香港科技大学团队开发了名为CoPart的革命性3D生成技术，它模仿人类设计师的工作方式，将复杂3D物体分解为多个部件分别生成再组装。该技术采用双重编码策略和相互指导机制，确保各部件既精细独立又协调统一。研究团队还构建了包含91000个部件的大规模数据集PartVerse。实验显示CoPart在生成质量上显著优于传统方法，并支持部件编辑、关节物体生成等多种应用，为3D内容创作开辟了新方向。

Adobe Research联合32家顶尖机构发布重磅研究，全面解析长视频生成技术现状与突破路径。研究发现当前AI视频生成存在时长限制（多数仅5-16秒）和质量衰减问题，通过分析六大技术流派和核心架构组件，为实现电影级长视频生成提供了系统性解决方案，预示着从几秒短片向几分钟完整故事视频的技术跃迁即将到来。

阿里巴巴Qwen团队提出全球首个个性化生成式奖励模型P-GenRM，通过三阶段训练和测试时用户导向扩展机制，实现AI系统对不同用户偏好的精准适应。该技术在标准测试中平均提升2.31%准确性，测试时扩展机制额外提升3%性能，为客服、教育、内容推荐等领域的个性化AI应用开辟新前景。

约翰霍普金斯大学团队提出R2-T2方法，通过测试时动态调整专家权重让多模态AI更智能。该技术无需重训练就能让7B小模型性能超越34B大模型，在视觉问答等9个基准测试中取得显著提升。核心思路是让AI在遇到新任务时自动寻找相似成功案例并模仿其专家选择策略。

上周英特尔举办了一场引人注目的“架构日”活动，公布了未来多年的产品技术路线图、技术战略规划以及一系列新技术。

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。

阿里巴巴推出的Ovis2.5是一个革命性的多模态AI模型，具备原生分辨率图像处理和深度推理能力。它采用五阶段训练体系，在OpenCompass评测中创造了开源模型新纪录。其突破性的思考模式让AI能够进行类人推理和自我纠错，在数学推理、图表分析、文字识别等方面表现卓越，为教育、医疗、商业等领域提供了强大的AI助手解决方案。

中国香港中文大学深圳分校研究团队开发了TaDiCodec语音编解码技术，实现了极低6.25Hz帧率和0.0875kbps比特率的高效语音压缩。该技术通过文本感知扩散解码器和端到端训练，在保持优异语音质量的同时显著提升压缩效率，在零样本语音合成中达到2.28%英语和1.19%中文词错误率，为AI语音系统提供了革命性的解决方案。

Meta联合滑铁卢大学开发的MoCha系统实现重大突破，仅需语音和文字描述就能生成电影级会说话的虚拟角色视频。该技术突破传统局限，无需参考图片等辅助条件，还能实现多角色对话场景，在唇音同步、表情自然度等方面显著超越现有方法，为内容创作、教育、娱乐等领域带来革命性变化。

这项由Midjourney团队主导的研究解决了AI创意写作中的关键问题：如何让AI既能写出高质量内容，又能保持创作的多样性和趣味性。通过引入"偏差度"概念和开发DDPO、DORPO两种新训练方法，他们成功让AI学会从那些被传统方法忽视的优秀独特样本中汲取创意灵感，最终训练出的模型在保持顶级质量的同时，创作多样性接近人类水平，为AI创意写作开辟了新方向。

刷新行业性能天花板，小米“人车家全生态”五大核心技术，小米 SU7新车亮相。

这篇研究探讨了大语言模型知识蒸馏过程中教师模型选择的重要性。北科a-m-team团队从三个顶级模型（AM-Thinking-v1、Qwen3-235B-A22B和DeepSeek-R1）收集了189万个问题的推理答案，分析发现AM-Thinking-v1生成的数据表现出更多样的令牌长度分布和更低的困惑度。使用这些数据训练的学生模型在AIME2024（84.3分）、AIME2025（72.2分）、MATH500（98.4分）和LiveCodeBench（65.9分）等基准测试中，AM蒸馏模型始终表现最佳，并展现出根据任务难度动态调整输出长度的能力。

香港科技大学研究团队开发了MOSS-ChatV视频AI系统，通过创新的"过程推理奖励"机制解决了现有视频AI推理过程不一致的问题。该系统不仅能准确预测视频中的未来事件，还能提供清晰的推理解释。研究构建了MOSS-Video数据集，采用动态时间规整算法训练模型，在多个视频理解任务上取得显著性能提升，为视频AI的可解释性发展开辟了新方向。

VidText是一个全新的视频文本理解基准，解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容，提出三层评估框架（视频级、片段级、实例级），并配对感知与推理任务。对18个先进多模态模型的测试显示，即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分，远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响，为未来视频文本理解研究提供了方向。

苏黎世联邦理工学院研究团队开发出首个多摄像头3D点追踪系统MVTracker，只需4个摄像头即可在三维空间中精确追踪任意点的运动轨迹，追踪精度达2-3厘米。该系统通过创新的点云融合技术和变换器架构，能处理复杂遮挡场景并适应不同质量的深度信息，实现了7.2帧每秒的准实时处理速度，为机器人技术、增强现实等领域带来重要突破。

CoIn是马里兰大学研究团队开发的创新框架，旨在解决大型语言模型商业API不透明计费问题。这些API隐藏推理过程只显示最终答案，却仍对所有"看不见"的令牌收费。CoIn通过令牌数量验证和语义有效性验证两大组件，使用户能够审计隐藏令牌而不暴露专有内容。实验表明，即使面对复杂攻击，CoIn的检测成功率高达94.7%，为商业AI服务提供了前所未有的计费透明度。

中国人民大学研究团队开发了ReaRec推荐系统，让AI学会"三思而后行"。不同于传统推荐系统的直接反应，ReaRec通过多步推理深度理解用户需求，特别擅长为新用户和小众商品提供精准推荐。实验显示平均性能提升7.49%，理论上限可达30-50%提升，为推荐系统开辟了推理时计算的全新方向。

腾讯优图实验室提出MetaUAS系统，首次实现仅用一张正常图片就能检测任何类型异常的突破。该技术将异常检测转化为变化检测问题，通过元学习训练通用模型，无需语言描述即可精确识别工业产品瑕疵，参数量仅为传统方法的1/10，推理速度快65倍，为工业质检智能化提供了全新解决方案。

云计算已经发展到新的阶段，而OpenStack以及背后的基金会也在积极求变，在顺应技术变化和客户需求方面进行了卓有成效的探索。展望下一个十年，OpenStack的发展值得期待。

这项哥伦比亚大学研究团队开发的Neuro2Semantic框架，能够从人类颅内脑电图信号中重建语义内容，开创了脑机接口技术的新可能。该框架通过两阶段过程工作：先用LSTM适配器将神经信号与文本嵌入对齐，再用预训练模型将这些嵌入转化为连贯文本。最令人印象深刻的是，它仅需30分钟的训练数据即可实现高效解码，远少于传统方法所需的16小时以上。研究表明该技术在未见过的语义内容上也表现出色，为帮助失语症患者等医疗应用铺平了道路。