香港科技大学研究团队发现大型AI推理模型在处理主观问题时存在思维单一化问题，开发了MultiRole-R1框架让AI学会多角度思考。该框架通过并行多角色推理、多角色微调和强化学习三个阶段，让AI从不同角色视角分析问题。实验显示这种方法不仅提升了主观推理能力，客观推理表现也显著改善，验证了多样性思维与准确性的正相关关系。

为期两天的数据安全技术大会群贤毕至，是一场规模空前的思想盛宴、技术盛宴和交流盛宴。采用“1+6”模式，即1个主论坛，6个分论坛，主论坛以“以全新的技术 推动数据安全治理体系技术落地”为主题，于9月6日召开，分论坛于9月6日至7日平行举办。

过去，知识债务的解决一直局限于某些能够反复进行实验的领域，特别是医学，但目前的情况正在改变。

如何为企业带来更高效、更智能、更绿色的智算解决方案？

研究团队通过DanceGRPO框架首次实现了不同视觉生成技术的统一优化，解决了AI生成内容与人类偏好不匹配的关键问题。该方法在多个权威基准测试中取得显著性能提升，部分指标改进达181%，为AI视觉生成技术的实用化应用奠定了重要基础。

NVIDIA于SIGGRAPH上宣布扩展两类面向推理任务的模型体系

Qualcomm AI Research团队提出了一种创新方法，通过让小语言模型使用编程工具而非抽象思考来解决代码修复问题。研究发现，1B和3B参数的小模型在使用这种"编辑链"方法时，成功率分别提升了6倍和2倍，远超传统思维链方法。这种工具辅助策略为小模型的实际应用开辟了新路径。

数字经济大潮下，数字孪生技术作为数字化转型的重要工具，已被纳入国家关键技术战略，进入产业应用深水区。

普度大学研究团队提出MaPPO方法，通过引入先验知识改进AI偏好训练，解决传统方法中的"挤压效应"问题。该方法能根据回答质量差距动态调整训练强度，在多个基准测试中实现显著性能提升，且无需额外参数调整，可作为插件与现有方法无缝集成，为AI系统提供更好的偏好对齐能力。

2025年6月21日，以新安全 新价值为主题的第五届数字安全大会在北京隆重召开，本次大会由数世咨询主办，聚焦数据要素化安全、可信数据空间、安全智能体、安全优先的大模型、数智化安全运营等热点话题

英伟达与斯坦福等顶尖机构联合开发的TTT技术首次让AI学会"讲故事"，能生成长达一分钟的连贯视频。该技术采用"边做边学"的创新方法，让AI在生成视频时持续优化记忆能力，在人类评估中比现有最佳方法领先34个Elo积分，展现出革命性的长视频生成能力。

4月11日，天津市与国家电网有限公司正式签署《推进新型基础设施建设 打造能源革命先锋城市战略合作框架协议》。

在疫情的背景下，头部企业纷纷积极采取数字化转型等应急战略，以获得可持续的竞争优势。纵观整体行业，数字化系统驱动企业业务运营的理解与应用有一定偏差，但这并未阻碍众多企业在实践中不断探索的步伐。

塔尔图大学研究团队开发了IAUNet细胞分割系统，这是首个将U-Net与Transformer查询机制结合的生物医学AI技术。该系统能够精确识别明场显微镜下重叠的细胞，性能超越现有方法同时参数更少。研究团队还构建了Revvity-25数据集，包含110张高精度标注图像，每个细胞使用60-400个多边形点精确描绘。IAUNet在多个数据集上均取得最佳性能，为药物研发、疾病诊断等提供重要工具。

加州大学伯克利分校研究团队开发了gg-bench系统，让AI自己设计策略游戏来测试其他AI的智能水平。研究发现，即使是最先进的AI模型，在面对自己"同类"设计的游戏时胜率也只有7-36%，揭示了AI在创造和解决问题之间的能力差异。这项研究为避免传统AI测试中的"数据污染"问题提供了创新解决方案。

“我们最终是要将民用级外骨骼机器人做到万元以内，让大家能用买一部手机的钱买到外骨骼机器人。”

华中科技大学与利哈伊大学研究团队开发的MMMR基准是首个专门评估多模态大语言模型推理思考过程的综合工具。通过1,083个跨六大领域的高难度推理任务和创新的推理过程评估管道，研究发现即使最先进的模型在推理任务上也与人类存在约10%的差距。研究揭示了答案准确性与推理质量间的脱节：模型常出现思考不一致(41.5%)、过度思考(20.5%)等问题。这一基准不仅评估答案正确性，更深入分析思考质量，为提升AI系统的可靠性和透明度提供了重要方向。

苏州大学等机构联合发表的这项研究首次系统性梳理了AI测试时计算技术的发展全貌。研究揭示了AI正在经历从快速直觉反应向深度推理思考的重大转变，通过重复采样、自我纠错、树搜索等策略显著提升推理能力。这种"给AI更多思考时间"的技术革命不仅推动了数学、编程等领域的突破，更为通用人工智能的实现指明了方向。

究竟这位全能选手有什么特别之处？

南开大学团队开发出GlimpsePrune技术，让大型视觉语言AI能像人类一样"瞄一眼"抓住图像重点。该技术通过智能筛选视觉信息，只保留7.4%相关内容就能维持100%回答准确性，大幅降低92.6%计算负担。不同于固定压缩的传统方法，GlimpsePrune能根据问题复杂度动态调整，简单任务保留3.6%信息，复杂场景保留30-40%，实现真正智能化适应，为AI视觉应用的普及奠定基础。