓越，其中2B版本在4B以下开源模型中排名第一，8B-Thinking版本在推理任务上达到开源第一。该模型证明了"小而精"的发展路径，为AI技术的普及和高效部署提供了新思路。

ByteDance Seed研究团队提出AttentionInfluence方法，让13亿参数小模型为70亿参数大模型筛选训练数据。该方法利用模型内部注意力机制判断数据质量，无需人工标注。实验显示在推理密集型任务上性能提升1.4-3.5%，展现了"弱到强"的泛化能力，为AI训练数据选择提供了新的解决方案。

这项由加拿大Vector研究所领导的研究提出了"模型免疫"概念，通过让AI模型在训练过程中接触已标记的虚假信息，增强其辨别和拒绝类似虚假内容的能力。类比人类疫苗接种原理，研究者在微调阶段向模型注入约5-10%的已标记错误内容作为"疫苗"。初步实验表明，免疫后的模型处理虚假信息的能力从60%提升至78%，同时保持了常规任务性能。研究团队还设计了严格的伦理与治理框架，确保虚假内容使用安全。这一方法为提高AI系统的事实准确性提供了预防性解决方案。

商汤科技研究团队开发了MaskGWM，一个革命性的自动驾驶预测系统。该系统采用创新的"双重学习法"，让AI同时掌握图像生成和逻辑推理能力，能够预测长达12秒的未来驾驶场景。通过空间和时间两个维度的掩码重建训练，结合多视角预测能力，MaskGWM在标准测试中显著超越现有技术，并展现出强大的跨域泛化能力，为更安全智能的自动驾驶技术奠定了重要基础。

这项由清华旗下奇虎科技等机构联合开发的研究，提出了ForCenNet前景中心网络来解决手机拍摄文档变形问题。与传统均匀处理方法不同，该系统重点关注文档中的关键信息区域如文字和表格线条，采用创新的前景分割、掩码引导和曲率一致性优化技术，在四个主流数据集上达到最优性能，为移动文档数字化提供了高效解决方案。