纽约大学等多家机构联合研究提出了接触锚定策略，用物理接触点替代语言指令来训练机器人。该方法仅用23小时演示数据就实现了抓取、开启和关闭三种基本操作，在零样本评估中比现有方法性能高出56%。研究团队还开发了轻量级仿真环境EgoGym加速模型迭代，并在多个机器人平台上验证了跨平台兼容性。这项工作为资源受限环境下的机器人学习提供了高效解决方案。

这项由意大利布鲁诺·凯斯勒基金会等机构联合完成的研究创建了首个跨语言多模态AI评测基准MCIF，涵盖英德意中四种语言，包含文字、语音、视频三种模态和13项任务。通过对21个先进AI模型的测试，发现AI在长文本处理、跨模态融合和指令鲁棒性方面存在显著不足，为AI技术改进指明了方向。

蚂蚁集团发布的UI-Venus-1.5是一个能够自动操作手机和网页界面的AI系统。它通过创新的四阶段训练方法，实现了从多个专门模型到统一模型的突破，在多项权威测试中达到70%以上的成功率，特别针对40多个中国主流应用进行了优化，展现了AI助手在真实场景中的应用潜力。

华为云基于华为IT流程数据治理方法论推出华为云大数据轻量级解决方案，配合华为云资产可以轻资源、轻开发、轻部署、轻运维地快速构建数据治理体系

卡内基梅隆大学研究团队开发了一种创新的航拍图像车辆检测技术，通过生成式AI和跨域适应解决了不同地区环境差异导致的检测性能下降问题。该方法利用扩散模型生成合成训练数据，结合多通道注意力机制实现精确标注，在多个数据集上相较现有方法提升显著，为智能交通、城市规划、应急响应等领域提供了实用的技术解决方案，并贡献了两个高质量的航拍车辆检测数据集。

延世大学研究团队开发的UniSkill系统实现了机器人跨身体形态学习的重大突破。该系统让机器人能够通过观看人类演示视频学习技能，无需配对训练数据，在真实环境测试中达到87%的成功率。系统采用逆向和前向技能动力学模型，通过图像编辑框架提取动作本质，展现出强大的泛化能力和跨平台适用性，为机器人技能获取开辟了新路径。

「 阿达的微信名是一串数字，那是他在佛山监狱服刑的囚号。从一名服刑人员转型硬件工程师，编程重启了阿达的人生。科技并不冰冷，它描摹未来蓝图，更关照当下烟火。」

GSFixer是由北京大学等机构联合开发的3D重建技术，专门解决从稀少照片中重建高质量3D模型的难题。该技术通过参考引导的视频扩散模型，融合2D语义和3D几何信息，确保生成的新视角与原始照片保持一致性。相比现有方法在图像质量和结构准确性方面都有显著提升，可广泛应用于文物保护、房地产、影视游戏等领域。

MiroMind AI公司发布了完全开源的M1系列数学推理模型，采用创新的CAMPO算法实现分阶段训练和重复惩罚机制。该模型在AIME24、AIME25等权威测试中表现优异，不仅准确率高且推理过程简洁高效。研究团队公开了全部训练数据、代码和配置，为AI推理研究提供了完整的开源解决方案，展现了与商业封闭模式不同的发展路径。

生成式AI对艺术风格的疯狂模仿，应当休矣。

这项由北卡罗来纳大学与Snowflake合作的研究提出了Agent World Model（AWM）系统，首次实现了大规模可执行环境的自动生成。该系统能够自动创建1000个多样化的虚拟训练环境，每个环境平均包含35个工具，为AI智能体的工具使用训练提供了前所未有的规模和质量保障，实验证明在虚拟环境中训练的智能体能够很好地泛化到真实任务中。

伊利诺伊大学研究团队提出DynamicRAG框架，通过动态重排序器和强化学习技术，让AI系统能根据问题复杂度智能调整参考文档数量和排序。该系统在七个知识密集型数据集上表现优异，显著提升了问答准确性和效率，为构建更智能的AI助手指明了新方向。

这项由斯坦福大学、Meta公司和密歇根大学联合完成的研究，开发了能够实时观看视频并主动提供任务指导的AI助手系统。研究团队创建了包含30万对话的PROASSIST数据集，设计了创新的评估方法，并开发了能处理流媒体视频的端到端模型。实验显示，该系统能够在烹饪、组装等多种任务中提供及时准确的指导，为开发真正智能的人工助手奠定了基础。

武汉大学团队开发了EVOREFUSE系统，通过进化算法生成能触发AI过度拒绝的伪恶意指令。研究发现AI存在"捷径学习"问题，过度关注敏感词汇而忽略语境。团队创建的测试数据集在9个模型上的触发率比现有最佳方案高140%，训练数据集可使模型过度拒绝减少40%同时保持安全性。该研究为AI安全测试和训练提供了新工具和理论洞察。

韩国科学院团队发现多模态大语言模型存在"候选项先验偏见"，即系统偏爱高频出现的内容而非真正相关的内容。他们开发了BLiM双向检索框架和CPN标准化技术，通过让AI从两个方向思考问题并消除统计偏见，在四个数据集上平均提升6.4个百分点的检索准确率。该技术还适用于视觉问答、图像描述等多个领域，为构建更公平可靠的AI系统提供了新方案。

这项由上海人工智能实验室、南京大学和中科院深圳先进技术研究院联合完成的研究，开发了全球首个专门测试AI长视频推理能力的评估平台VRBench。该平台包含1010个多语言长视频和超过9000个多步推理问答对，创新性地采用双重评估机制，既测试AI的答案准确性，也评估推理过程质量。测试结果显示，即使是最先进的AI模型在复杂视频推理任务上仍存在显著不足，特别是推理过程的可靠性方面。

爱尔兰都柏林大学研究团队发现了量子机器学习的重要突破：通过Vision Transformer嵌入，量子支持向量机首次在图像识别任务上显著超越传统算法，在Fashion-MNIST上提升8.02%准确率。研究揭示量子优势关键在于选择合适的数据表示方法，而非单纯依赖量子算法。

杜克大学与Zoom合作研究揭示，即使最先进的AI模型在复杂多步骤任务中成功率也不足60%。研究团队通过LiveMCP-101测试平台的101个真实任务，发现AI智能体存在七种主要失误模式，其中语义错误最为普遍。该研究采用创新的实时对比评估方法，为改进AI系统指明了方向。

特拉维夫大学研究团队提出用"混合因子分析"方法重新理解AI语言模型的内部机制，发现AI思维呈现社区化结构而非简单线性排列。这种新方法将AI的激活空间分解为语义相关的区域中心和局部变化方向，在概念定位和行为控制任务上显著优于传统方法，为精确控制AI、个性化应用和提升AI可解释性开辟了新路径。

这项由法国CentraleSupélec大学领导的国际研究成果发布了EuroBERT多语言AI模型家族，该模型支持15种语言处理，具备数学和编程理解能力，支持长达8192token的文本处理，在多项任务上超越现有模型，为跨语言AI应用提供了新的技术基础。