博尔扎诺自由大学研究团队开发的PATS技术通过保留完整运动片段代替随机抽取视频帧，显著提升了AI评估体育技能的能力。该方法在EgoExo4D基准测试中表现出色，攀岩评估准确率提高26.22%，音乐提高2.39%，篮球提高1.13%。PATS能根据不同运动类型自动调整采样策略，为体育训练和人才发展提供了更准确的自动评估技术。

斯坦福大学研究团队开发出革命性的"差分隐私对话训练"方法，首次解决了AI训练中性能与隐私保护的矛盾。该技术通过在训练过程中添加精心计算的噪音，让AI既能流畅对话又无法泄露训练数据中的敏感信息。实验显示，使用此方法的AI在对话质量上几乎达到传统方法水平，但隐私保护能力显著增强，为未来AI服务的安全发展提供了重要技术基础。

商汤科技研究团队开发了MaskGWM，一个革命性的自动驾驶预测系统。该系统采用创新的"双重学习法"，让AI同时掌握图像生成和逻辑推理能力，能够预测长达12秒的未来驾驶场景。通过空间和时间两个维度的掩码重建训练，结合多视角预测能力，MaskGWM在标准测试中显著超越现有技术，并展现出强大的跨域泛化能力，为更安全智能的自动驾驶技术奠定了重要基础。

宾夕法尼亚大学研究团队开发了AgentTTS系统，解决多阶段AI任务中的计算资源分配难题。通过发现不同子任务对模型大小的偏好差异、最优预算点存在性和子任务间相互依赖关系三个关键规律，该系统能智能分配计算预算，在六个数据集上的测试显示其在搜索效率和最终性能上均超越传统方法，为AI资源管理提供了新思路。

9月13日，在“PEC 2025 AI创新者大会暨第二届提示工程峰会”上，进行了一场《AGI 前夜：预见2026》的圆桌对话，对话邀请了今日美术馆执行馆长晏燕、零一万物联合创始人马杰、清智资本创始合伙人张煜，由PEC China发起人、至顶科技CEO兼总编辑高飞主持，一场围绕AI未来的深度思辨就此展开。

7月26日，第六代微软小冰在北京发布。与往年一样，发布信息量非常大。

天津大学研究团队开发的MotionFlux系统通过矫正流匹配技术和TAPO偏好对齐优化，实现了毫秒级的实时文字到动作生成。该系统在保持高质量动作生成的同时，将推理速度提升了数千倍，在语义对齐准确率上也显著优于现有方法，为游戏、虚拟现实、教育培训等领域的实时应用奠定了技术基础。

一项由苏州大学、微软等机构合作的研究OPENTHINKIMG首次提出了完整的视觉工具强化学习框架，解决了当前大型视觉语言模型缺乏视觉思维的问题。该研究基于Qwen2-VL-2B基础模型，开发了V-TOOLRL方法，通过分布式工具部署、轨迹生成和强化学习，使AI能像人类一样"用图像思考"。实验表明，在图表推理任务上，该方法准确率达59.39%，显著超越了同类开源系统并优于GPT-4.1，为未来AI视觉认知提供了新路径。代码已在GitHub开源，将促进相关领域研究。

阿里巴巴联合多所知名院校的研究团队，通过系统性实验揭开了大语言模型强化学习技术选择的迷雾。他们发现仅用两种核心技术组合的Lite PPO方法，就能超越使用多种复杂技术的主流算法，证明了在AI训练中"极简主义"的有效性，为业界提供了清晰的技术选择指南。

9月13日，在“PEC 2025 AI创新者大会暨第二届提示工程峰会”上，进行了一场《AGI 前夜：预见2026》的圆桌对话，对话邀请了今日美术馆执行馆长晏燕、零一万物联合创始人马杰、清智资本创始合伙人张煜，由PEC China发起人、至顶科技CEO兼总编辑高飞主持，一场围绕AI未来的深度思辨就此展开。

9月13日，在“PEC 2025 AI创新者大会暨第二届提示工程峰会”上，进行了一场《AGI 前夜：预见2026》的圆桌对话，对话邀请了今日美术馆执行馆长晏燕、零一万物联合创始人马杰、清智资本创始合伙人张煜，由PEC China发起人、至顶科技CEO兼总编辑高飞主持，一场围绕AI未来的深度思辨就此展开。

普林斯顿大学研究团队发现AI推理时间增加存在双刃剑效应：当思考过程隐藏时能提升安全性，但暴露时会显著降低安全性。通过对12个开源模型的测试，证实了这种"逆向扩展定律"，为AI系统安全部署提供了重要指导。

新加坡国立大学研究团队通过分析150多篇相关论文，首次建立了评估提示词质量的21属性框架。研究发现当前提示词研究存在严重不平衡，某些模型和任务被过度关注。通过969个高质量提示词样本分析，团队发现属性间存在强关联性。实验显示单一属性优化往往比多属性组合效果更佳，且用属性增强数据训练的模型表现显著提升。

阿里达摩院联合复旦大学开发了VL-Cogito多模态推理模型，采用创新的渐进式课程强化学习框架PCuRL。该系统模仿人类学习方式，通过三阶段训练让AI学会根据问题难度智能调整回答详细程度。VL-Cogito在十个基准测试中表现卓越，展现了在数学、科学、逻辑推理等多领域的强大能力，为多模态AI实际应用开辟了新路径。

西安交通大学等机构研究团队提出的"基于先验的深度思考"(DP)框架，通过充分利用知识图谱中的结构信息和约束条件，显著提升了大语言模型的推理可靠性。该框架包含知识蒸馏、规划、实例化和内省四个组件，通过渐进式知识蒸馏策略和推理内省机制，使模型能生成更忠实和可靠的回答。在三个基准数据集上的实验表明，DP不仅提高了推理准确性，特别是在ComplexWebQuestions数据集上的Hit@1提升了13%，还大大减少了模型交互次数，展现出极高的实用性。

放松一点，也许卸下偶像包袱后的你我才能更好地了解彼此。

「 老易说：“如果你羡慕大佬，那你自己就变成大佬。对抗恐惧最好的办法就是直面恐惧，就这么简单。”」

卢布尔雅那大学研究团队开发出SuperSimpleNet统一缺陷检测系统，能够适应无监督、弱监督、混合监督和完全监督四种学习场景。该系统在多个数据集上达到98%以上检测准确率，推理时间仅9.5毫秒，通过创新的合成异常生成技术和双分支架构设计，解决了传统方法只能处理特定标注类型的局限性，为工业质量检测提供了灵活高效的解决方案。

这项研究介绍了VisCoder，一个经过专门微调的大语言模型，用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集，结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中，VisCoder显著优于同等规模的开源模型，甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式，证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。

斯坦福和伯克利研究团队推出VidDiff技术，让AI学会像专业教练一样精准识别动作差异。该技术通过三步走方法解决视频动作比较难题，构建了包含549对视频的大型数据集VidDiffBench。虽然当前AI模型准确率有限，但已展现在健身指导、医学培训、体育分析等领域的应用潜力。研究为AI理解细微动作差异开辟新方向，有望让人人享有智能化的动作指导。