新加坡国立大学研究团队开发出革命性AI视频解说系统LiveCC，通过500万YouTube视频训练，实现0.5秒内实时生成视频解说。该系统在体育赛事解说质量上超越多个大型模型，在传统视频问答任务中也达到同规模最优性能，为AI实时多模态理解开辟新方向。

2020年以意想不到的方式在展开，让人们愈发渴望AI的到来。

无论是在表现形态上，还是在技术演进上，视频服务的发展可谓日新月异，云原生视频云服务应用而生，视频进入了一个新的时代。

毫无疑问，Agent，也就是智能体已经预定了今年的最火AI关键词。不知道明年会不会是AGI呢，既然OpenAI和Anthropic的预测都是在2027年左右。而在Agent领域，非常有发言权的一位就是吴恩达。LangChain前不久的开发者活动Interrupt上，LangChain创始人Harrison Chase邀请了吴恩达专门做了一场对话

2025年5月19日，新加坡国立大学研究团队发表最新研究Thinkless，就像是给"内耗"的AI朋友配了一个心理咨询师，教会它什么时候该深度思考，什么时候可以快速回答。

蒙纳什大学研究团队提出了一套基于不确定性驱动的自动化过程奖励数据构建框架，解决了训练数学推理AI的关键难题。该方法通过识别AI推理中的不确定性来精准定位错误步骤，显著提高了数据标注效率，同时开发了两种创新的输出聚合策略，结合群体智慧与专家判断，在多个数学推理数据集上取得了显著的性能提升。

究竟这位全能选手有什么特别之处？

清华大学研究团队开发了MATE多智能体翻译系统，这是首个专为残障人士设计的开源AI辅助工具。该系统能在文字、语音、图像间智能转换，如将图片转为语音描述、语音转文字等。系统包含8个专业智能体协作，准确率达91.7%，支持本地运行保护隐私，为视听障碍等用户群体提供了强大的信息获取工具。

这项研究首次系统评估了AI代码智能体在科学研究扩展方面的能力。研究团队设计了包含12个真实研究任务的REXBENCH基准，测试了九个先进AI智能体的表现。结果显示，即使最优秀的智能体成功率也仅为25%，远低于实用化要求，揭示了当前AI在处理复杂科学推理任务时的显著局限性。

德州农工大学研究团队开发的FuzzingBrain系统，结合大语言模型和传统模糊测试技术，能够自动发现软件安全漏洞并生成修复补丁。在DARPA人工智能网络挑战赛中获得第四名，成功发现28个漏洞包括6个零日漏洞。系统采用大规模并行架构，实现了智能化的漏洞检测和修复流程，为网络安全防护提供了新的技术路径。

Hugging Face团队发布SmolLM2语言模型研究报告，详细阐述了17亿参数小型模型的创新训练方法。该研究通过多阶段精细化训练策略和三个全新数据集(FineMath、Stack-Edu、SmolTalk)的创建，证明了小模型在数据质量优化下可达到优异性能。模型在多项基准测试中超越同规模竞品，为人工智能技术的普及化和可持续发展提供了新的技术路径。

沙特阿拉伯Misraj AI公司开发出名为Sadeed的阿拉伯语标音模型，仅用15亿参数就在标音任务上超越了GPT-4等大型模型。研究团队创建了严格的数据清洗流程和全新的SadeedDiac-25评测基准，解决了现有基准数据污染问题。该模型证明了专业化小模型在特定任务上可以击败通用大模型，为阿拉伯语AI发展提供了新思路。

普渡大学研究团队开发了ASTRA红队系统，通过"空间时间探索"方法系统测试AI编程助手安全性。与传统方法不同，ASTRA专注现实使用场景，通过构建领域知识图谱和分析AI推理过程发现漏洞。实验显示ASTRA比现有技术多发现11-66%安全问题，生成的测试用例可提升AI安全训练效果17%，为AI编程助手安全保障提供了重要工具。

中国工程院院士邬贺铨讨论了人工智能的发展，从IBM的深蓝到AlphaGo再到ChatGPT，展示了AI从判别式到生成式的进步。他强调了数据在AI时代的重要性，提出了数据共享与开放的必要性，并指出中国在数据产量和存储量上与美国存在差距。他还提到了政府数据的利用率不高，需要改进数据共享和开放机制。邬贺铨建议加强数据治理，提升数据安全，促进社会数字化，并强调了大模型技术在社会治理中的潜力与风险。

斯坦福大学研究团队创建了全球首个创意写作评估基准LitBench，通过分析Reddit写作社区的4万多对故事比较数据，训练AI模型判断创意写作质量。研究发现专门训练的小型奖励模型（78%准确率）能超越大型语言模型评委（73%），但添加推理链反而降低了表现，揭示了创意评判需要直觉性判断的特点。

DeepGlint等机构联合发布RICE方法，通过区域感知聚类判别技术显著提升AI的图像细节理解能力。该方法构建了包含20亿区域的大规模数据集，设计了统一的物体识别和文字识别学习框架，在多项任务上超越现有主流模型，特别是在OCR和精细视觉理解方面表现突出，为多模态AI应用提供了更强大的视觉基础。

新加坡国立大学研究团队开发的SynthRL是一种创新的数据合成管道，旨在提升视觉语言模型的推理能力。该方法通过三阶段流程自动生成更具挑战性的训练数据：首先基于难度选择模型已掌握的简单问题，然后生成保留原始答案的更复杂变体，最后验证问题的正确性与难度增加。应用于MMK12数据集后，研究生成了3300多个高质量问题，并在五个视觉数学推理基准上实现显著性能提升，尤其在最困难的样本上效果最为明显。这一研究证明了智能数据合成在增强AI推理能力方面的重要价值，为视觉语言模型的进一步发展开辟了新途径。

南京大学与字节跳动联合团队开发的MotionSight系统，为多模态大语言模型提供了"动态视觉增强"能力，解决了现有AI系统在理解视频细粒度动作方面的困难。这一零样本方法通过对象中心的视觉聚光灯和动态模糊技术，显著提升了模型对物体动作和摄像机动作的感知能力，在不需要额外训练的情况下实现了业界领先性能。研究团队同时构建了MotionVid-QA数据集，这是首个专注于细粒度视频动作理解的大规模开源数据集，包含4万多个视频片段和近9万个问答对，为未来研究提供了宝贵资源。

Insilico Medicine是一家诞生于数字化时代，或者说计算机时代的企业。这家公司位于巴尔的摩，其专注于利用新一代人工智能与区块链技术进行药物发现、生物标记开发以及衰老研究。

字节跳动团队开发的MOSAIC系统突破了AI绘画的关键难题：多角色生成时的身份混乱。通过创新的语义对应机制和分离技术，MOSAIC能准确生成包含4个以上主体的复杂图像，每个角色都保持独特特征不串戏。该系统基于120万张精标注图像训练，在权威测试中全面超越现有方法，为AI内容创作带来革命性提升。