布尔诺理工大学研究团队开发了DiCoW和DiariZen两个系统，用于解决多人对话中的语音识别难题。该系统巧妙结合说话人分离与语音识别技术，在国际挑战赛中获得第二名，能处理15种语言的对话场景。研究发现系统具备良好的跨语言泛化能力，即使主要用英语训练也能处理其他语言。团队已开源相关模型，为会议记录、多语言交流等实际应用提供了强大工具。

一家身陷危机的公司返璞归真，并迅速掀起病毒式传播。但如此赤裸裸地复制Twitter，能否为这家老迈的科技巨头注入新的活力？

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。

想要开发出几乎能够适应一切道路状况的无人驾驶汽车，无疑是项极度严苛的挑战。

上海交大和复旦大学研究团队发现了AI视觉系统的重大安全漏洞——IAG攻击。这种攻击能让AI助手在视觉定位时被恶意操控，无论用户询问什么，都会指向攻击者预设的错误目标，且几乎无法被察觉。实验显示攻击成功率超65%，现有防御技术完全失效，对机器人、自动驾驶等应用构成严重威胁。

北京航空航天大学等机构联合提出NeRF-GS框架，将神经辐射场NeRF与3D高斯点云3DGS进行协同优化。该方法通过特征共享、残差向量建模和联合优化三大机制，有效解决了3DGS对初始化敏感、空间感知有限等问题，在保持实时渲染的同时显著提升了图像质量，为3D场景表示技术融合提供了新思路。

中美研究团队提出专家自主选择的AI新架构，让AI专家根据内在激活强度自主选择处理任务，避免传统路由器分配的不匹配问题。在40亿参数模型验证中，新方法在多项任务上超越传统混合专家模型，实现更均衡的负载分配和更高的处理效率，为大规模AI系统的专业化分工提供了创新解决方案。

研究团队开发了IR3D-Bench基准测试，要求AI根据单张图片重建完整3D场景，以此检验AI是否真正理解所见世界。测试涵盖20多个顶尖AI模型，结果显示虽然AI在物体识别上表现出色，但在空间关系理解和尺寸估计方面存在明显不足。研究为评估AI视觉理解能力提供了新标准。

西湖大学研究团队开发了Unicorn技术，首次实现仅用文字训练视觉语言AI模型，无需任何真实图片。该方法通过三阶段数据合成流程，将文字描述转换为合成图像表征，训练的Unicorn-8B模型在多项测试中表现优异。相比传统方法，成本降低96%、时间缩短73%，为AI训练提供了高效经济的新路径。

本研究由斯坦福大学等顶尖学府联合提出SkillBlender方法，让人形机器人像人类学习技能一样先掌握基础技能，再智能混合应对复杂任务。通过预训练行走、伸手、蹲起、踏步四种原始技能，系统能以最少的奖励设计完成复杂全身协调任务。新建的SkillBench测试平台包含三种机器人、八项任务，并创新性地评估动作准确性和自然度。

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。

香港浸会大学团队开发了HumbleBench，这是目前最大的AI幻觉评估基准，包含22,831个测试题，专门评估多模态大语言模型的"认知谦逊"能力。与传统只测试选择正确答案的基准不同，HumbleBench的每个问题都包含"以上都不对"选项，测试AI能否在不确定时诚实承认无知。研究发现即使最先进的AI模型表现也不理想，最好的模型准确率仅73%，在极端测试中甚至接近0%，揭示了当前AI系统"不懂装懂"的严重问题。

伊利诺伊大学团队开发的TaxoAdapt框架革新了学术论文自动分类技术，通过多维度分析和自适应扩展机制，能够动态构建反映学术演进趋势的分类体系。该系统在多项指标上显著优于现有方法，成功捕捉了从BERT时代到指令调优时代的学术转变，为学术文献组织和知识发现提供了智能化解决方案。

作为服务器行业的全球优秀者，戴尔易安信汇聚了全球服务器研发领域优秀的人才，他们对服务器行业的观察和思考，可以说是未来服务器发展的重要风向标。

上海AI实验室发布的InternVL3.5是新一代开源多模态大语言模型，能够同时理解图像和文字内容。该系统采用级联强化学习技术，推理性能提升16%，并通过视觉分辨率路由器实现4倍推理加速。在36项基准测试中表现优异，最大模型在多学科推理任务中得分77.7，接近商业模型水平，支持GUI交互、多语言处理等功能。

卡内基梅隆大学研究团队提出MRT方法，通过元强化学习优化AI推理过程。该方法不仅关注最终答案正确性，还奖励思考过程中的有效进展，解决了现有AI"思考时间长但效率低"的问题。实验显示MRT在数学推理任务中准确率提升2-3倍，计算效率提升1.5-5倍，为构建更智能高效的AI系统提供了新路径。

更高效、更安全、更灵活的AI PC产品组合及创新解决方案，深化人与工作、员工与企业的关系。

这是一项融合大语言模型与强化学习的金融交易AI创新研究。哈佛等知名院校团队开发的FLAG-TRADER系统让仅1.35亿参数的小型AI模型在股票和加密货币交易中超越了GPT-4等大型商业模型。该系统通过部分微调和夏普比率奖励机制，实现了既能理解复杂市场信息又能从交易实践中持续学习的智能交易决策，为AI在金融领域的应用开辟了新路径。

土耳其伊斯坦布尔Newmind AI团队开发出首个专门针对土耳其语的AI幻觉检测系统Turk-LettuceDetect，能够逐字识别AI生成内容中的虚假信息。该系统使用三种不同的AI模型，在包含17790个样本的数据集上训练，最佳模型达到72.66%的检测准确率。这项研究填补了土耳其语AI安全检测的空白，为8000万土耳其语使用者提供了更可靠的AI交互体验。

清华大学团队突破性开发"零样本量化"技术，让AI模型在不接触真实数据的情况下完成高效压缩，性能反超传统方法1.7%，为隐私保护时代的AI部署开辟新路径。