中科院软件所开发的PaperRegister系统通过分层索引技术革新学术论文搜索，将传统基于摘要的粗粒度检索升级为支持技术细节的精细化搜索。该系统为每篇论文建立树状信息结构，从概况到具体实现细节分层组织，配合智能视角识别器精准理解用户查询意图。实验显示在细粒度搜索中准确率提升22.6%，响应时间仅2.5秒，为科研信息检索提供了突破性解决方案。

2020年以意想不到的方式在展开，让人们愈发渴望AI的到来。

如今三年已近，在绿色新政实施的过程中，既有硕果累累，也有经验教训。这些都是宝贵的财富，可以作为我们能源转型与碳中和的参考与借鉴。

约翰霍普金斯大学研究团队发现，即使给AI模型提供近乎完美的外部反馈，它们仍然无法完全吸收并达到理论最佳表现，这种现象被称为"反馈摩擦"。研究通过九项不同任务测试了多个先进AI模型，发现所有模型都存在这一局限性，且主要原因是模型的反馈抗拒而非反馈质量问题，为AI自我改进研究指明了新方向。

MIT等顶尖机构联合提出SparseLoRA技术，通过动态稀疏性实现大语言模型训练加速1.6倍，计算成本降低2.2倍。该方法使用SVD稀疏性估计器智能选择重要计算部分，在保持模型性能的同时显著提升训练效率，已在多个任务上验证有效性。

德国研究团队开发出MedSAMix技术，这是一种无需训练的AI模型融合方法，专门用于医学图像分割。该技术通过智能组合现有的通用型和专用型AI模型，在25个医学影像任务上实现了显著性能提升，单任务场景下提升6.67%，多任务场景下提升4.37%。与传统需要大量GPU和数天训练的方法相比，MedSAMix仅需2-4块GPU和数小时即可完成优化，大幅降低了医疗AI的应用门槛和成本，为医疗机构提供了更经济高效的智能诊断解决方案。

浙江大学等联合研究发现，AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时，单样本训练、错误奖励等非常规方法也有效；但面对陌生任务时，这些方法失效，只有标准训练有用。研究团队通过大量实验证实，这种"舒适圈"现象比数据污染更能解释训练差异，为AI训练策略优化提供了新思路。

西班牙巴斯克大学领导的国际团队开发出专门针对阿拉伯语的增强搜索系统，通过创新的"注意力相关性评分"机制，让机器能更精准理解阿拉伯语问题并找到准确答案。该系统在Top-1准确率上达到37.01%，比现有最佳系统提升0.91个百分点，为阿拉伯语用户带来更好的智能搜索体验。

这项研究揭示了一种新型网络安全威胁：利用普通网络广告攻击AI网页代理。中科院研究团队开发的AdInject攻击无需特殊权限，仅通过精心设计的广告内容就能误导AI代理点击恶意链接，成功率高达90%以上。研究使用严格的黑盒模型，更符合现实场景，暴露了当前AI代理面临的实际安全漏洞。实验还表明，即使添加专门的防御提示，这类攻击仍能成功率超过50%，凸显了设计更强大防御机制的紧迫性。

清华大学研究团队开发了MATE多智能体翻译系统，这是首个专为残障人士设计的开源AI辅助工具。该系统能在文字、语音、图像间智能转换，如将图片转为语音描述、语音转文字等。系统包含8个专业智能体协作，准确率达91.7%，支持本地运行保护隐私，为视听障碍等用户群体提供了强大的信息获取工具。

谷歌一直在强调用Gemini将AI践行到底，只不过这次在中国的内容，传递了很多特色故事，这些故事有谷歌的AI如何点亮中国传统文化，如何创造种类繁多的AI应用，以及更重要的，如何赋能中国开发者的成功出海。

InfantAgent-Next是一款突破性的多模态通用型AI助手，能通过文本、图像、音频和视频与计算机进行交互。不同于现有方法，它采用高度模块化架构，将基于工具和纯视觉的代理技术融为一体，让不同模型能逐步协作解决分散任务。在OSWorld视觉测试中达到7.27%的准确率，超越Claude-Computer-Use；同时在代码处理基准SWE-Bench和通用任务平台GAIA上也表现出色。其开源设计不仅提供了丰富工具集，还优化了鼠标点击定位和文件编辑功能，为AI自动操作计算机开创了新范式。

颠覆式创新还是学术诈骗？韩科院联名谷歌发布新模型架构MoR

Hugging Face团队发布SmolLM2语言模型研究报告，详细阐述了17亿参数小型模型的创新训练方法。该研究通过多阶段精细化训练策略和三个全新数据集(FineMath、Stack-Edu、SmolTalk)的创建，证明了小模型在数据质量优化下可达到优异性能。模型在多项基准测试中超越同规模竞品，为人工智能技术的普及化和可持续发展提供了新的技术路径。

清华大学和理想汽车联合开发的ReflectDrive系统，首次为自动驾驶引入"反省机制"，让AI司机具备自我纠错能力。通过将驾驶空间离散化和两阶段路径生成，系统能在规划路径后主动检查安全性，发现问题时智能修正。在NAVSIM基准测试中，该系统综合得分达91.1分，接近人类驾驶水平，为自动驾驶安全性和智能化开辟了新路径。

本次峰会探讨了人工智能(AI)的社会技术本质,强调需要通过包容性方法来开发和治理AI,以避免加剧不平等和权力集中。与会者呼吁将伦理原则转化为具体实践,并强调了AI在全球扩散过程中的地缘政治影响。峰会还讨论了如何负责任地在公共部门推广AI,以及开放与封闭AI模型的利弊。

斯坦福大学研究团队开发了史上最具挑战性的AI数学推理测试系统Putnam-AXIOM，基于威廉·洛威尔·普特南数学竞赛的522道大学级难题。测试结果显示，即使最强的AI模型也只能达到42%的正确率，远低于它们在传统测试中的表现。研究还创新性地引入了变形题目生成和教师强制准确率评估方法，有效识别了AI对训练数据的记忆依赖问题，为真实评估AI数学推理能力提供了新标准。

众所周知，NAND闪存的发展历经了从SLC、MLC到TCL、QLC的四个阶段。每个阶段的发展，都伴随着成本下降和容量及密度的上升，推动了闪存的进一步普及，但从性能和寿命角度，质疑也始终不绝于耳。

有幸和大家谈一谈新常态和新变化下， IBM 服务器和存储用户关心的 5 个问题。

这项研究开发了VIDEO-RTS系统，仅用传统方法3.6%的训练数据就让AI学会了真正的视频推理能力。系统采用"纯强化学习"跳过死记硬背阶段，结合"稀疏到密集"的自适应推理策略，在五个权威测试中平均准确率提升2.4%。这一突破性进展可能改变AI视频理解的发展方向。