这项由浙江大学等多家机构联合完成的大规模调研首次系统性梳理了操作系统智能体这一前沿领域，全面分析了基于多模态大语言模型的AI助手如何像人类一样操作电脑手机。研究涵盖了技术架构、训练方法、评估体系和发展挑战，为实现类似贾维斯的智能数字助手提供了完整的技术路线图。

清华大学和智谱AI联合发布GLM-4.5系列模型，这是首个在推理、编程和智能代理三大核心领域同时达到顶尖水平的开源AI模型。GLM-4.5拥有355B参数但仅激活32B，创新的混合推理模式能根据任务复杂度自动选择思考深度。该模型在12项基准测试中排名第三，智能代理任务排名第二，已完全开源供研究使用。

这项由天津大学、滴滴出行等机构联合开展的研究提出了D-Artemis框架，通过模拟人类"思考-校准-反思"认知过程，让手机AI助手具备预执行错误检测和纠正能力。该框架在AndroidWorld上达到75.8%成功率，在ScreenSpot-V2上达到96.8%成功率，将传统系统的基础操作错误大幅降低，标志着AI助手从"事后补救"向"事前预防"的重要转变。

上海交通大学研究团队开发了SWE-Debate框架，通过让多个AI代理进行结构化辩论来解决软件bug问题。该方法首先构建代码依赖图谱生成故障传播路径，然后组织AI代理进行三轮辩论选择最优修复方案。实验显示问题解决成功率达41.4%，故障定位准确率提升14.67%，证明了多智能体协作在复杂软件问题解决中的优势。

UCLA团队首创"具身网络智能体"概念，开发出能同时在现实世界和网络世界中操作的新型AI系统。通过1500多个跨域任务测试发现，当前最先进AI模型在此类任务中表现远逊于人类，主要问题在于跨域协调困难。该研究为AI发展指明了"统一智能"新方向，虽然技术尚不成熟，但为未来智能助手、智慧医疗、教育等应用奠定了基础。

希伯来大学研究团队提出"模型地图集"概念，系统性解决AI领域模型管理混乱问题。当前150万公开模型中超过60%缺乏文档，研究者难以找到合适模型，造成重复训练和资源浪费。团队开发出绕过权重对称性难题的新方法，能够自动推断模型血统关系和功能属性，已在真实数据上达到80%以上准确率，为构建有序AI生态系统奠定基础。

香港科技大学研究团队提出GAPrune方法，通过双重评估机制实现AI模型的智能压缩。该方法结合Fisher信息和梯度对齐分析，在保持领域专业性的同时大幅降低计算资源需求。实验表明，GAPrune在50%参数削减下性能损失仅2.5%，重训练后甚至超越原模型性能，为AI技术普及和可持续发展提供新路径。

字节跳动种子实验室推出突破性实时视频生成技术AAPT，实现24fps高清视频的实时生成与交互控制。该技术通过自回归对抗后训练，将传统多步生成压缩至单步完成，在H100 GPU上实现0.16秒超低延迟。支持长达60秒连续视频流生成，在姿态控制虚拟人和摄像机控制世界探索等应用中表现出色，为实时交互媒体内容创作开辟全新道路。

研究求解器的少数者。

研究求解器的少数者。

MIT等顶尖院校研究团队发现AI处理长文本时存在"记忆过载"问题，提出OPRM溢出预防方法，通过"分而治之"策略让AI学会聪明遗忘，性能提升14%-51%。该方法类似智能图书管理员，先快速浏览所有相关内容，再专注分析最相关部分，避免了传统方法的记忆溢出困境，为实现更高效的长文本AI应用开辟新路径。

斯坦福大学研究团队构建了AHELM评估系统，首次对14个主流音频语言模型进行标准化全面测试。研究发现Gemini 2.5 Pro综合表现最佳但存在性别偏见，传统语音识别方法在多项任务中击败先进AI模型，揭示了当前音频AI技术的真实能力边界和潜在风险。

沙特阿拉伯misraj.ai团队开发了Kuwain 1.5B，一个仅15亿参数的阿拉伯语-英语双语AI模型。他们创新性地提出"语言注射"技术，在英语模型基础上增加8个新层专门处理阿拉伯语，同时保持原有层冻结。通过扩展26000个阿拉伯语词汇和9:1的数据配比，实现了阿拉伯语性能8%提升，英语能力完全保持，训练成本降低70%。该方法可推广到其他语言，为多语言AI发展提供了高效经济的新路径。

韩国KAIST团队开发的Mol-LLaMA是首个能像化学专家一样理解分子并解释其性质的AI系统。该系统通过融合2D和3D分子信息，不仅能准确预测分子特性，还能详细解释背后的科学原理，在药物发现、化学教育等领域展现出巨大应用潜力，为分子科学研究开启了AI辅助的新时代。

全球人工智能治理倡议发布

港中文团队开发的T2I-R1系统首次让AI学会"思考式"图像生成，通过语义规划和细节优化的双层推理机制，在复杂图像生成任务上比基础模型提升13-19%，甚至超越了业界最强的FLUX.1模型，为AI创意产业应用开辟新路径。

在日常生活中，我们解决问题时从不会单纯地使用一种思考方式。比如在做数学题时，我们可能先用空间想象来理解几何图形，然后转换到逻辑推理来寻找关键关系，接着又跳转到发散思维去探索不同的解题路径，最后用精确计算来验证答案。这种自然的认知灵活性让人类能够应对各种复杂挑战，但现有的AI系统却缺乏这种能力。

当其他企业还在低谷中上下求索的时候,二十余年来始终以“数字中国”为使命的神州数码集团,却在2022年一季度业绩大考中给出了营收增长19%、净利润增长20%的优异成绩。

AI刚出现的头两三年，大家都觉得AI会颠覆一切，可能需要用一些全新的标准来评价AI产品。但是经过一年多的发展，大家发现AI产品本质上还是产品，依然要用传统的产品指标来衡量，比如点击率、转化率、留存率等这些硬核指标。如果用户不喜欢你的产品，点击率自然就上不去；如果产品没有足够的黏性，日活跃用户（DAU）也就积累不起来。

台湾大学联合MediaTek和Nvidia的研究团队开发了一种突破性的语音识别自我改进框架，无需大量人工标注数据即可显著提升AI语音识别准确率。该方法通过让AI生成伪标签训练语音合成系统，再用合成语音反向训练识别模型，形成自我强化循环。在台湾国语测试中，新模型Twister比原版Whisper错误率降低20-55%，数据效率提升10倍以上，为低资源语言AI应用提供了新路径。