从业者希望通过数字孪生改善运营态势、增强产品供应、交付更佳的业务价值，AWS开发出一套框架，帮助他们理解自身用例并实现商业价值。

由阿里巴巴钱文团队与浙江大学合作的研究提出了"并联缩放"(ParScale)方法，一种全新的大语言模型能力提升策略。不同于增加参数或延长推理时间的传统方法，ParScale通过多路并行计算来提升模型性能：它使模型同时从多个角度处理同一输入，再智能整合结果。研究表明，P倍并行计算相当于增加O(log P)倍参数，但内存和延迟开销显著降低。对于1.6B参数模型，8路并行可节省22倍内存增长和6倍延迟增长。更重要的是，此方法可应用于现有模型，通过少量数据的后训练即可实现性能提升，为资源受限场景下部署强大AI提供新思路。

苏黎世联邦理工学院研究团队开发出首个多摄像头3D点追踪系统MVTracker，只需4个摄像头即可在三维空间中精确追踪任意点的运动轨迹，追踪精度达2-3厘米。该系统通过创新的点云融合技术和变换器架构，能处理复杂遮挡场景并适应不同质量的深度信息，实现了7.2帧每秒的准实时处理速度，为机器人技术、增强现实等领域带来重要突破。

这项由以色列理工学院等机构完成的研究提出了SingLoRA方法，用单一矩阵替代传统LoRA的双矩阵设计，解决了AI模型微调中的稳定性问题。该方法在保持性能的同时将参数量减少一半，在语言理解和图像生成任务中都表现出色，为大模型的高效适应提供了新的解决思路。

被业界誉为“中国柔性制造之父”的吴怀宇博士多年来带领三体科技团队经过长期的研发攻关在柔性制造技术领域已取得了突破性进展，特别是在柔性制造技术难度最大的鞋服无人制造领域取得了领先国际同行的颠覆性成果。

CoIn是马里兰大学研究团队开发的创新框架，旨在解决大型语言模型商业API不透明计费问题。这些API隐藏推理过程只显示最终答案，却仍对所有"看不见"的令牌收费。CoIn通过令牌数量验证和语义有效性验证两大组件，使用户能够审计隐藏令牌而不暴露专有内容。实验表明，即使面对复杂攻击，CoIn的检测成功率高达94.7%，为商业AI服务提供了前所未有的计费透明度。

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。

与“西气东输”“西电东送”“南水北调”等超级工程类似，“东数西算”实施之路也荆棘丛生，该如何解决这些遇到的阻力和挑战呢？

微软研究院联合多所大学开发了villa-X机器人学习系统，该系统通过引入"潜在动作"中间表示，成功解决了机器人理解人类指令并转化为具体动作的难题。系统采用分层专家设计，结合视觉和物理信息学习，在仿真和真实机器人实验中都表现优异，特别是在跨机器人平台的泛化能力上取得重要突破，为通用机器人智能奠定了基础。

一加中国区总裁李杰表示：“一加 12 将所有用户高频使用场景的体验均做到极致，产品力超越了所有骁龙 8Gen3 的旗舰 Pro 版，真正实现了「一部，即全部」，是一加十周年送给用户最好的礼物。”

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。

UCLA计算机科学系研究团队提出的"自适应并行解码"(APD)方法，成功解决了扩散大语言模型面临的速度与质量权衡难题。该方法通过动态调整并行生成的词数，结合一个小型辅助自回归模型来评估生成质量，并引入KV缓存和掩码输入限制等优化措施，使扩散模型能在保持高质量输出的同时显著提升生成速度。实验表明，使用APD的Dream 7B模型不仅能达到每秒59个词的吞吐量（比基线提升近6倍），还在数学推理等任务上保持了接近原始水平的准确率，甚至超越了传统自回归模型的速度。

贝壳找房开发的AM-Thinking-v1是一个32B参数的推理优化语言模型，完全基于开源数据训练。该模型在数学推理和代码生成任务上表现出色，AIME2024得分85.3，超越了671B的DeepSeek-R1，证明了通过精心设计的训练流程，中等规模密集模型也能达到超大模型的推理能力。

宾汉姆顿大学研究团队评估了八个开源大语言模型检测反犹言论的能力，使用国际大屠杀纪念联盟定义作为标准。研究开发了"引导式思维链"新方法，显著提升了所有模型的检测性能。Llama 3.1 70B表现最佳，甚至超越了专门训练的GPT-3.5。研究还分析了AI模型的常见错误类型和解释差异，为AI在敏感内容审核领域的应用提供了重要参考。

AMD对赛灵思的收购已经完成，最终成本接近490亿美元——这个数字远远高于2020年10月刚刚宣布交易时预估的350亿美元。多花的钱，自然就是过去一年半以来AMD优异市场表现带来的股价上涨。

计算机应届毕业生，找不到工作了？

谷歌DeepMind研究团队提出Mind Evolution算法，让AI像生物进化一样通过多候选方案的相互学习和改进来解决复杂规划问题。该方法在旅行规划任务中成功率从传统的5.6%提升至95.6%，甚至可达100%。研究创新性地将进化算法引入自然语言推理，无需问题形式化，仅需评估函数即可自动优化解决方案，为AI推理开辟了全新范式。

中科院团队开发出DiffSpectra系统，首次实现仅通过多模态光谱数据就能准确推断分子完整三维结构的AI技术。该系统同时处理红外、拉曼和紫外光谱，采用扩散模型直接生成分子结构，突破了传统依赖分子库查找的局限。测试显示16.01%完全准确率，前20候选准确率达96.86%，将revolutionize化学分析效率，加速新药研发和材料科学发展。

斯坦福等高校联合研究团队首次开发出能抵御"视觉伪装攻击"的AI图像水印技术PECCAVI。该技术通过识别图片中的"非融化点"并采用多频道频域水印，成功抵御了能完全去除传统水印的最新攻击方式，检测率达92%。研究解决了AI生成图像真实性验证的关键难题，为防范AI造假内容传播提供了重要技术支撑。

牛津大学联合研究团队发现AI在生成答案前就能预测自己的成功率，这种内部"直觉"可用于智能路由系统。研究揭示AI与人类对问题难度理解存在差异，且随推理深度增加而扩大。基于此开发的路由系统在保持性能下可降低17-70%计算成本，为高效AI部署提供新思路。