法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched，通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略，先用大型AI模型评估40万段落质量，再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果，为医学AI发展提供了高效可持续的解决方案。

宾夕法尼亚大学研究团队开发出PIXIE系统，这是首个能够仅通过视觉就快速准确预测三维物体完整物理属性的AI系统。该技术将传统需要数小时的物理参数预测缩短至2秒，准确率提升高达4.39倍，并能零样本泛化到真实场景。研究团队还构建了包含1624个标注物体的PIXIEVERSE数据集，为相关技术发展奠定了重要基础，在游戏开发、机器人控制等领域具有广阔应用前景。

清华大学团队开发了Sculptor认知管理框架，解决AI处理长文本时的"主动干扰"问题。通过信息分解、动态隐藏、智能搜索等工具，让AI学会主动管理工作记忆，像人类一样筛选重要信息。实验显示在复杂推理任务中性能显著提升，为AI认知智能发展开辟新方向。

台湾阳明交通大学与NVIDIA联合开发的AuraFusion360技术，首次实现了360度全景场景中物体完美移除和空缺自然填补。该技术通过深度感知识别、自适应深度扩散和智能纹理融合三大创新，解决了传统方法在多视角一致性方面的难题，为VR/AR、房地产、旅游等行业的360度内容制作提供了革命性工具。

香港中文大学团队开发出让AI学会矢量图形编程的创新方法，通过强化学习和跨模态奖励机制，成功将开源模型的绘图能力提升到商业级水平。研究建立了SGP-GenBench评估体系，发现AI不仅学会精确绘图，还发展出分层构建、创意补充等智能行为模式，为AI辅助设计开辟新路径。

加州大学伯克利分校研究团队首次系统分析多智能体AI系统失败原因，发现即使先进的AI团队成功率也仅30%左右。通过分析200多个案例，他们识别出14种失败模式，归类为规格说明、智能体协调和任务验证三大问题，并开发了MAST诊断工具。研究揭示失败根源在于系统设计缺陷而非AI能力不足，为改进AI团队协作提供了重要指导。

这项由浙江大学周晓巍教授团队联合牛津大学、蚂蚁集团等机构开发的SpatialTrackerV2系统，实现了仅用普通摄像头就能精确追踪视频中任意点的三维运动轨迹。通过创新的统一框架和大规模数据训练，该技术在权威测试中相比前代方法准确率提升50%以上，运行速度快50倍，为机器人、自动驾驶、VR等领域提供了突破性的技术基础。

斯坦福大学研究团队深入分析了广泛使用的AI评判系统Arena-Hard Auto，发现了三个重大问题：AI评委经常不按既定标准评判（规划失效），不同评判维度高度重合无法独立区分（因子坍塌），以及ELO评分系统通过数学变换掩盖了底层的不确定性。研究开发了专门的诊断工具来检测这些问题，并提出了改进建议，对依赖AI评判系统的学术研究和商业应用具有重要警示意义。

清华大学团队开发了首个能同时理解街景、卫星图、轨迹和地理数据的城市AI系统UrbanLLaVA。通过创新的三阶段训练法和多模态融合技术，该系统在十二项城市任务测试中显著超越现有方法，为智慧城市、导航服务、城市规划等领域带来突破性进展，代码已开源。

西班牙马德里理工大学研究团队开发了全球首个融入能耗意识的AI评估平台——生成式能源竞技场（GEA），通过对694个评估样本的分析发现，当用户了解AI模型能耗信息后，46%的用户会改变原始选择，更节能小模型的获胜率从50%跃升至75%以上，揭示了能耗意识对AI选择的显著影响，为构建可持续AI生态系统提供重要科学依据。

香港科技大学研究团队开发出SpA2V框架，这是首个能够从音频中提取空间信息并生成对应视频的AI系统。该技术不仅能识别声音类型，还能准确判断声源位置、移动方向和距离，通过两阶段生成过程实现"听音生画"。实验结果显示SpA2V在空间对应性和视频质量方面显著超越现有方法，为音频可视化、影视制作、教育应用等领域开辟了新的可能性。

哈佛大学研究团队开发出革命性的"概念消融微调"技术，能在AI训练过程中精准识别并移除有害概念，就像外科手术般精确。该技术成功解决了AI"意外学习"问题，让模型在掌握目标技能的同时避免不良行为，有害响应率降低90%。这为创造更安全可靠的AI系统提供了新路径。

OpenBMB团队推出MiniCPM4，通过稀疏注意力、高质量数据处理等四大创新维度，实现8B参数模型仅用22%训练数据达到竞争对手性能，并在端侧设备上实现7倍推理加速。该研究涵盖InfLLM v2架构、UltraClean数据技术、ModelTunnel v2训练优化和CPM.cu推理系统，展示了端侧AI的巨大潜力。

Skywork AI团队开发出参数仅1.5亿的统一多模态模型Skywork UniPic，能同时完成图像理解、文字生成图像和图像编辑三项任务。该模型采用创新的双编码器架构，在多个基准测试中达到先进水平，且能在消费级硬件上运行，为多模态AI的普及化应用提供了新方案。

阿里巴巴淘宝团队开发的RecGPT推荐系统，通过大语言模型深度理解用户购物行为背后的真实意图，实现了从"学点击推点击"到"理解需求推商品"的根本转变。系统在淘宝全面部署后，用户体验多样性提升6.96%，点击率增长6.33%，同时有效缓解了推荐系统的马太效应，为数亿用户提供更智能的购物体验。

这项由18所顶尖高校联合开展的研究推出了革命性的AI代理评估平台xbench，彻底改变了传统以技术能力为中心的评测方式，转而采用真实职业场景的实战检验。研究团队在招聘和营销两个专业领域构建了完整的评估体系，让AI代理像实习生一样直接承担真实工作任务，用实际成果证明商业价值。通过对九个主流AI代理的全面测试，发现不同模型在专业任务中的表现差异显著，技术评测高分未必转化为实用价值。

台湾大学研究团队系统梳理了复合AI系统优化这一新兴领域，提出了基于结构灵活性和学习信号类型的2×2分类框架。研究涵盖26种代表性方法，从固定结构到灵活架构，从自然语言反馈到数值信号优化。团队发现了自然语言反馈在非可微系统优化中的巨大潜力，同时指出了当前面临的人工配置依赖、计算成本过高、评估范围局限等挑战，为这一快速发展的领域提供了系统性理论框架和未来发展指引。

天津大学研究团队开发出Embodied-R1智能机器人系统，通过创新的"指向"技术和强化学习训练，成功解决了机器人视觉理解与实际操作之间的鸿沟。该系统具备四种核心指向能力，在11项基准测试中表现卓越，在未见过的环境中实现56.2%仿真成功率和87.5%真实任务成功率，相比基线模型提升62%，展现出强大的零样本泛化能力和实用潜力。

剑桥大学研究团队创建了史上最难的AI视觉测试ZeroBench，包含100道精心设计的视觉推理题目。在这项测试中，包括GPT-4o、Claude、Gemini在内的20个全球最先进AI模型全部得了0分，暴露了当前AI在基础视觉理解上的严重缺陷。研究发现AI主要在计数、空间推理等基础任务上失败，而非逻辑推理能力不足。

中科大团队开发了MeshSplat技术，仅用两张照片就能重建完整3D场景。该技术首次将2D高斯散点应用于稀疏视角表面重建，通过加权距离约束和法向预测网络显著提升重建质量。实验显示其性能比现有方法提升30%，在房地产、电商、文物保护等领域具有广泛应用前景。