剑桥大学研究团队通过创造全新人工语言Camlang，发现了人工智能的重大局限：尽管最先进的AI模型在熟悉语言上表现优异，但在学习真正陌生语言时远逊于人类。人类仅凭语法书和词典就能达到87%准确率，而AI最高仅47%，揭示了AI依赖模式匹配而非真正语法推理的本质局限。

Testin云测提供云测试服务，是云服务产业的重要一环，将测试服务以云服务的模式提供给互联网公司和数字化转型的传统企业客户以及政府和事业单位等，帮助他们提高生产效率，降低成本。云测试对企业减负赋能，将起到不可忽视的推动意义。

医生已经成为全球自杀率最高的职业。而近几年来，AI技术的引入则为整个医疗健康行业带来了曙光。

浪潮计算机济南智能工厂集领先的制造工艺与智能技术为一体，通过搭建浪潮创新技术产品工业互联网智能制造平台，利用人工智能、大数据、移动互联网等新一代信息技术，协同完成智能制造任务。

OpenAI 为 ChatGPT 推出新功能"深度研究"，使其能够自主规划和执行多步骤研究，为用户提供全面的信息。这项功能可以处理文本和图像输入，生成详细报告，并显示研究过程。尽管存在一些风险，OpenAI 正努力通过先进的 AI 模型和强化学习技术来提高准确性和可靠性。

这项由浙江大学和阿里巴巴合作的研究首次为语音对话AI开发了专业评估系统WavReward，能够同时评估对话内容和语音情感等多维度信息。研究团队还构建了包含30000个样本的ChatReward-30K数据集，涵盖九种声学属性和隐含对话场景，为语音助手质量评估提供了重要工具。

GRIT是一种创新框架，它教会多模态大语言模型（MLLMs）在视觉推理过程中"边看边思考"。传统MLLMs虽能处理图像和文字，但无法明确指出推理时关注的具体图像区域。GRIT通过引入一种新的推理范式，让模型生成的推理内容自然地混合文本和边界框坐标，使AI能像人类一样在思考时明确参考视觉信息。研究团队开发的GRPO-GR强化学习方法不需要详细标注数据，仅用20个训练样本就能赋予模型这种能力。

MBZUAI研究团队开发的GG技术突破了跨架构程序翻译难题，通过AI将x86程序准确翻译为ARM版本，准确率达99.39%。与苹果Rosetta 2相比，性能快73%、省电47%、内存占用少141%。该技术采用大型语言模型结合严格测试验证，为硬件架构迁移提供了高效解决方案，将推动ARM处理器在数据中心的快速普及。

在碳中和的时代背景下，高能耗的水泥企业面临着更为严厉的节能环保政策，同时包括成本的上升以及产能过剩、行业间的恶性竞争等问题，企业的转型迫在眉睫。面对行业挑战以及数字经济机遇，作为水泥行业领头羊的华新水泥，选择华为云合作。

斯坦福大学研究团队开发出革命性的"神经语义解码器"，这一AI系统能够通过分析大脑神经活动来"读懂"人类的语言理解过程。该技术在识别听到的句子方面准确率超过85%，甚至能够解码心中默念的内容。这项突破性成果不仅揭示了大脑处理语言的神奇机制，还为失语症治疗、个性化教育、人机交互等领域带来了革命性应用前景，同时也引发了关于思维隐私和技术伦理的重要讨论。

“创新雷神号” 作为“天算星座”计划的第二颗先导试验星，主要基于由北京邮电大学、华为云、北京大学联合研制的星地融合分布式网络验证平台开展试验验证。

这项由清华大学领导的研究提出了Bench-V，首个专注于评估AI模型视觉推理中多模态输出能力的基准测试。通过803个涵盖数学、物理、计数和游戏的精心设计问题，研究揭示即使是最先进的OpenAI o3模型也仅达到25.8%准确率，远低于人类专家的82.3%。实验结果表明，仅增加模型规模或使用文本推理无法有效解决视觉必需推理问题，未来AI需要发展真正的多模态思维能力才能缩小与人类的差距。

上海AI实验室团队提出TAIL方法，让大语言模型学会图灵机的推理方式，通过线性转换、原子状态和内存获取器三个核心模块，显著提升了AI在长文本推理任务上的表现。在18个算法任务的测试中，该方法训练的模型展现出优秀的长度泛化能力，超越了多个先进模型，为解决AI长文本推理难题提供了新思路。

这项研究提出了一种名为INTUITOR的创新方法，让大语言模型无需外部奖励即可自主学习推理能力。研究者利用模型自身的"自我确定性"作为唯一奖励信号，替代传统需要人工标注或答案验证的方法。实验表明，该方法在数学推理上与使用标准答案的方法相当，并在代码生成等跨领域任务上展现出更好的泛化能力。这为开发能在缺乏外部验证的情况下自我提升的AI系统开辟了新途径，对未来自主学习AI具有深远影响。

华为云EI创新孵化Lab联合华中科技大学电信学院、华中科技大学同济医学院附属协和医院（武汉协和医院）放射科运用一站式AI开发平台ModelArts开发了一套基于CTA影像的全自动化、高度敏感的脑动脉瘤检测算法。

这项研究由人民大学与中科院联合团队开发的STAR-R1，通过创新的强化学习方法显著提升了AI的空间变换推理能力。与传统监督学习不同，STAR-R1采用细粒度奖励机制让AI学会像人类一样思考，在物体属性变化识别任务中取得了61.4%的准确率，远超GPT-4o等顶级模型。研究发现AI在训练中展现出人类般行为模式：面对简单场景快速判断，遇到复杂视角变化则全面比较所有物体。这一突破不仅在所有11个评估指标上表现最佳，尤其在跨视角场景中比传统方法高出23%，为AI空间认知发展提供了新方向。

雪花公司宣布将一项名为 SwiftKV 的优化技术集成到其托管的大型语言模型中。这项技术通过重复利用早期层的隐藏状态信息，避免重复计算后续层的键值缓存，从而显著提高推理效率。据称，该技术可将 LLM 推理吞吐量提高 50%，并将某些开源模型的推理成本降低高达 75%。这一突破有望大幅提升 AI 应用的性能和效率。

弗吉尼亚大学研究团队开发了TruthHypo基准和KnowHD框架，用于评估大语言模型生成生物医学假设的真实性及检测幻觉。研究发现大多数模型在生成真实假设方面存在困难，只有GPT-4o达到60%以上的准确率。通过分析推理步骤中的幻觉，研究证明KnowHD提供的基础依据分数可有效筛选真实假设。人类评估进一步验证了KnowHD在识别真实假设和加速科学发现方面的价值，为AI辅助科学研究提供了重要工具。

随着人类太空任务时间延长和距离地球更远，保持宇航员健康面临挑战。NASA与谷歌正在开发名为CMO-DA的AI医疗助手，帮助宇航员在无法联系地球或医生不在场时诊断和治疗症状。该工具运行在谷歌云Vertex AI环境中，支持语音、文本和图像多模态交互。经过三种医疗场景测试，诊断准确率在74%-88%之间。未来计划增加更多数据源并训练模型适应微重力等太空医学条件。

这项国际合作研究基于巴西圣保罗1400万新生儿数据，运用7种AI算法预测新生儿28天内死亡风险。研究发现LSTM深度学习算法预测准确率高达99%，远超传统机器学习方法的94%。该技术能帮助医生提前识别高危婴儿并采取预防措施，对改善全球新生儿健康状况具有重要意义，特别适用于医疗资源匮乏地区。