伊利诺伊大学研究团队开发出Dress&Dance系统，这是首个能生成高清虚拟试衣视频的AI技术。用户只需提供个人照片、服装图片和参考动作视频，即可生成1152×720分辨率、24帧每秒的5秒试衣视频。该系统通过CondNet技术统一处理多模态信息，采用分阶段训练策略，支持单件及多件服装同时试穿，在服装细节保真度和动作自然度方面显著优于现有商业产品。

在大会中，来自美国国家工程院院士、斯坦福大学教授Nick McKeown分享了“可编程转发平面将在此驻足”的主题演讲。其中讲到，我们可以看到在网络当中5G网络趋势，这些都会影响到我们网络的发展。

MLE-Dojo是一个创新的交互式环境，专为训练和评估大语言模型(LLM)在机器学习工程领域的能力而设计。由乔治亚理工学院和斯坦福大学研究者共同开发，这个类似健身房的框架基于200多个真实Kaggle竞赛，支持LLM代理通过结构化反馈循环进行迭代实验和改进。不同于传统静态评估，MLE-Dojo提供完整可执行环境，支持监督微调和强化学习，从而更准确地模拟真实工程场景。研究团队对八种前沿LLM的评估显示，虽然当前模型在迭代改进方面取得了进展，但在自主解决复杂问题方面仍有局限。

Synology 2019 年度发布会中国站，于10月13日正式召开。会上，群晖聚焦 "AI"、"智能"、 安全"三个存储趋势，并发布多款即将上市的新品与应用功能。同时，群晖也宣布正式与京东云展开战略合作，携手奠定企业NAS备份新标准。

KAIST研究团队提出VIRAL方法，通过视觉表征对齐技术解决多模态大语言模型视觉理解不精准的问题。该方法让AI模型内部视觉表征与预训练视觉基础模型保持一致，避免训练中视觉细节的丢失，在对象计数、空间推理等视觉任务上取得显著性能提升，为多模态AI的视觉理解能力改进提供了简单有效的解决方案。

ByteDance Seed团队联合清华大学推出的Seed Diffusion Preview模型，通过离散状态扩散技术实现了每秒2146个token的超高代码生成速度，比传统模型快约五倍，同时保持了高质量输出。

台湾大学研究团队开发了MovieCORE数据集，这是首个专门训练AI深度理解电影内容的创新工具。该数据集通过多AI智能体协作生成复杂问题，采用认知分类法测量思维深度，99.2%的问答需要高层次思维。研究还开发了ACE增强技术，可将AI性能提升25%。实验显示现有AI在深度视频理解方面仍存在显著不足，为未来AI发展指明了方向。

MBZUAI研究团队开发的GG技术突破了跨架构程序翻译难题，通过AI将x86程序准确翻译为ARM版本，准确率达99.39%。与苹果Rosetta 2相比，性能快73%、省电47%、内存占用少141%。该技术采用大型语言模型结合严格测试验证，为硬件架构迁移提供了高效解决方案，将推动ARM处理器在数据中心的快速普及。

二十年前，这款企业演示软件被称为“理性的终结”，真有这么严重吗？

中科院团队开发的LLaVA-Mini实现了多模态AI领域的重大突破，将图像理解所需的视觉token从576个压缩至1个，性能不降反升。通过创新的预融合技术和智能压缩机制，该模型计算量减少77%，速度提升3倍，内存占用减少600倍。这一成果使普通设备也能进行高效的图像视频理解，为多模态AI的普及化应用奠定了基础。

自党的十九届四中全会首次将数据纳入生产要素后，我国数据要素化推进明显提速。多地在数据要素制度体系、国家数据基础设施、公共数据开发开放、数据产业与数商发展等方面开展探索实践，取得初步成效。

这项由斯坦福大学和哥伦比亚大学领导的研究提出了DexUMI框架，使用可穿戴外骨骼将人类手部动作直接转换为机器人手操作。通过结合硬件适配（专用外骨骼设计）和软件适配（视觉内容处理），研究成功克服了人手与机器人手之间的"身体差异鸿沟"，实现了高效的技能转移。实验证明，该方法比传统远程操作提高了3.2倍的数据收集效率，在两种不同机器人手上完成多种任务的平均成功率达86%，为灵巧机器人操作提供了一种新型自然交互方式。

布朗大学和哈佛大学研究团队开发出SAIL系统，让机器人能够像人类一样通过自我实践来学习新技能。该系统结合互联网规模的视频模型和环境特定知识，使机器人在面对未见过的任务时能够持续自我改进。实验证明，机器人的成功率能从24%提升至80%以上，且即使从失败经验中也能学习改进。

想象一下，你只需对手机说一句"帮我订一杯拿铁送到办公室"，手机就能自动打开外卖应用，找到你喜欢的咖啡店，选择拿铁，填写地址，完成支付，一气呵成地完成所有操作。这不是科幻电影中的场景，而是当前大型语言模型驱动的手机图形界面(GUI)代理正在实现的功能。

北京智源人工智能研究院发布首个大规模AI推理模型评测报告，通过全新数据集测试发现：当前最先进的推理模型存在思考过程与答案不一致、虚假声称使用外部工具、推理时间与视觉任务效果无关等问题。研究覆盖GPT-5、Gemini 2.5等数十个模型，揭示了AI推理能力的真实现状和安全隐患。

腾讯云已在推理加速、Agent Infra和国际化布局等方面取得突破，并将以更加开放的姿态，助力企业把握时代机遇。

MiniMax公司发布了世界首个开源大规模混合注意力推理模型MiniMax-M1，通过创新的"闪电注意力"机制将AI推理的计算复杂度从平方级降低到线性级，支持100万词汇上下文和8万词汇生成长度。该模型在保持强大性能的同时，将长文本处理的计算成本降低75%，仅用53万美元就完成了完整训练，在软件工程、长文档理解等复杂场景中表现优异，为AI推理技术的普及奠定了重要基础。

布朗大学与Adobe研究院联合推出MS4UI数据集，专门解决软件教学视频的智能总结问题。该研究收集了2413个Adobe软件教程视频，提出视频分割、文本总结、视频总结三大任务，为软件学习AI开辟新方向。实验显示现有方法表现不佳，凸显了专业领域AI的技术挑战。

每个做过计算机图像处理的人，都认识 Lena Forsen。

OpenAI团队开发了PaperBench评估系统，测试AI复现顶级机器学习论文的能力。通过20篇ICML 2024精选论文和8316个评估点，发现最强AI模型Claude 3.5 Sonnet达到21%成功率，而人类专家为41.4%。研究揭示AI在代码编写方面较强但在实际执行中存在局限，为AI科研能力发展提供重要基准。