FuriosaAI团队开发的UNCAGE方法通过"对比注意力引导"策略，巧妙解决了AI图像生成中多物体属性混合的问题。该免训练方法仅增加0.13%推理时间，却能显著提升生成图像的准确性，特别是在处理语义相似物体时效果显著。研究为蒙版生成变换器技术发展扫清重要障碍。

斯坦福大学研究团队开发了UQ评测系统，用人类未解决的真实难题来测试AI能力，而非传统的标准答案题目。系统包含500个来自Stack Exchange的高质量未解问题，采用AI验证器初筛和人类专家终审的双重验证机制。测试显示，即使最先进的AI模型也只能解决极少数问题，揭示了当前AI在面对真正困难问题时的局限性，为AI评测开辟了更真实有效的新方向。

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。

赵昱在华为的第一课就是《把信交给加西亚》，在美西战争中，中尉罗文要把信交给不知身在何处、不知模样的“加西亚将军”，在没有任何援助的情况下，他仍然完成了任务。

华盛顿大学研究团队开发出世界首个主动式耳机AI助手LLAMAPIE，能够在用户对话中主动提供简短关键词提醒，无需用户主动询问。该系统采用双模型架构，在真人测试中将问答准确率从37%提升至87%，同时保持对话自然流畅。这项技术为人机交互带来新突破，在教育、商务和辅助医疗等领域具有广阔应用前景。

斯坦福大学研究团队开发出SpeechDriveFace技术，能够仅通过声音生成逼真的说话面部视频。该技术通过深度学习建立声音与面部表情的映射关系，在清晰度、同步性等测试中表现优异，超过80%观察者无法区分真假。技术在内容创作、在线教育、虚拟客服等领域应用前景广阔，代表了AI多模态理解能力的重要突破，为未来人机交互开辟新可能。

香港浸会大学等机构联合开发的AdamMeme框架，通过多AI智能体协作，能够动态生成个性化测试样本来评估AI模型理解网络表情包恶意内容的能力。该框架突破了传统静态评估的局限，针对每个模型的弱点进行深度探测，实验显示即使是GPT-4o等顶级模型也存在认知盲点，为AI安全评估提供了新思路。

弗吉尼亚理工大学研究团队开发了名为"审查与修复"的AI系统，通过四个专业化AI组件协作，解决了AI绘画中角色外观不一致的问题。该系统能自动检测并修正故事插图中的视觉不一致性，大幅提升了AI生成连续图像的质量和连贯性，为创意产业提供了可靠的智能助手，展现了多AI协作解决复杂问题的新范式。

9月13日，由PEC China、至顶科技、软积木主办的PEC 2025 AI创新者大会暨第二届提示工程峰会在北京成功举办。

俄罗斯研究团队开发出首个针对俄语医疗记录的ICD自动编码系统RuCCoD，通过BERT、大语言模型和检索增强技术实现医疗诊断的智能编码。研究发现AI编码在训练诊断预测模型时比医生手工编码效果更好，准确率提升28%，为医疗信息化和临床辅助决策提供了新思路。

LangGPT创始者云中江树的双面人生

清华大学研究团队开发出突破性的三维旋转优化方法，通过四维空间处理解决了困扰计算机图形学几十年的"万向节锁死"问题。该方法将旋转路径缩短15-25%，显著提升动画自然度，在用户测试中获得更高评分并能减少VR晕动症。技术已可实用化，预计将改善电影、游戏、虚拟现实等领域的视觉体验。

这篇研究介绍了Moonshot AI团队开发的G1模型，该模型通过强化学习显著提升了视觉语言模型在游戏环境中的决策能力。研究团队首创了VLM-Gym训练环境，包含多种视觉游戏与统一接口，并开发了两代模型：G0通过纯强化学习实现自我进化，G1则结合感知增强冷启动与强化学习，在所有游戏中超越教师模型。最关键的发现是感知和推理能力在学习过程中相互促进，为解决视觉语言模型的"知道-行动"差距提供了新方向。

Yandex研究院开发出SWD技术，通过"阶梯式"分辨率策略让AI绘画速度提升2-10倍。该方法从低分辨率开始逐步升级，避免在早期高噪声阶段处理无效细节，同时创新了分片分布匹配技术确保质量。在多个主流模型上的测试显示，SWD在保持相近质量的同时显著提升了生成效率，为AI内容创作的实时化应用奠定了基础。

北京大学物理学院团队开发了首个专门评估AI大语言模型物理推理能力的基准测试PHYBench，包含500道原创物理题目。测试发现即使最先进的AI模型准确率也仅有36.9%，远低于人类专家的61.9%，揭示了AI在复杂物理推理中的显著局限性。

DMOSpeech 2是哥伦比亚大学与NewsBreak合作开发的突破性AI语音合成系统。该系统首次通过强化学习优化时长预测器，解决了现有系统中语音节奏控制不准确的关键问题。同时创新性地引入师生协作采样策略，在提升2倍计算效率的同时保持了语音输出的多样性，使合成语音更接近真人说话效果。

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。

这项由斯坦福大学等多所知名研究机构联合开展的研究，首次为农业人工智能建立了全面的评估标准AgroBench。该测试集涵盖疾病识别、害虫识别、杂草识别等七个农业核心任务，包含4342个专家标注的问答对，测试结果显示AI在农业管理建议方面表现出色，但在精确视觉识别任务上仍需改进，为农业AI的未来发展指明了方向。

黄渊普表示：亿欧的初心是通过商业的方式让科技更加普及。定位在产业创新服务平台，希望亿欧是一家未来具有全球影响力的国际化公司。

ByteDance研究团队提出OneReward统一奖励框架，通过单一视觉语言模型指导多任务图像编辑模型训练。该方法在图像填充、扩展、物体移除和文字渲染任务上均超越商业竞品，开发的Seedream 3.0 Fill在多维评估中表现卓越，为AI图像编辑领域提供了统一的人类偏好学习解决方案。