这项由电子科技大学、香港中文大学等机构联合完成的研究，创建了PersonaFeedback基准来评估AI的个性化能力。研究包含8298个测试案例，分为三个难度等级，发现即使最先进的AI模型在个性化任务上表现也不理想。研究还发现推理能力提升不等于个性化能力提升，直接提供用户信息比让AI推测更有效。

香港科技大学研究团队提出GPAS技术，通过"梯度保持激活缩放"解决Pre-LayerNorm架构中激活方差指数增长问题。该技术在前向传播时缩放激活值，反向传播时保持梯度不变，在71M到1B参数模型上均显示显著性能提升。GPAS具有出色的架构兼容性，可应用于多种Transformer变体，为大型语言模型训练优化提供了简单有效的解决方案。

Enigmata是一项突破性研究，通过合成可验证的拼图训练大语言模型的逻辑推理能力。该研究创建了包含36种任务、7大类推理能力的完整训练系统，每项任务都配备了可控难度生成器和自动验证器。基于此训练的Qwen2.5-32B-Enigmata模型在拼图推理基准上超越了o3-mini-high和o1等顶尖模型。更令人惊喜的是，当应用于更大规模模型时，这些拼图数据不仅提升了模型解决拼图的能力，还意外增强了其数学和STEM推理能力，展示了纯逻辑训练带来的广泛泛化优势。

ReSurgSAM2是新加坡国立大学团队开发的两阶段手术视频分割系统，允许外科医生通过文本指令精准识别和追踪手术器械与组织。这项创新利用SAM2模型为基础，添加了跨模态空间-时间Mamba、可靠初始帧选择和多样性驱动长期记忆机制，解决了现有技术在长时间追踪和实时性能方面的局限。实验表明，该系统在准确性上显著超越现有方法，同时保持61.2 FPS的实时处理能力，为手术认知辅助、教育和导航提供了强大工具。

Alita是一种新型通用AI代理系统，采用极简设计理念，以"最小预定义，最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita，只配备一个核心能力和少量通用模块，能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示，Alita在GAIA基准测试上达到87.27%的通过率，超越包括OpenAI Deep Research在内的复杂系统，证明简约设计可带来卓越性能。

本研究提出了首个针对视觉自回归模型的测试时缩放框架TTS-VAR，通过自适应批次管理、聚类式多样性搜索和重采样式潜力选择三大策略，将AI图像生成质量显著提升8.7%。该框架巧妙地将生成过程视为路径搜索问题，在早期保持结构多样性，后期进行智能选择，实现了计算效率与生成质量的双重优化，为视觉生成技术发展提供了新思路。

南洋理工大学研究团队开发了名为Puppeteer的自动化系统，可将静态3D模型转换为完整的动画资产。该系统包含自动骨骼生成、智能皮肤绑定和视频引导动画制作三大核心功能，基于5.94万个高质量样本的大规模数据集训练。相比传统需要数周的手工制作，Puppeteer可在约30分钟内完成整个流程，在多项指标上显著超越现有方法，为3D内容创作的智能化转型提供了重要技术突破。

“人工智能+教育”行业面临的挑战不是市场有多大，而是如何实现技术、数据、以及内容方面的有效协同，建立规范化的教育新体系，将蛋糕做大的同时更要做美、做稳。

普林斯顿大学等40多家顶尖机构联合发布首份自我进化智能体综合报告，系统阐述了AI从静态工具向自主学习伙伴转变的技术路径。研究揭示了智能体如何在模型、记忆、工具和架构四个层面实现自我优化，通过实时学习和课后总结两种时机持续进化，并在医疗、教育、编程等领域展现实用价值，为实现通用人工智能提供了清晰框架。

这项研究揭示了现有长视频理解评估基准的严重缺陷：过度依赖多选题导致结果膨胀，且许多问题存在先验偏好使模型无需真正理解视频就能作答。针对这些问题，多伦多大学团队开发了VIDEOEVAL-PRO基准，采用开放式短答案形式，真正要求理解整个视频。通过评估21个专有和开源模型，研究发现：视频模型在开放式问题上的表现比多选题下降超过25%，且多选题高分并不意味着开放式题高分。与其他基准不同，VIDEOEVAL-PRO随输入帧数增加持续提升性能，提供了更可靠的长视频理解能力评估方法。

孙中山大学研究团队开发的RobustSplat技术通过两大创新解决3D高斯飞溅重建中的瞬态物体干扰问题：延迟高斯增长策略优先优化静态结构，避免早期对动态物体过度拟合；尺度级联掩码引导方法先利用低分辨率特征实现可靠初始掩码估计，再过渡到高分辨率监督获得精确预测。实验证明该方法在多个挑战性数据集上明显优于现有技术，为真实场景3D重建提供更高质量、无干扰的结果。

LG AI Research发布EXAONE 4.0大型语言模型，创新性地在单一模型中集成了快速回答和深度思考两种模式。该模型支持英语、韩语、西班牙语三种语言，具备智能工具使用能力，能处理12.8万字长文本，在数学推理和编程能力方面表现出色，甚至超越了许多更大规模的模型，为AI技术的实用化发展提供了新的解决方案。

自学AI绘画后，我接到了《抓娃娃》导演和成龙电影的邀请。

在2019年3月21日接受IEEE Spectrum采访时，她与我们共同就这一愿景以及英特尔公司的技术状况进行了探讨。

ViStoryBench是一个全面的故事可视化评估基准，由StepFun团队打造，用于测试AI将文字故事转化为连贯图像序列的能力。它包含80个多样化故事和344个角色参考，评估包括角色一致性、提示遵循度等多个维度。研究测试了20多种方法，发现UNO在开源方法中表现最佳，而商业软件如豆包和GPT-4o在提示一致性方面表现突出。该基准为故事可视化研究提供了统一标准，推动这一领域的创新发展。

斯坦福与哈佛研究团队通过创新的"层次贝叶斯框架"，首次从理性分析角度解释了AI学习策略转换机制。研究发现AI会在"记忆型"和"理解型"两种策略间理性选择，转换规律遵循损失-复杂度权衡原理。该理论框架仅用三个参数就能准确预测AI在不同条件下的行为表现，为AI系统的可控性和可预测性提供了重要理论基础。

AIRI研究团队开发了HeroBench测试平台，在RPG风格虚拟世界中评估25个大型语言模型的长期规划能力。研究发现AI在复杂多步骤规划任务中表现差异巨大，顶级模型Grok-4达到91.7%成功率，但加入升级机制和干扰因素后性能显著下降。该研究揭示了传统学术测试无法反映的AI规划能力真实水平，为改进AI长期规划提供了重要基准。

这项研究提出了"下一事件预测"作为培养视频AI时间推理能力的新方法。研究者将视频分为过去和未来部分，让AI预测未来事件，而不仅仅是描述所见。他们创建了V1-33K数据集（包含33,000个视频片段）和FutureBench测试基准，实验证明这种方法显著提升了模型的时间推理能力。研究发现，演绎推理（通过下一事件预测）比归纳推理（视频问答）和溯因推理（先前事件预测）更有效，简单的监督式微调就能取得良好效果，且增加数据量超过5K后效果提升不明显。

近期，OpenAI免费发布了最先进的生成式transformer模型ChatGPT。此子一经亮相便引发媒体的广泛关注与用户的真诚赞赏，再次凸显出人工智能的可观潜力。

爱沙尼亚塔林理工大学研究团队发现，先进AI视觉模型的问题不在于"看不清"图片，而在于"想不通"图片间逻辑关系。他们提出"线性分离天花板"概念，揭示了广泛存在的"线性推理瓶颈"现象，并证明通过针对性微调可以解决这一问题。研究为改进AI视觉推理能力提供了新思路。